| 论文创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 极化SAR研究现状与问题 | 第14-18页 |
| 1.1.1 极化SAR理论及应用现状 | 第14-17页 |
| 1.1.2 极化SAR研究趋势及问题 | 第17-18页 |
| 1.2 迁移学习研究现状与问题 | 第18-22页 |
| 1.2.1 迁移学习研究现状 | 第18-21页 |
| 1.2.2 极化SAR迁移学习潜在问题 | 第21-22页 |
| 1.3 研究目标和研究内容 | 第22-23页 |
| 1.3.1 研究目标 | 第22页 |
| 1.3.2 研究内容 | 第22-23页 |
| 1.4 章节安排 | 第23-25页 |
| 第二章 极化SAR相关理论基础 | 第25-45页 |
| 2.1 电磁波极化状态表征 | 第25-29页 |
| 2.1.1 极化椭圆 | 第27-28页 |
| 2.1.2 琼斯矢量 | 第28-29页 |
| 2.2 极化SAR数据的矢量及矩阵描述 | 第29-34页 |
| 2.2.1 雷达散射截面积与散射系数 | 第29-30页 |
| 2.2.2 散射矩阵与散射矢量 | 第30-32页 |
| 2.2.3 极化相干矩阵与协方差矩阵 | 第32-34页 |
| 2.3 极化基变换理论 | 第34-38页 |
| 2.3.1 基于极化基变换的琼斯矢量表达 | 第34-36页 |
| 2.3.2 基于极化基变换的散射矩阵表达 | 第36页 |
| 2.3.3 基于极化基变换的二阶矩阵表达 | 第36-38页 |
| 2.4 极化SAR数据统计特性 | 第38-42页 |
| 2.4.1 多元复高斯分布与复Wishart分布 | 第38-39页 |
| 2.4.2 极化SAR乘积模型 | 第39-41页 |
| 2.4.3 极化SAR混合模型 | 第41-42页 |
| 2.5 极化雷达目标分解 | 第42-44页 |
| 2.5.1 Freeman-Durden三分量模型 | 第43-44页 |
| 2.5.2 Pauli分解模型 | 第44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 基于条件分布匹配的极化SAR迁移分类 | 第45-68页 |
| 3.1 Wishart分布有效性验证 | 第45-54页 |
| 3.1.1 Wishart监督分类 | 第46-47页 |
| 3.1.2 基于Wishart分布的统计假设检验 | 第47-48页 |
| 3.1.3 基于Wishart假设检验的新分类器 | 第48-51页 |
| 3.1.4 地物分类实验评估 | 第51-54页 |
| 3.2 典型Bagging迁移模型 | 第54-57页 |
| 3.2.1 Bagging集成学习框架 | 第54-55页 |
| 3.2.2 迁移Bagging学习框架 | 第55-56页 |
| 3.2.3 基于Bagging的集成迁移学习框架 | 第56-57页 |
| 3.3 基于Bagging的受限迁移模型 | 第57-61页 |
| 3.3.1 目标域标记样本集扩充 | 第57-59页 |
| 3.3.2 改进的Bagging迁移模型 | 第59-61页 |
| 3.4 基于实例的迁移学习实验 | 第61-67页 |
| 3.4.1 实验区与实验数据概况 | 第61-62页 |
| 3.4.2 实验设置 | 第62-63页 |
| 3.4.3 实验结果与分析 | 第63-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 基于边际分布匹配的极化SAR迁移子空间学习 | 第68-101页 |
| 4.1 经典子空间降维方法及其框架 | 第68-75页 |
| 4.1.1 主成分分析与核主成分分析 | 第69-70页 |
| 4.1.2 线性判别分析与核判别分析 | 第70-72页 |
| 4.1.3 拉普拉斯映射与局部保持投影 | 第72-73页 |
| 4.1.4 线性判别拉普拉斯映射 | 第73-74页 |
| 4.1.5 图嵌入学习框架 | 第74-75页 |
| 4.2 经典迁移子空间学习方法 | 第75-80页 |
| 4.2.1 最大化均值差异与Hilbert-Schmidt独立性判据 | 第75-76页 |
| 4.2.2 无监督与半监督迁移成分分析 | 第76-78页 |
| 4.2.3 无监督与半监督独立性最大化域适应 | 第78-80页 |
| 4.3 利用散度信息的迁移子空间学习 | 第80-86页 |
| 4.3.1 源域监督信息保持准则 | 第80-83页 |
| 4.3.2 无监督信息保持与边际分布匹配 | 第83-84页 |
| 4.3.3 基于Wishart假设检验的核函数设计 | 第84-85页 |
| 4.3.4 各方法的联系与区别 | 第85-86页 |
| 4.4 基于特征表达的迁移学习实验 | 第86-100页 |
| 4.4.1 UAVSAR数据分类实验 | 第86-95页 |
| 4.4.2 Radarsat-2数据分类实验 | 第95-100页 |
| 4.5 本章小结 | 第100-101页 |
| 第五章 基于混合分布匹配的极化SAR迁移变换 | 第101-120页 |
| 5.1 基于Bregman散度的迁移子空间学习框架 | 第101-105页 |
| 5.1.1 Bregm趾散度 | 第101-103页 |
| 5.1.2 目标函数设计 | 第103-104页 |
| 5.1.3 目标函数求解方式 | 第104-105页 |
| 5.2 利用Bregman散度的复数域混合迁移变换 | 第105-110页 |
| 5.2.1 Bregman散度的复数形式扩展 | 第105-107页 |
| 5.2.2 引入混合分布的Bregman散度扩展 | 第107-109页 |
| 5.2.3 极化二阶矩阵适用性 | 第109-110页 |
| 5.3 混合迁移变换模型的简化求解 | 第110-113页 |
| 5.3.1 多元复高斯混合模型求解 | 第110-112页 |
| 5.3.2 利用极化基变换的简化求解 | 第112-113页 |
| 5.4 迁移变换模型实验 | 第113-119页 |
| 5.4.1 迁移生成测试 | 第114-115页 |
| 5.4.2 跨平台变化检测 | 第115-117页 |
| 5.4.3 跨平台地物识别 | 第117-119页 |
| 5.5 本章小结 | 第119-120页 |
| 第六章 总结与展望 | 第120-124页 |
| 6.1 本文主要工作与贡献 | 第120-121页 |
| 6.2 极化SAR迁移学习研究展望 | 第121-124页 |
| 参考文献 | 第124-138页 |
| 攻读博士学位期间发表的科研成果 | 第138-140页 |
| 致谢 | 第140-141页 |
