| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 极化SAR图像分割的研究现状和进展 | 第13-16页 |
| 1.2.1 极化SAR图像分割的含义 | 第14页 |
| 1.2.2 极化SAR图像分割方法 | 第14-16页 |
| 1.3 论文的主要内容和安排 | 第16-19页 |
| 第二章 基于素描模型的极化SAR图像区域图提取 | 第19-29页 |
| 2.1 极化SAR基础理论知识 | 第19-22页 |
| 2.1.1 极化的表征 | 第19-21页 |
| 2.1.2 极化SAR数据的表示 | 第21-22页 |
| 2.2 Marr视觉计算理论 | 第22-23页 |
| 2.3 SAR图像素描模型 | 第23-25页 |
| 2.3.1 初始素描模型 | 第23-24页 |
| 2.3.2 SAR图像素描模型 | 第24-25页 |
| 2.4 极化SAR图像区域图提取 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于低秩分解和直方图统计的极化SAR图像分割 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 低秩分解模型 | 第29-31页 |
| 3.3 极化SAR图像聚集区域分割 | 第31-35页 |
| 3.3.1 聚集区域低秩矩阵的构造 | 第32-33页 |
| 3.3.2 基于直方图统计信息和图割谱聚类的分割方法 | 第33-35页 |
| 3.3.3 聚集区域的分割 | 第35页 |
| 3.4 极化SAR图像结构区域和匀质区域的分割 | 第35-37页 |
| 3.4.1 匀质区域的分割 | 第35-37页 |
| 3.4.2 结构区域的分割 | 第37页 |
| 3.5 算法描述 | 第37-39页 |
| 3.5.1 算法功能框图 | 第37-38页 |
| 3.5.2 详细算法描述 | 第38-39页 |
| 3.6 仿真实验和结果分析 | 第39-45页 |
| 3.6.1 低秩分解及直方图统计分析 | 第39-42页 |
| 3.6.2 本章实验结果分析 | 第42-45页 |
| 3.7 本章小结 | 第45-47页 |
| 第四章 基于反卷积网络和稀疏表示的极化SAR图像分割 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 反卷积网络模型 | 第47-48页 |
| 4.3 基于反卷积网络的极化SAR区域特征提取 | 第48-50页 |
| 4.4 基于反卷积网络滤波器和稀疏表示的分割方法 | 第50-52页 |
| 4.5 算法描述 | 第52-53页 |
| 4.5.1 算法功能框图 | 第52页 |
| 4.5.2 详细算法描述 | 第52-53页 |
| 4.6 仿真实验和结果分析 | 第53-57页 |
| 4.6.1 反卷积网络训练结果图 | 第53-54页 |
| 4.6.2 本章实验结果分析 | 第54-57页 |
| 4.7 本章小结 | 第57-59页 |
| 第五章 总结和展望 | 第59-61页 |
| 5.1 论文工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |
