摘要 | 第1-6页 |
ABSTRACT | 第6-14页 |
第1章 绪论 | 第14-28页 |
·课题背景及研究的目的和意义 | 第14-15页 |
·国内外研究现状及分析 | 第15-27页 |
·目标散射特性及特征提取技术 | 第15-19页 |
·PolSAR信息提取及目标检测 | 第19-24页 |
·PolInSAR信息提取及目标检测 | 第24-27页 |
·论文主要研究内容 | 第27-28页 |
第2章 基于多成分散射模型的极化目标分解方法 | 第28-58页 |
·引言 | 第28页 |
·实验数据介绍 | 第28-29页 |
·目标极化特性的表征 | 第29-33页 |
·极化散射矩阵及散射矢量 | 第30-31页 |
·相干矩阵和协方差矩阵 | 第31-32页 |
·极化合成和极化特征图 | 第32-33页 |
·基于散射矩阵的相干目标分解 | 第33-36页 |
·Pauli分解 | 第33页 |
·SDH分解 | 第33-34页 |
·分解结果及分析 | 第34-36页 |
·基于特征值分解的非相干目标分解 | 第36-38页 |
·基于散射模型的非相干目标分解 | 第38-42页 |
·Freeman分解 | 第38页 |
·OEC分解 | 第38-39页 |
·四成分散射模型 | 第39-40页 |
·分解结果及分析 | 第40-42页 |
·基于多成分散射模型的极化目标分解 | 第42-57页 |
·基本散射机理 | 第42-52页 |
·多成分散射模型 | 第52-53页 |
·分解结果及分析 | 第53-57页 |
·本章小结 | 第57-58页 |
第3章 联合 MCSM 和 SVM 的 PolSAR 图像分类 | 第58-82页 |
·引言 | 第58页 |
·基于目标分解的 PolSAR 图像分类 | 第58-65页 |
·基于Cameron分解的分类 | 第58-61页 |
·基于特征值分解的H / α分类 | 第61-65页 |
·SAR图像的纹理特征分析 | 第65-70页 |
·灰度共生矩阵 | 第66-67页 |
·基于灰度共生矩阵的纹理特征 | 第67-68页 |
·实验数据的纹理特征 | 第68-70页 |
·SVM理论基础 | 第70-75页 |
·最优分类超平面 | 第70-72页 |
·广义最优分类超平面 | 第72-73页 |
·核函数方法 | 第73-74页 |
·多类分类器算法 | 第74-75页 |
·基于 MCSM 和 SVM 的 PolSAR 图像分类 | 第75-81页 |
·分类步骤及说明 | 第75-77页 |
·SVM参数的选择 | 第77-79页 |
·分类结果及分析 | 第79-81页 |
·本章小结 | 第81-82页 |
第4章 基于商空间粒度计算的 PolSAR 目标检测 | 第82-111页 |
·引言 | 第82页 |
·极化特征参数 | 第82-93页 |
·基于测量数据的特征 | 第82-86页 |
·基于极化目标分解的特征参数 | 第86-88页 |
·极化相似性参数 | 第88-93页 |
·极化检测算法 | 第93-98页 |
·目标和杂波的统计特性分析 | 第93-94页 |
·常用极化检测器 | 第94-97页 |
·极化检测算法性能评估 | 第97-98页 |
·基于商空间粒度计算的目标检测 | 第98-110页 |
·粒度计算和商空间理论 | 第98-99页 |
·商空间的合成 | 第99-101页 |
·基于粒度合成的目标检测 | 第101-104页 |
·实验结果及分析 | 第104-110页 |
·本章小结 | 第110-111页 |
第5章 基于特征值的 PolInSAR 目标检测 | 第111-128页 |
·引言 | 第111页 |
·实验数据介绍 | 第111-112页 |
·极化合成孔径雷达干涉技术及相干最优 | 第112-120页 |
·标量干涉 | 第112-113页 |
·矢量干涉 | 第113-114页 |
·极化干涉相位相干最优 | 第114-118页 |
·极化干涉相似性参数相干最优 | 第118-120页 |
·基于特征值的目标检测 | 第120-127页 |
·极化干涉相干矩阵的特征值分解 | 第120-122页 |
·极化干涉广义特征值相似性参数 | 第122-124页 |
·检测结果及分析 | 第124-127页 |
·本章小结 | 第127-128页 |
结论 | 第128-130页 |
参考文献 | 第130-141页 |
攻读博士学位期间发表的论文及其它成果 | 第141-144页 |
致谢 | 第144-145页 |
个人简历 | 第145页 |