| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 符号对照表 | 第15-16页 |
| 缩略语对照表 | 第16-21页 |
| 第一章 绪论 | 第21-39页 |
| 1.1 研究背景与意义 | 第21-25页 |
| 1.2 极化SAR图像分类的研究内容和国内外研究现状 | 第25-30页 |
| 1.2.1 极化SAR图像分类的研究内容 | 第25-26页 |
| 1.2.2 极化SAR图像分类的国内外研究现状 | 第26-30页 |
| 1.3 随机场模型概述及其关键问题 | 第30-35页 |
| 1.3.1 随机场模型概述 | 第30-34页 |
| 1.3.2 基于随机场模型的极化SAR图像分类研究的关键问题 | 第34-35页 |
| 1.4 论文的主要工作及内容安排 | 第35-39页 |
| 第二章 WGΓ分布及其在极化SAR图像分类中的应用 | 第39-51页 |
| 2.1 引言 | 第39-40页 |
| 2.2 极化SAR数据的乘积模型 | 第40-41页 |
| 2.3 WGΓ分布及其参数估计方法 | 第41-46页 |
| 2.3.1 GΓD在统计建模中的优势 | 第41-42页 |
| 2.3.2 WGΓ分布 | 第42-44页 |
| 2.3.3 WGΓ分布的参数估计方法 | 第44-46页 |
| 2.3.4 基于WGΓ-MRF的极化SAR图像分类方法 | 第46页 |
| 2.4 实验结果及分析 | 第46-50页 |
| 2.4.1 GΓD统计建模实验结果及分析 | 第46-48页 |
| 2.4.2 多视强度WGΓ分布统计建模实验结果及分析 | 第48-49页 |
| 2.4.3 分类结果及分析 | 第49-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第三章 基于MWGГ-MRF混合模型的极化SAR图像分类算法 | 第51-73页 |
| 3.1 引言 | 第51-52页 |
| 3.2 Wishart混合模型和K混合模型 | 第52-53页 |
| 3.3 WGГ混合模型 | 第53-54页 |
| 3.4 MWGГ-MRF混合模型 | 第54-58页 |
| 3.4.1 相关项的构造 | 第55-56页 |
| 3.4.2 MWGГ-MRF模型 | 第56-58页 |
| 3.5 MWGГ-MRF混合模型参数估计及模型推断 | 第58-62页 |
| 3.5.1 参数估计 | 第58-61页 |
| 3.5.2 模型推断 | 第61-62页 |
| 3.6 实验结果及分析 | 第62-71页 |
| 3.6.1 实验设置 | 第62-63页 |
| 3.6.2 边界提取结果及分析 | 第63-66页 |
| 3.6.3 分类结果及分析 | 第66-71页 |
| 3.7 本章小结 | 第71-73页 |
| 第四章 基于模糊三重判别随机场模型的极化散射机制模糊性建模及极化SAR图像分类算法 | 第73-93页 |
| 4.1 引言 | 第73-74页 |
| 4.2 HDRF模型 | 第74-75页 |
| 4.3 极化散射机制的模糊性建模 | 第75-78页 |
| 4.4 FTDF模型的构造 | 第78-85页 |
| 4.4.1 一元势能函数 | 第80-82页 |
| 4.4.2 二元势能函数 | 第82页 |
| 4.4.3 统计分布建模 | 第82-83页 |
| 4.4.4 隶属度估计 | 第83-84页 |
| 4.4.5 基于FTDF模型的分类算法 | 第84-85页 |
| 4.5 实验结果与分析 | 第85-91页 |
| 4.5.1 实验设置 | 第85-86页 |
| 4.5.2 分类结果及分析 | 第86-90页 |
| 4.5.3 模型计算效率对比分析 | 第90-91页 |
| 4.6 本章小结 | 第91-93页 |
| 第五章 基于超像素混合判别随机场模型的快速极化SAR图像分类算法 | 第93-105页 |
| 5.1 引言 | 第93-94页 |
| 5.2 基于改进SLIC算法的超像素生成过程 | 第94-96页 |
| 5.3 基于sp-HDRF模型的快速极化SAR图像分类 | 第96-100页 |
| 5.3.1 超像素图上的邻域系统 | 第96-97页 |
| 5.3.2 sp-HDRF模型 | 第97-99页 |
| 5.3.3 模型推断 | 第99页 |
| 5.3.4 基于sp-HDRF模型的分类算法 | 第99-100页 |
| 5.4 实验结果及分析 | 第100-104页 |
| 5.4.1 分类结果及分析 | 第100-103页 |
| 5.4.2 模型计算效率对比分析 | 第103页 |
| 5.4.3 参数敏感度分析 | 第103-104页 |
| 5.5 本章小结 | 第104-105页 |
| 第六章 基于狄利克雷马尔可夫场混合模型的无监督极化SAR图像分类分割算法 | 第105-123页 |
| 6.1 引言 | 第105-106页 |
| 6.2 DPMM基本原理 | 第106-108页 |
| 6.3 DPMM-SMMRF混合模型的构造 | 第108-111页 |
| 6.3.1 类别标记的先验分布 | 第108-110页 |
| 6.3.2 观测数据的似然分布 | 第110页 |
| 6.3.3 DPMM-SMMRF混合模型 | 第110-111页 |
| 6.4 采样过程和分类 | 第111-115页 |
| 6.4.1 DPMM-SMMRF混合模型的采样过程 | 第111-113页 |
| 6.4.2 基于DPMM-SMMRF混合模型的极化SAR图像分类 | 第113-115页 |
| 6.5 实验结果及分析 | 第115-120页 |
| 6.5.1 实验设置 | 第115-116页 |
| 6.5.2 参数分析 | 第116-117页 |
| 6.5.3 实验结果与分析 | 第117-120页 |
| 6.6 本章小结 | 第120-123页 |
| 第七章 总结与展望 | 第123-127页 |
| 7.1 工作总结 | 第123-124页 |
| 7.2 工作展望 | 第124-127页 |
| 参考文献 | 第127-141页 |
| 致谢 | 第141-143页 |
| 作者简介 | 第143-146页 |
