| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 研究背景及意义 | 第16页 |
| 1.2 研究现状及现存问题 | 第16-18页 |
| 1.2.1 研究现状 | 第16-17页 |
| 1.2.2 现存问题 | 第17-18页 |
| 1.3 SAR图像变化检测基本步骤及评价指标 | 第18-22页 |
| 1.3.1 SAR图像变化检测基本步骤 | 第18-21页 |
| 1.3.2 SAR图像变化检测评价指标 | 第21-22页 |
| 1.4 深度学习基础理论 | 第22-26页 |
| 1.4.1 深度学习思想及发展 | 第22-24页 |
| 1.4.2 有监督深度学习 | 第24-25页 |
| 1.4.3 无监督深度学习 | 第25-26页 |
| 1.5 论文的主要工作及内容安排 | 第26-27页 |
| 1.6 本章小结 | 第27-28页 |
| 第二章 基于堆栈自编码网络提取显著性区域的高分辨SAR图像变化检测 | 第28-58页 |
| 2.1 堆栈自编码网络基本理论 | 第28-30页 |
| 2.2 显著性检测基本理论 | 第30-33页 |
| 2.2.1 显著性检测概念 | 第30页 |
| 2.2.2 显著性检测方法分类 | 第30-33页 |
| 2.3 聚类算法和广义高斯K&I阈值算法 | 第33-36页 |
| 2.3.1 聚类算法 | 第33-34页 |
| 2.3.2 广义高斯k&I阈值算法 | 第34-36页 |
| 2.4 基于堆栈自编码网络提取显著性区域的高分辨SAR图像变化检测算法 | 第36-39页 |
| 2.4.1 基于SAE网络的显著性区域提取算法 | 第37-39页 |
| 2.4.2 变化检测算法 | 第39页 |
| 2.5 参数选择和实验结果分析 | 第39-57页 |
| 2.5.1 数据集介绍 | 第39-43页 |
| 2.5.2 参数选择 | 第43-45页 |
| 2.5.3 实验结果与分析 | 第45-55页 |
| 2.5.4 显著性区域检测方法对比 | 第55-57页 |
| 2.6 本章小结 | 第57-58页 |
| 第三章 基于曲线波SAE的高分辨SAR图像变化检测 | 第58-80页 |
| 3.1 引言 | 第58页 |
| 3.2 曲线波变换基本理论 | 第58-64页 |
| 3.2.1 曲线波变换的提出 | 第58-60页 |
| 3.2.2 第一代曲线波变换 | 第60-62页 |
| 3.2.3 第二代曲线波变换 | 第62-64页 |
| 3.3 基于曲线波SAE的高分辨SAR图像变化检测算法 | 第64-67页 |
| 3.3.1 曲线波自编码网络 | 第64-65页 |
| 3.3.2 算法流程 | 第65-67页 |
| 3.4 实验结果与分析 | 第67-78页 |
| 3.4.1 Brazil1数据结果与分析 | 第68-70页 |
| 3.4.2 Brazil2数据结果与分析 | 第70-72页 |
| 3.4.3 Namibia数据结果与分析 | 第72-74页 |
| 3.4.4 Indonesia数据结果与分析 | 第74-76页 |
| 3.4.5 仿真数据结果与分析 | 第76-78页 |
| 3.5 本章小结 | 第78-80页 |
| 第四章 基于增量CAE网络的高分辨SAR图像变化检测 | 第80-100页 |
| 4.1 卷积自编码网络基本理论 | 第80-81页 |
| 4.2 基于增量卷积自编码网络的高分辨SAR图像变化检测算法 | 第81-86页 |
| 4.2.1 ICAE网络 | 第82-84页 |
| 4.2.2 ICAE和聚类的结合 | 第84-86页 |
| 4.3 变化检测结果与分析 | 第86-98页 |
| 4.3.1 参数选择 | 第86-88页 |
| 4.3.2 实验结果与分析 | 第88-98页 |
| 4.4 本章小结 | 第98-100页 |
| 第五章 总结与展望 | 第100-102页 |
| 5.1 总结 | 第100-101页 |
| 5.2 展望 | 第101-102页 |
| 参考文献 | 第102-106页 |
| 致谢 | 第106-108页 |
| 作者简介 | 第108-109页 |
