| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 极化SAR图像分类技术发展 | 第11-14页 |
| 1.1.1 极化SAR图像分类技术概述 | 第11-12页 |
| 1.1.2 极化SAR图像无监督分类技术发展现状 | 第12-14页 |
| 1.2 本文主要内容与结构安排 | 第14-16页 |
| 第二章 极化SAR基本理论 | 第16-28页 |
| 2.1 矢量电磁波与极化表征 | 第16-17页 |
| 2.2 琼斯矢量和斯托克斯矢量 | 第17-19页 |
| 2.3 极化后向散射Sinclāir矩阵 | 第19-22页 |
| 2.4 目标散射矢量k和 W | 第22-23页 |
| 2.5 极化相干矩阵T和极化协方差矩阵C | 第23-24页 |
| 2.6 标准散射机制 | 第24-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 基于Cloude-Pottier分解的分类方法 | 第28-49页 |
| 3.1 纯目标情况 | 第28-29页 |
| 3.2 随机媒质散射的概率模型 | 第29-31页 |
| 3.3 极化散射参数ā、散射熵H及各向异性度A | 第31-36页 |
| 3.3.1 极化散射参数ā | 第31-33页 |
| 3.3.2 极化散射熵H | 第33-34页 |
| 3.3.3 极化散射各向异性度A | 第34-36页 |
| 3.4 基于H、ā、A参数的分类方法 | 第36-41页 |
| 3.5 H- ā -Wishārt和H-ā -A-Wishārt分类方法 | 第41-44页 |
| 3.6 改进的H- ā 分类算法 | 第44-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于极化相似性参数的分类方法 | 第49-59页 |
| 4.1 极化相似性参数 | 第49-52页 |
| 4.2 基于极化相似性参数的无监督分类方法 | 第52-54页 |
| 4.3 结合极化散射熵的分类方法 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 基于散射模型的无监督分类方法 | 第59-73页 |
| 5.1 Freemān-Durden三分量分解模型 | 第59-64页 |
| 5.2 基于Freemān-Durden分解的分类方法 | 第64-67页 |
| 5.3 一种改进的三分量分解方法 | 第67-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间取得的成果 | 第81-82页 |
