| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题背景 | 第15页 |
| 1.2 SAR图像变化检测研究现状 | 第15-17页 |
| 1.3 SAR图像变化检测目前存在的问题 | 第17-18页 |
| 1.4 本论文的主要工作及内容安排 | 第18-21页 |
| 第二章 SAR图像变化检测 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 变化检测的一般处理流程 | 第21-25页 |
| 2.2.1 常用差异图生成算法 | 第22-25页 |
| 2.2.2 常用差异图分析算法 | 第25页 |
| 2.3 评价指标 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于邻域比值和自步学习的SAR图像变化检测算法 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 基于邻域比值和自步学习的SAR图像变化区域检测算法 | 第29-33页 |
| 3.2.1 基于邻域比值的差异图生成法 | 第29-30页 |
| 3.2.2 自步学习学习机制介绍 | 第30-31页 |
| 3.2.3 深度学习简介 | 第31-32页 |
| 3.2.4 深度信念网络原理介绍 | 第32-33页 |
| 3.2.5 基于邻域比值和自步学习的SAR图像变化检测算法 | 第33页 |
| 3.3 实验结果与分析 | 第33-39页 |
| 3.3.1 测试图像 | 第33-37页 |
| 3.3.2 实验结果分析 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于网络代价函数优化的SAR图像变化检测算法 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 基于网络代价函数优化的SAR图像变化检测方法 | 第41-46页 |
| 4.2.1 构建优化目标函数 | 第41-43页 |
| 4.2.2 粒子群算法简介 | 第43-45页 |
| 4.2.3 基于网络代价函数优化的SAR图像变化检测算法 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-52页 |
| 4.3.1 测试图像 | 第46-49页 |
| 4.3.2 实验结果分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于网络权重分组的SAR图像变化检测算法 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 改进粒子群算法 | 第53-54页 |
| 5.3 基于网络权重分组的SAR图像变化检测算法 | 第54-55页 |
| 5.4 实验结果与分析 | 第55-61页 |
| 5.4.1 测试图像 | 第55-58页 |
| 5.4.2 实验结果分析 | 第58-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-75页 |
