| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略词对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 合成孔径雷达简介 | 第16-17页 |
| 1.2.1 合成孔径雷达原理 | 第16页 |
| 1.2.2 合成孔径雷达的特点 | 第16-17页 |
| 1.3 深度神经网络介绍 | 第17-18页 |
| 1.4 合成孔径雷达图像变化检测的研究现状 | 第18-19页 |
| 1.5 SAR图像变化检测存在的问题 | 第19-20页 |
| 1.6 论文架构与内容安排 | 第20-21页 |
| 第二章 基于空间模糊聚类和深度自编码器的SAR图像变化检测 | 第21-37页 |
| 2.1 理论基础 | 第21-23页 |
| 2.1.1 自动编码器 | 第21-22页 |
| 2.1.2 SAR变化检测问题简述 | 第22-23页 |
| 2.2 算法介绍 | 第23-28页 |
| 2.2.1 差异图的生成 | 第23-24页 |
| 2.2.2 利用空间模糊聚类预分类 | 第24-26页 |
| 2.2.3 选择合适的样本 | 第26-27页 |
| 2.2.4 构造深度自编码器网络 | 第27-28页 |
| 2.3 实验 | 第28-35页 |
| 2.3.1 数据集介绍 | 第28-30页 |
| 2.3.2 评价标准 | 第30-31页 |
| 2.3.3 实验设定 | 第31页 |
| 2.3.4 实验结果及分析 | 第31-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于卷积神经网络的SAR图像变化检测 | 第37-53页 |
| 3.1 理论基础 | 第37-39页 |
| 3.1.1 卷积神经网络 | 第37-39页 |
| 3.2 算法描述 | 第39-43页 |
| 3.2.1 预分类 | 第39-40页 |
| 3.2.2 生成训练样本 | 第40-41页 |
| 3.2.3 选择合适的伪标签 | 第41-42页 |
| 3.2.4 建立卷积神经网络 | 第42-43页 |
| 3.3 实验 | 第43-52页 |
| 3.3.1 数据集介绍 | 第43-44页 |
| 3.3.2 评价标准 | 第44页 |
| 3.3.3 实验设定 | 第44-45页 |
| 3.3.4 实验结果及分析 | 第45-50页 |
| 3.3.5 参数分析 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于全卷积对称神经网络的非同源图像变化检测 | 第53-67页 |
| 4.1 理论基础 | 第53-54页 |
| 4.1.1 非同源图像的难点 | 第53-54页 |
| 4.1.2 非同源图像变化检测的意义 | 第54页 |
| 4.2 算法介绍 | 第54-57页 |
| 4.2.1 特征提取 | 第55-56页 |
| 4.2.2 网络训练 | 第56-57页 |
| 4.3 实验 | 第57-65页 |
| 4.3.1 数据集介绍 | 第57-59页 |
| 4.3.2 评价标准 | 第59页 |
| 4.3.3 实验设定 | 第59-60页 |
| 4.3.4 实验结果及分析 | 第60-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 研究结论 | 第67-68页 |
| 5.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-79页 |