| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究的背景和意义 | 第8页 |
| ·SAR 图像分割研究现状 | 第8-10页 |
| ·论文的结构安排 | 第10-12页 |
| 第二章 谱聚类与稀疏的相关理论 | 第12-20页 |
| ·引言 | 第12页 |
| ·谱聚类算法 | 第12-16页 |
| ·传统的谱聚类与介绍 | 第12-15页 |
| ·Nystr m 逼近的谱聚类 | 第15-16页 |
| ·基于稀疏表示的分类（SRC）算法 | 第16-18页 |
| ·K-SVD 字典学习算法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于非局部特征和采样稀疏学习的 SAR 图像分割 | 第20-38页 |
| ·引言 | 第20页 |
| ·图像的特征提取 | 第20-21页 |
| ·小波变换分析 | 第21-24页 |
| ·傅里叶变换 | 第21-22页 |
| ·小波变换分析 | 第22-24页 |
| ·非局部均值算法 | 第24-25页 |
| ·基于采样学习的 SAR 图像分割方法 | 第25-27页 |
| ·基于非局部特征和采样稀疏学习的 SAR 图像分割方法 | 第27-28页 |
| ·实验结果与分析 | 第28-36页 |
| ·纹理图像的实验结果与分析 | 第29-33页 |
| ·SAR 图像的实验结果与分析 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于分水岭和统计直方图的 SAR 图像分割 | 第38-50页 |
| ·引言 | 第38页 |
| ·分水岭算法 | 第38-40页 |
| ·分水岭算法的基本思想 | 第38-40页 |
| ·分水岭算法的优缺点 | 第40页 |
| ·统计直方图的原理及性质 | 第40-42页 |
| ·直方图的基本原理 | 第40-41页 |
| ·直方图的性质 | 第41-42页 |
| ·直方图的用途 | 第42页 |
| ·基于分水岭和统计直方图的 SAR 图像分割方法 | 第42-44页 |
| ·实验结果与分析 | 第44-49页 |
| ·纹理图像的实验结果与分析 | 第45-48页 |
| ·SAR 图像的实验结果与分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 硕士期间所撰写的论文研究成果 | 第60-61页 |
