| 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14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.2.1 基于模型驱动的SAR图像分类方法 | 第15-16页 |
| 1.2.2 基于数据驱动的SAR图像分类方法 | 第16-18页 |
| 1.2.3 基于词袋模型的SAR图像分类 | 第18-19页 |
| 1.3 论文的主要工作和安排 | 第19-20页 |
| 第二章 基于卷积中层特征学习的SAR图像分类 | 第20-30页 |
| 2.1 Gabor滤波器介绍 | 第20-22页 |
| 2.2 K_SVD算法介绍 | 第22-24页 |
| 2.3 卷积特征提取和空间池化 | 第24页 |
| 2.4 基于卷积特征学习的SAR图像分类 | 第24-27页 |
| 2.5 实验结果与分析 | 第27-29页 |
| 2.5.1 实验仿真结果比较 | 第27-28页 |
| 2.5.2 仿真结果分析 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于深层特征学习和分水岭的SAR图像分类 | 第30-42页 |
| 3.1 稀疏自编码器 | 第31-33页 |
| 3.2 分水岭算法介绍 | 第33-34页 |
| 3.3 基于深层特征学习的SAR图像分类 | 第34-36页 |
| 3.4 实验结果与分析 | 第36-40页 |
| 3.4.1 实验仿真结果比较 | 第36-38页 |
| 3.4.2 仿真结果分析 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于改进K_SVD稀疏表示的SAR图像分类 | 第42-52页 |
| 4.1 改进K_SVD算法 | 第43-45页 |
| 4.2 基于改进K_SVD稀疏表示的SAR图像分类 | 第45-47页 |
| 4.3 实验结果与分析 | 第47-50页 |
| 4.3.1 实验仿真结果比较 | 第47-48页 |
| 4.3.2 仿真结果分析 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介 | 第60-61页 |