| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 极化SAR影像变化检测研究现状 | 第15-16页 |
| 1.2.2 深度学习的研究现状 | 第16-17页 |
| 1.3 极化SAR影像的基础知识 | 第17-20页 |
| 1.3.1 极化波的表示方式 | 第17-19页 |
| 1.3.2 极化SAR影像的数据表示 | 第19-20页 |
| 1.4 深度学习的基本知识 | 第20-21页 |
| 1.5 基于深度学习的极化SAR影像变化检测算法 | 第21-22页 |
| 1.6 变化检测的评价指标 | 第22页 |
| 1.7 本文主要内容与安排 | 第22-24页 |
| 第二章 基于DSN的极化SAR影像变化检测 | 第24-46页 |
| 2.1 引言 | 第24页 |
| 2.2 本章拟解决的问题 | 第24-25页 |
| 2.3 深度堆栈网络的基础知识 | 第25-28页 |
| 2.4 本章算法实现步骤 | 第28-31页 |
| 2.5 实验设置 | 第31-35页 |
| 2.6 实验结果及分析 | 第35-45页 |
| 2.7 本章小结 | 第45-46页 |
| 第三章 基于曲线波DCSN的极化SAR影像变化检测 | 第46-68页 |
| 3.1 引言 | 第46页 |
| 3.2 本章拟解决的问题 | 第46-47页 |
| 3.3 曲线波变换算法 | 第47-48页 |
| 3.3.1 曲线波变换理论 | 第47-48页 |
| 3.3.2 曲线波变换应用 | 第48页 |
| 3.4 卷积神经网络的基础知识 | 第48-49页 |
| 3.5 深度卷积堆栈网络 | 第49-51页 |
| 3.6 本章算法实现步骤 | 第51-54页 |
| 3.7 实验设置 | 第54-55页 |
| 3.8 实验结果及分析 | 第55-67页 |
| 3.9 本章小结 | 第67-68页 |
| 第四章 基于SOM_Kmeans和Wishart-DCSN的极化SAR影像变化检测 | 第68-90页 |
| 4.1 引言 | 第68页 |
| 4.2 本章拟解决的问题 | 第68-69页 |
| 4.3 典型聚类算法详述 | 第69-71页 |
| 4.3.1 Kmeans算法 | 第69页 |
| 4.3.2 SOM算法 | 第69-71页 |
| 4.3.3 SOM_Kmeans算法 | 第71页 |
| 4.4 极化SAR影像Wishart分布特性 | 第71-72页 |
| 4.5 本章算法实现步骤 | 第72-74页 |
| 4.5.1 数据预处理 | 第72-73页 |
| 4.5.2 伪类标的获取 | 第73页 |
| 4.5.3 样本选择 | 第73-74页 |
| 4.5.4 构建网络 | 第74页 |
| 4.6 实验设置 | 第74-75页 |
| 4.7 实验结果及分析 | 第75-88页 |
| 4.8 参数分析 | 第88-89页 |
| 4.9 本章小结 | 第89-90页 |
| 第五章 总结与展望 | 第90-92页 |
| 5.1 工作总结 | 第90-91页 |
| 5.2 未来研究展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-98页 |
| 作者简介 | 第98-99页 |