| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 极化SAR图像地物分类研究现状 | 第17-19页 |
| 1.2.2 深度学习研究现状 | 第19-20页 |
| 1.3 极化SAR图像理论基础 | 第20-27页 |
| 1.3.1 极化数据表示 | 第21-23页 |
| 1.3.2 极化目标分解 | 第23-27页 |
| 1.4 本文主要工作及安排 | 第27-28页 |
| 第二章 基于DCGAN的极化SAR图像地物分类 | 第28-60页 |
| 2.1 引言 | 第28-29页 |
| 2.2 DCGAN模型原理 | 第29-35页 |
| 2.2.1 CNN模型原理 | 第29-30页 |
| 2.2.2 GAN模型原理 | 第30-32页 |
| 2.2.3 DCGAN的结构 | 第32-34页 |
| 2.2.4 DCGAN的训练 | 第34-35页 |
| 2.3 SLIC算法 | 第35-36页 |
| 2.4 基于DCGAN的极化SAR图像地物分类算法设计 | 第36-39页 |
| 2.5 实验结果比较与分析 | 第39-59页 |
| 2.5.1 评价指标 | 第42页 |
| 2.5.2 San Francisco Bay in 2008 实验结果 | 第42-46页 |
| 2.5.3 San Francisco Bay in 1992 实验结果 | 第46-50页 |
| 2.5.4 Germany实验结果 | 第50-53页 |
| 2.5.5 Flevoland实验结果 | 第53-56页 |
| 2.5.6 Xi'an实验结果 | 第56-59页 |
| 2.6 本章小结 | 第59-60页 |
| 第三章 基于Contourlet-DCGAN的极化SAR图像地物分类 | 第60-84页 |
| 3.1 引言 | 第60页 |
| 3.2 Contourlet变换原理 | 第60-62页 |
| 3.3 Contourlet-DCGAN模型 | 第62-64页 |
| 3.4 基于Contourlet-DCGAN的极化SAR图像地物分类算法设计 | 第64-66页 |
| 3.5 实验结果比较与分析 | 第66-82页 |
| 3.5.1 San Francisco Bay in 2008 实验结果 | 第67-70页 |
| 3.5.2 San Francisco Bay in 1992 实验结果 | 第70-73页 |
| 3.5.3 Germany实验结果 | 第73-76页 |
| 3.5.4 Flevoland实验结果 | 第76-79页 |
| 3.5.5 Xi'an实验结果 | 第79-82页 |
| 3.6 本章小结 | 第82-84页 |
| 第四章 基于Contourlet Depthwise-DCGAN的极化SAR图像地物分类 | 第84-110页 |
| 4.1 引言 | 第84页 |
| 4.2 Contourlet Depthwise-DCGAN模型 | 第84-89页 |
| 4.2.1 Depthwise Convolution | 第84-86页 |
| 4.2.2 Depthwise Deconvolution | 第86-87页 |
| 4.2.3 Contourlet Depthwise-DCGAN模型结构 | 第87-89页 |
| 4.3 基于Contourlet Depthwise-DCGAN的极化SAR图像地物分类算法设计 | 第89-92页 |
| 4.4 实验结果比较与分析 | 第92-108页 |
| 4.4.1 规模和训练速度对比 | 第92页 |
| 4.4.2 San Francisco Bay in 2008 实验结果 | 第92-96页 |
| 4.4.3 San Francisco Bay in 1992 实验结果 | 第96-99页 |
| 4.4.4 Germany实验结果 | 第99-102页 |
| 4.4.5 Flevoland实验结果 | 第102-105页 |
| 4.4.6 Xi'an实验结果 | 第105-108页 |
| 4.5 本章小结 | 第108-110页 |
| 第五章 总结与展望 | 第110-112页 |
| 5.1 总结 | 第110-111页 |
| 5.2 展望 | 第111-112页 |
| 参考文献 | 第112-116页 |
| 致谢 | 第116-118页 |
| 作者简介 | 第118-119页 |
