| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第15-26页 |
| 1.1 背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-23页 |
| 1.2.1 SAR系统发展现状 | 第16-18页 |
| 1.2.2 极化SAR简介 | 第18页 |
| 1.2.3 极化SAR图像分类研究现状 | 第18-23页 |
| 1.3 论文研究内容 | 第23页 |
| 1.4 论文组织结构 | 第23-26页 |
| 第二章 极化SAR图像特性和极化分解概述 | 第26-49页 |
| 2.1 统计分布基础 | 第26-30页 |
| 2.1.1 概述 | 第26页 |
| 2.1.2 相干斑乘性模型 | 第26-27页 |
| 2.1.3 单视SIRV模型 | 第27-28页 |
| 2.1.4 多视SIRV模型 | 第28-29页 |
| 2.1.5 统计分布模型的参数估计 | 第29-30页 |
| 2.2 极化分解基础 | 第30-43页 |
| 2.2.1 散射体的极化描述 | 第30-34页 |
| 2.2.2 极化目标分解方法 | 第34-43页 |
| 2.3 极化SAR图像的常见特征 | 第43-49页 |
| 2.3.1 概述 | 第43页 |
| 2.3.2 基于测量数据的极化特征 | 第43-45页 |
| 2.3.3 极化分解特征 | 第45-46页 |
| 2.3.4 纹理特征 | 第46-49页 |
| 第三章 图像分类与深度学习 | 第49-59页 |
| 3.1 引言 | 第49页 |
| 3.2 特征提取发展过程 | 第49-52页 |
| 3.2.1 底层特征 | 第49-50页 |
| 3.2.2 特征表达 | 第50-51页 |
| 3.2.3 特征学习 | 第51-52页 |
| 3.3 深度学习概述 | 第52-57页 |
| 3.3.1 深度学习的产生 | 第52-53页 |
| 3.3.2 深度学习的研究现状 | 第53-54页 |
| 3.3.3 深度学习的典型模型 | 第54-56页 |
| 3.3.4 深度学习的分类模式 | 第56-57页 |
| 3.4 本章小结 | 第57-59页 |
| 第四章 基于统计分布的网络结构单元 | 第59-72页 |
| 4.1 引言 | 第59-60页 |
| 4.2 常见的SAR图像统计分布模型 | 第60-66页 |
| 4.2.1 单极化SAR图像的统计分布模型 | 第60-63页 |
| 4.2.2 极化SAR图像的统计分布模型 | 第63-66页 |
| 4.3 典型的深度学习网络结构单元 | 第66-68页 |
| 4.3.1 受限玻尔兹曼机 | 第66-67页 |
| 4.3.2 自动编码器 | 第67-68页 |
| 4.4 基于统计分布的网络结构单元 | 第68-71页 |
| 4.4.1 统计分布模型选择 | 第68-69页 |
| 4.4.2 针对单极化SAR图像的统计分布网络结构单元的构建 | 第69-71页 |
| 4.4.3 针对全极化SAR图像的统计分布网络结构单元的构建 | 第71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 多层网络模型的构建 | 第72-88页 |
| 5.1 引言 | 第72-73页 |
| 5.2 FF-BSVM多层网络模型 | 第73-79页 |
| 5.2.1 特征选择 | 第73-75页 |
| 5.2.2 特征融合与归一化 | 第75-76页 |
| 5.2.3 空间金子塔匹配 | 第76-78页 |
| 5.2.4 双层SVM | 第78页 |
| 5.2.5 FF-BSVM整体框架 | 第78-79页 |
| 5.3 MC-DCN多层网络模型 | 第79-86页 |
| 5.3.1 单层反卷积网络结构 | 第80-81页 |
| 5.3.2 基于软概率的池化方法 | 第81-83页 |
| 5.3.3 MC-DCN网络整体结构 | 第83-84页 |
| 5.3.4 MC-DCN网络模型的训练 | 第84-86页 |
| 5.4 本章小结 | 第86-88页 |
| 第六章 基于中层表达的迁移学习模型 | 第88-99页 |
| 6.1 引言 | 第88页 |
| 6.2 迁移学习 | 第88-90页 |
| 6.2.1 迁移学习概述 | 第88-89页 |
| 6.2.2 基于特征的迁移学习 | 第89-90页 |
| 6.3 基于卷积神经网络的MR-TL多层网络模型 | 第90-98页 |
| 6.3.1 卷积神经网络 | 第90-94页 |
| 6.3.2 基于卷积神经网络的中层表达提取 | 第94-95页 |
| 6.3.3 中层表达的迁移学习 | 第95-98页 |
| 6.4 本章小结 | 第98-99页 |
| 第七章 实验结果与分析 | 第99-109页 |
| 7.1 实验数据 | 第99-100页 |
| 7.2 实验设置 | 第100-102页 |
| 7.3 实验结果 | 第102-106页 |
| 7.4 实验分析 | 第106-109页 |
| 第八章 结论与展望 | 第109-111页 |
| 8.1 论文总结 | 第109-110页 |
| 8.2 研究展望 | 第110-111页 |
| 参考文献 | 第111-121页 |
| 研究成果与参与项目 | 第121-122页 |
| 致谢 | 第122-123页 |