| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与研究意义 | 第10-12页 |
| 1.2 国内外研究发展 | 第12-16页 |
| 1.2.1 极化SAR图像特征提取国内外的研究现状 | 第12-15页 |
| 1.2.2 极化SAR图像分类的研究现状 | 第15-16页 |
| 1.3 研究内容和论文组织 | 第16-18页 |
| 第二章 全极化SAR图像信息提取的理论基础 | 第18-29页 |
| 2.1 全极化SAR概述 | 第18-19页 |
| 2.2 协方差矩阵和相干矩阵 | 第19-22页 |
| 2.3 全极化SAR图像的极化表征 | 第22-26页 |
| 2.3.1 平面电磁波 | 第22-25页 |
| 2.3.2 Jones矢量和Stokes矢量 | 第25-26页 |
| 2.4 极化散射矩阵 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 极化SAR图像的目标极化分解方法 | 第29-49页 |
| 3.1 极化SAR图像基本处理 | 第29-32页 |
| 3.1.1 多视和滤波 | 第30-31页 |
| 3.1.2 地理编码和定标 | 第31-32页 |
| 3.2 目标极化分解 | 第32-42页 |
| 3.2.1 基于Pauli分解 | 第32-33页 |
| 3.2.2 基于极化分解的Cloude分类 | 第33-37页 |
| 3.2.3 基于Freeman-Durden分类 | 第37-40页 |
| 3.2.4 基于散射模型分解方法Yamaguchi分解 | 第40-42页 |
| 3.3 多地形的结果分析 | 第42-48页 |
| 3.3.1 数据来源及预处理 | 第42-43页 |
| 3.3.2 不同极化特征分解的道路周边地物分类比较 | 第43-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 极化SAR图像的半监督分类 | 第49-58页 |
| 4.1 简述半监督学习与分类 | 第49页 |
| 4.2 Wishart分类器 | 第49-52页 |
| 4.2.1 分割和合并 | 第49-50页 |
| 4.2.2 Wishart分类算法 | 第50-52页 |
| 4.3 基于Wishart分类器的类别合并的算法 | 第52-56页 |
| 4.3.1 算法流程 | 第52-54页 |
| 4.3.2 实验结果和分析 | 第54-56页 |
| 4.4 图像分割 | 第56-57页 |
| 4.4.1 分水岭算法 | 第56页 |
| 4.4.2 基于分水岭的Yamaguchi算法结果 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于支持向量机的道路周边地物分类 | 第58-72页 |
| 5.1 支持向量机的原理 | 第58-61页 |
| 5.2 基于目标分解的支持向量机的分类 | 第61-65页 |
| 5.2.1 基于Pauli分解的支持向量机 | 第62-63页 |
| 5.2.2 基于cloude分解的支持向量机 | 第63-64页 |
| 5.2.3 各种分类方法在道路周边地物分类精度分析 | 第64-65页 |
| 5.3 基于多核理论学习的支持向量机分类 | 第65-69页 |
| 5.3.1 分类过程 | 第66-68页 |
| 5.3.2 道路周边加权矩阵的向量机分解 | 第68-69页 |
| 5.4 基于多极化特征的支持向量机分类 | 第69-71页 |
| 5.5 小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
