| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·背景介绍 | 第8-9页 |
| ·图像分割基本思想 | 第9-12页 |
| ·图像分割的定义 | 第9页 |
| ·图像分割方法分类 | 第9-11页 |
| ·图像分割的发展现状及趋势 | 第11-12页 |
| ·粒子群算法基本思想 | 第12-14页 |
| ·PSO 算法研究背景 | 第12-13页 |
| ·PSO 算法应用 | 第13-14页 |
| ·本文的主要内容和结构安排 | 第14-16页 |
| 第二章 SAR 成像机理和 PSO 优化机理的分析 | 第16-28页 |
| ·SAR 理论基础 | 第16-17页 |
| ·SAR 成像机理 | 第16页 |
| ·SAR 图像检测中的关键信息 | 第16-17页 |
| ·极化 SAR 理论基础 | 第17-22页 |
| ·极化的表征 | 第17页 |
| ·微波成像的散射机理 | 第17-18页 |
| ·散射体的极化描述 | 第18-22页 |
| ·粒子群算法 | 第22-25页 |
| ·粒子群算法原理 | 第22-23页 |
| ·粒子群算法实现策略 | 第23-24页 |
| ·粒子群算法参数构造 | 第24-25页 |
| ·粒子群算法与其它算法的比较 | 第25页 |
| ·本章小结 | 第25-28页 |
| 第三章 基于粒子群优化和二维双阈值的 SAR 图像分割 | 第28-44页 |
| ·引言 | 第28页 |
| ·粒子群优化算法及其改进算法 | 第28-30页 |
| ·粒子群算法 | 第28页 |
| ·量子粒子群算法 | 第28-29页 |
| ·改进的量子粒子群算法 | 第29-30页 |
| ·适应度函数的构造 | 第30-38页 |
| ·迭代阈值法 | 第31页 |
| ·最大类间方差算法及其扩展 | 第31-33页 |
| ·最小误差算法 | 第33-34页 |
| ·二维 OTSU 分割算法及其改进 | 第34-38页 |
| ·基于量子粒子群优化的二维双阈值 Otsu SAR 图像分割 | 第38-39页 |
| ·对比实验结果分析 | 第39-43页 |
| ·对比实验一 | 第39-42页 |
| ·对比实验二 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于 Freeman 分解和粒子群优化的极化 SAR 图像分类 | 第44-56页 |
| ·引言 | 第44页 |
| ·极化目标分解 | 第44-47页 |
| ·Pauli 分解 | 第44-45页 |
| ·SDH 分解 | 第45页 |
| ·Huynen 分解 | 第45-46页 |
| ·Cloude 分解 | 第46页 |
| ·Freeman-Durden 分解 | 第46-47页 |
| ·Yamaguchi 分解 | 第47页 |
| ·基于 Freeman 分解和粒子群优化的极化 SAR 图像分类 | 第47-50页 |
| ·基于 Freeman 分解的极化 SAR 图像地物特征分析 | 第47-49页 |
| ·wishart 迭代法 | 第49-50页 |
| ·基于 Freeman 分解和粒子群优化的极化 SAR 图像分类算法设计思想 | 第50页 |
| ·对比实验结果分析 | 第50-54页 |
| ·San Francisco 地区数据实验 | 第51-52页 |
| ·Flevoland 地区的农田数据实验 | 第52-53页 |
| ·西安地区数据实验 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·本文的主要工作 | 第56页 |
| ·进一步研究方向 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-65页 |
