| 第1章 绪论 | 第1-14页 |
| 1．1 前言 | 第9-10页 |
| 1．2 海面溢油监测的方法 | 第10-13页 |
| 1．2．1 国内外海面溢油监测的方法 | 第10-11页 |
| 1．2．2 海面溢油识别技术 | 第11-13页 |
| 1．3 本文研究的方法和思路 | 第13-14页 |
| 第2章 SAR遥感系统的海面溢油监测 | 第14-18页 |
| 2．1 SAR遥感技术 | 第14-15页 |
| 2．2 SAR遥感技术探测海面溢油原理 | 第15-18页 |
| 2．2．1 SAR遥感系统探测海面溢油原理 | 第15-16页 |
| 2．2．2 SAR遥感系统探测海面溢油的应用 | 第16-18页 |
| 第3章 SAR溢油图像特征提取 | 第18-24页 |
| 3．1 SAR图像的特征提取 | 第18页 |
| 3．2 纹理分析方法 | 第18-22页 |
| 3．2．1 纹理 | 第18-19页 |
| 3．2．2 纹理分析方法 | 第19-20页 |
| 3．2．3 基于灰度共生矩阵的纹理分析方法 | 第20-22页 |
| 3．3 纹理特征的提取 | 第22-24页 |
| 3．3．1 纹理特征的选择 | 第22-23页 |
| 3．3．2 纹理特征的提取 | 第23-24页 |
| 第4章 SAR图像的神经网络识别技术 | 第24-37页 |
| 4．1 遥感图像识别 | 第24-26页 |
| 4．1．1 遥感图像自动识别 | 第24页 |
| 4．1．2 遥感图像监督分类方法 | 第24-26页 |
| 4．1．3 遥感图像非监督分类方法 | 第26页 |
| 4．2 人工神经网络识别技术 | 第26-37页 |
| 4．2．1 人工神经网络概述 | 第26-27页 |
| 4．2．2 人工神经网络特点 | 第27-28页 |
| 4．2．3 BP神经网络 | 第28-31页 |
| 4．2．4 RBF神经网络 | 第31-35页 |
| 4．2．5 概率神经网络 | 第35-37页 |
| 第5章 基于纹理分析和神经网络方法的海面溢油识别系统的实现 | 第37-44页 |
| 5．1 开发工具的选择与设置 | 第37-40页 |
| 5．2 SAR溢油图像分类识别系统结构模型 | 第40页 |
| 5．3 SAR图像特征值的提取 | 第40-42页 |
| 5．4 SAR溢油的神经网络识别 | 第42-44页 |
| 5．4．1 神经网络设计 | 第42-43页 |
| 5．4．2 网络仿真识别函数 | 第43-44页 |
| 第6章 系统测试结果分析 | 第44-47页 |
| 6．1 SAR溢油图像的选择 | 第44页 |
| 6．2 溢油分类识别效果分析 | 第44-45页 |
| 6．3 神经网络分类识别精度计算 | 第45-47页 |
| 结论 | 第47-48页 |
| 攻读学位期间公开发表的论文 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 研究生履历 | 第53页 |