基于深度神经网络的异源遥感图像变化检测
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 异源遥感图像变化检测的研究现状 | 第17-18页 |
| 1.3 深度神经网络与变化检测 | 第18-20页 |
| 1.4 论文的架构和内容安排 | 第20-22页 |
| 第二章 基于图像邻域信息重建的异源图像变化检测 | 第22-32页 |
| 2.1 反向传播算法 | 第22-25页 |
| 2.2 用于图像邻域信息重建的方法描述 | 第25-27页 |
| 2.3 实验 | 第27-31页 |
| 2.3.1 变化检测评价指标 | 第27-28页 |
| 2.3.2 实验结果及分析 | 第28-31页 |
| 2.4 本章总结 | 第31-32页 |
| 第三章 基于差异信息学习的异源图像变化检测 | 第32-56页 |
| 3.1 受限玻尔兹曼机的原理及应用 | 第32-34页 |
| 3.2 SCCN方法 | 第34-36页 |
| 3.3 基于差异信息学习的方法描述 | 第36-42页 |
| 3.3.1 研究动机 | 第36-37页 |
| 3.3.2 ASDNN网络结构 | 第37-40页 |
| 3.3.3 ASDNN学习机制 | 第40-42页 |
| 3.4 实验 | 第42-53页 |
| 3.4.1 邻域窗口的尺寸9)的选择 | 第43-44页 |
| 3.4.2 差异图评价标准 | 第44页 |
| 3.4.3 异源遥感图像的实验结果与分析 | 第44-48页 |
| 3.4.4 同源遥感图像的实验结果与分析 | 第48-51页 |
| 3.4.5 ASDNN算法的时间复杂度 | 第51-53页 |
| 3.5 本章总结 | 第53-56页 |
| 第四章 基于伪标签学习的异源图像变化检测 | 第56-64页 |
| 4.1 基于空间信息的模糊聚类算法 | 第56-57页 |
| 4.2 基于伪标签学习的方法描述 | 第57-60页 |
| 4.2.1 伪标签的设定 | 第58-59页 |
| 4.2.2 SLL学习过程 | 第59-60页 |
| 4.3 实验 | 第60-63页 |
| 4.4 本章总结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
