| 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14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 高分辨率SAR数据中建筑物的特征分析 | 第18-26页 |
| 2.1 SAR的成像原理 | 第18-19页 |
| 2.2 SAR图像特征 | 第19-22页 |
| 2.2.1 SAR图像的特点 | 第19-20页 |
| 2.2.2 SAR图像的相干斑 | 第20-21页 |
| 2.2.3 建筑区域的主要散射机制和图像特点 | 第21-22页 |
| 2.3 建筑物区域的主要散射机制和图像特点 | 第22-23页 |
| 2.4 SAR单幅SAR图像中建筑物雷达足迹建模 | 第23-26页 |
| 2.4.1 水平屋顶建筑物模型 | 第23-24页 |
| 2.4.2 山墙形状屋顶建筑物模型 | 第24-26页 |
| 第三章 基于gamma分布的形态学滤波 | 第26-40页 |
| 3.1 数学形态学基本理论 | 第26-30页 |
| 3.1.1 灰度数学形态学 | 第26-29页 |
| 3.1.2 形态特征的限制 | 第29-30页 |
| 3.2 gamma分布基本理论 | 第30-31页 |
| 3.3 传统形态学交替序列滤波与实验仿真 | 第31-32页 |
| 3.4 基于gamma分布的形态学交替序列滤波 | 第32-39页 |
| 3.4.1 新的顶帽变换 | 第32-35页 |
| 3.4.2 基于新顶帽变换的多形状交替形态学序列滤波 | 第35-37页 |
| 3.4.3 基于Gamma分布的交替形态学序列滤波 | 第37-38页 |
| 3.4.4 实验结果与分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于SLIC超像素的SAR图像分割方法 | 第40-48页 |
| 4.1 SLIC超像素分割的基本原理 | 第40-42页 |
| 4.1.1 SLIC超像素分割的基本原理及步骤 | 第40-42页 |
| 4.2 K-means算法基本原理 | 第42-43页 |
| 4.3 灰度形态学重建基本原理 | 第43-45页 |
| 4.3.1 测地膨胀和腐蚀 | 第43-44页 |
| 4.3.2 利用灰度测地膨胀和腐蚀的形态学重建 | 第44-45页 |
| 4.4 实验步骤 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于DS证据理的SAR图像建筑物目标检测算法 | 第48-64页 |
| 5.1 DS证据理论简介 | 第48-50页 |
| 5.1.1 DS证据理论的基本概念 | 第48-49页 |
| 5.1.2 D-S证据理论的Dempster合成规则 | 第49-50页 |
| 5.2 视觉注意机制 | 第50-52页 |
| 5.3 IT视觉注意模型 | 第52-56页 |
| 5.3.1 IT视觉注意模型基本原理 | 第52-55页 |
| 5.3.2 IT视觉注意模型实验仿真和结果分析 | 第55-56页 |
| 5.4 基于D-S证据理论的SAR图像建筑物目标检测算法 | 第56-59页 |
| 5.5 实验结果与分析 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文的创新之处 | 第64-65页 |
| 6.2 论文进一步工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
