| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 SAR卫星及传感器发展现状 | 第12页 |
| 1.2.2 SAR图像噪声抑制现状 | 第12-13页 |
| 1.2.3 SAR图像分类现状 | 第13-14页 |
| 1.2.4 SAR图像交通灾害特征检测提取研究现状 | 第14-17页 |
| 1.3 本文实验区域与数据 | 第17页 |
| 1.4 研究目标与方法 | 第17-22页 |
| 1.4.1 研究对象 | 第17页 |
| 1.4.2 研究目标 | 第17-18页 |
| 1.4.3 研究内容 | 第18-20页 |
| 1.4.4 研究方法与技术路线 | 第20-22页 |
| 第2章 基于支持向量回归的噪声抑制算法研究 | 第22-46页 |
| 2.1 相干斑噪声的产生机理及其统计特性 | 第22-25页 |
| 2.1.1 相干斑噪声产生机理 | 第22-23页 |
| 2.1.2 单视SAR图像的统计特性 | 第23-24页 |
| 2.1.3 多视SAR图像的统计特性 | 第24-25页 |
| 2.2 SAR图像降噪算法概述 | 第25-29页 |
| 2.2.1 基于局部统计特性的空间域自适应滤波 | 第25-28页 |
| 2.2.2 小波域的SAR图像降噪方法 | 第28页 |
| 2.2.3 基于马尔可夫随机场（MRF）模型的SAR图像降噪方法 | 第28-29页 |
| 2.3 支持向量回归(SVR)原理 | 第29-32页 |
| 2.3.1 回归问题的数学描述 | 第29-30页 |
| 2.3.2 e-支持向量回归机 | 第30-32页 |
| 2.4 SAR图像支持向量回归(SVR)降噪方法 | 第32-35页 |
| 2.4.1 基于回归距的降噪滤波器 | 第33页 |
| 2.4.2 小波支持向量机（WSVM） | 第33-34页 |
| 2.4.3 算法流程及步骤 | 第34-35页 |
| 2.5 实验结果与分析 | 第35-45页 |
| 2.5.1 一维信号SVR滤波实验 | 第35-40页 |
| 2.5.2 SAR图像SVR滤波实验结果 | 第40-45页 |
| 2.6 本章小节 | 第45-46页 |
| 第3章 基于改进RGAC模型的分类方法研究 | 第46-86页 |
| 3.1 基于灰度共生矩阵的SAR影像纹理分析 | 第46-55页 |
| 3.1.1 灰度共生矩阵（GLCM）纹理 | 第46-47页 |
| 3.1.2 GLCM纹理参量 | 第47-48页 |
| 3.1.3 SAR图像GLCM纹理分析实验结果 | 第48-55页 |
| 3.2 基于Gabor滤波器响应的SAR图像纹理特征 | 第55-60页 |
| 3.2.1 一维Gabor变换和Gabor基函数 | 第55-56页 |
| 3.2.2 二维Gabor滤波器 | 第56-58页 |
| 3.2.3 基于Gabor滤波器响应的纹理特征计算实验 | 第58-60页 |
| 3.3 基于纹理分析与支持向量机（SVM）的SAR图像分类 | 第60-67页 |
| 3.3.1 基于支持向量机（SVM）的纹理分类方法概述 | 第60-63页 |
| 3.3.2 用于SAR图像纹理分类的SVM分类器的构建 | 第63-64页 |
| 3.3.3 基于SVM分类实验计算与分析 | 第64-67页 |
| 3.4 引入SVM的两阶段RGAC模型的SAR图像纹理分类 | 第67-85页 |
| 3.4.1 主动轮廓模型概述 | 第68页 |
| 3.4.2 水平集函数描述 | 第68-70页 |
| 3.4.3 能量函数描述 | 第70-72页 |
| 3.4.4 Lankton模型 | 第72-73页 |
| 3.4.5 改进的两阶段RGAC模型 | 第73-78页 |
| 3.4.6 实验结果与分析 | 第78-85页 |
| 3.5 本章小结 | 第85-86页 |
| 第4章 枢纽节点目标提取方法研究 | 第86-113页 |
| 4.1 桥梁目标参数提取方法研究 | 第86-97页 |
| 4.1.1 桥梁高度、宽度等参数估计 | 第86-93页 |
| 4.1.2 拱形结构参数估计 | 第93-97页 |
| 4.2 机场目标搜索及提取方法研究 | 第97-111页 |
| 4.2.1 机场目标搜索 | 第97-98页 |
| 4.2.2 机场特征参数计算 | 第98-105页 |
| 4.2.3 基于支持向量机(SVM)的SAR图像机场识别方法 | 第105-109页 |
| 4.2.4 实验流程与步骤 | 第109页 |
| 4.2.5 实验结果与分析 | 第109-111页 |
| 4.3 本章小结 | 第111-113页 |
| 第5章 受灾区域体提取方法研究 | 第113-131页 |
| 5.1 堰塞湖判定与提取 | 第113-115页 |
| 5.2 滑坡体判定与提取 | 第115-117页 |
| 5.3 倒塌建筑物判定与提取 | 第117-130页 |
| 5.3.1 建筑物在SAR影像上的成像分析 | 第118-124页 |
| 5.3.2 建筑物高度实验结果与分析 | 第124-129页 |
| 5.3.3 建筑区域提取 | 第129-130页 |
| 5.4 本章小结 | 第130-131页 |
| 第6章 结论与展望 | 第131-134页 |
| 参考文献 | 第134-142页 |
| 致谢 | 第142-143页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第143页 |
