| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 SAR图像变化检测概述 | 第15-20页 |
| 1.2.1 SAR图像变化检测的研究方法 | 第15-16页 |
| 1.2.2 SAR图像变化检测的研究现状 | 第16-19页 |
| 1.2.3 SAR图像变化检测存在的问题 | 第19-20页 |
| 1.3 本文的主要内容及结构安排 | 第20-22页 |
| 第二章 基于模糊C均值与改进的双边滤波的SAR图像变化检测 | 第22-40页 |
| 2.1 引言 | 第22页 |
| 2.2 算法模型 | 第22-28页 |
| 2.2.1 构造差异图 | 第22-25页 |
| 2.2.2 改进的FCM算法 | 第25-28页 |
| 2.2.3 算法的时间复杂度 | 第28页 |
| 2.2.4 算法的实现步骤 | 第28页 |
| 2.3 实验结果及分析 | 第28-38页 |
| 2.3.1 评价指标 | 第28-29页 |
| 2.3.2 实验参数设置 | 第29-30页 |
| 2.3.3 实验数据简介 | 第30-31页 |
| 2.3.4 对比方法简介 | 第31-32页 |
| 2.3.5 实验结果及分析 | 第32-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 基于核模糊C均值与条件空间的SAR图像变化检测 | 第40-54页 |
| 3.1 引言 | 第40页 |
| 3.2 算法模型 | 第40-44页 |
| 3.2.1 利用核方法对差异图聚类 | 第40-42页 |
| 3.2.2 条件空间核方法 | 第42-43页 |
| 3.2.3 算法的时间复杂度 | 第43页 |
| 3.2.4 算法的实现步骤 | 第43-44页 |
| 3.3 实验结果及分析 | 第44-52页 |
| 3.3.1 实验参数设置 | 第44页 |
| 3.3.2 实验数据简介 | 第44-45页 |
| 3.3.3 对比方法简介 | 第45页 |
| 3.3.4 实验结果及分析 | 第45-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于模糊C均值与深度学习的SAR图像变化检测 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 算法模型 | 第54-59页 |
| 4.2.1 构造差异图并预分类 | 第54-55页 |
| 4.2.2 使用联合分类的方法进行预分类 | 第55-56页 |
| 4.2.3 选取训练样本 | 第56-58页 |
| 4.2.4 算法的时间复杂度 | 第58页 |
| 4.2.5 网络训练的框架 | 第58-59页 |
| 4.3 实验结果及分析 | 第59-65页 |
| 4.3.1 实验参数设置 | 第59页 |
| 4.3.2 实验结果及分析 | 第59-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-78页 |
