| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 极化SAR数据研究现状 | 第14-16页 |
| 1.3 论文内容与安排 | 第16-17页 |
| 第二章 极化SAR理论基础 | 第17-27页 |
| 2.1 电磁波极化的表征 | 第17-19页 |
| 2.1.1 Jones向量 | 第18页 |
| 2.1.2 Stokes矢量 | 第18-19页 |
| 2.1.3 Poincare球 | 第19页 |
| 2.2 极化散射机理分析 | 第19-24页 |
| 2.2.1 极化散射矩阵 | 第19-20页 |
| 2.2.2 Muller矩阵 | 第20页 |
| 2.2.3 Kennaugh矩阵 | 第20-21页 |
| 2.2.4 极化C矩阵和T矩阵 | 第21-22页 |
| 2.2.5 几种基本散射机制 | 第22-24页 |
| 2.3 极化目标分解 | 第24-26页 |
| 2.4 极化SAR的数据统计模型 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于栈式自编码器的极化SAR分类 | 第27-43页 |
| 3.1 极化SAR散射特征的提取 | 第27-29页 |
| 3.1.1 基于Freeman分解提取散射特征 | 第27-28页 |
| 3.1.2 基于Pauli分解提取散射特征 | 第28页 |
| 3.1.3 基于Cloude分解提取散射特征 | 第28-29页 |
| 3.1.4 其他分解方法提取散射特征 | 第29页 |
| 3.1.5 提取偏振特征 | 第29页 |
| 3.2 基于栈式自编码器的极化SAR分类 | 第29-34页 |
| 3.2.1 栈式自编码算法 | 第29-31页 |
| 3.2.2 Softmax分类算法 | 第31-32页 |
| 3.2.3 SVM(支持矢量机)分类算法 | 第32-34页 |
| 3.3 实验结果及分析 | 第34-41页 |
| 3.3.1 Flevoland地区的实验结果 | 第35-37页 |
| 3.3.2 德国地区实验结果 | 第37-38页 |
| 3.3.3 San Francisco Bay 旧金山港湾地区 | 第38-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 稀疏表示分类器 | 第43-49页 |
| 4.1 稀疏表示分类器 | 第43-44页 |
| 4.2 实验结果与分析 | 第44-48页 |
| 4.2.1 Flevoland荷兰农田全图 | 第44-47页 |
| 4.2.2 Flevoland荷兰农田小图 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-53页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 极化SAR地物图像中主要问题 | 第50-51页 |
| 5.3 进一步研究方向 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 作者简介 | 第59页 |