| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研宄背景和意义 | 第8-9页 |
| 1.2 极化SAR系统及应用的研究现状 | 第9-11页 |
| 1.3 论文内容安排 | 第11-12页 |
| 第二章 极化基本理论及概念 | 第12-26页 |
| 2.1 电磁波极化状态 | 第12-18页 |
| 2.1.1 极化椭圆 | 第12-15页 |
| 2.1.2 矢量表征 | 第15-18页 |
| 2.1.3 Poincare极化球 | 第18页 |
| 2.2 目标的变极化效应及表征形式 | 第18-21页 |
| 2.2.1 极化散射矩阵 | 第19页 |
| 2.2.2 Muller矩阵 | 第19-20页 |
| 2.2.3 Kennaugh矩阵 | 第20-21页 |
| 2.3 极化基的相互转换 | 第21-22页 |
| 2.4 极化在能量域的表征 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 极化SAR图像中目标特征量提取及分类 | 第26-54页 |
| 3.1 简单代数运算提取特征量 | 第26-30页 |
| 3.2 极化特征图 | 第30-35页 |
| 3.3 基于极化分解提取特征量 | 第35-46页 |
| 3.3.1 相干分解 | 第36-40页 |
| 3.3.2 非相干分解 | 第40-46页 |
| 3.4 极化SAR图像分类 | 第46-53页 |
| 3.4.1 H/α边界及分类区域的定义 | 第46-50页 |
| 3.4.2 H/α/Wishart极化SAR非监督分类算法 | 第50-52页 |
| 3.4.3 实测数据分类实验 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于张量分解降维的极化分类 | 第54-70页 |
| 4.1 多维极化特征量的张量模型 | 第54-57页 |
| 4.1.1 张量的数学模型 | 第54-55页 |
| 4.1.2 多维极化特征量的张量模型 | 第55-57页 |
| 4.2 基于多维极化特征量的降维方法 | 第57-64页 |
| 4.2.1 基于矩阵的降维方法 | 第57-61页 |
| 4.2.2 基于张量分解的降维方法 | 第61-64页 |
| 4.3 仿真数据分类结果 | 第64-67页 |
| 4.4 实测数据分类结果 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 结束语 | 第70-72页 |
| 5.1 工作总结 | 第70-71页 |
| 5.2 工作展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 作者在攻读硕士学位期间（合作）的研究成果 | 第80-81页 |