| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-22页 |
| ·课题的背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-20页 |
| ·极化 SAR 系统发展现状 | 第14-16页 |
| ·极化 SAR 特征参数提取的研究现状 | 第16页 |
| ·极化 SAR 图像分类的研究现状 | 第16-20页 |
| ·本文的研究思路和主要工作 | 第20-22页 |
| 第二章 极化 SAR 基本理论 | 第22-37页 |
| ·引言 | 第22页 |
| ·电磁波的极化 | 第22-26页 |
| ·极化椭圆 | 第23-24页 |
| ·Jones 矢量 | 第24-25页 |
| ·Stokes 矢量 | 第25-26页 |
| ·目标极化散射特征的描述 | 第26-31页 |
| ·Sinclair 矩阵 | 第26-27页 |
| ·Mueller 矩阵 | 第27-28页 |
| ·Kennaugh 矩阵 | 第28-29页 |
| ·极化协方差矩阵和相干矩阵 | 第29-31页 |
| ·极化 SAR 数据统计模型 | 第31-36页 |
| ·斑点噪声及其乘积模型 | 第32-35页 |
| ·协方差矩阵建模 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 极化 SAR 图像特征提取 | 第37-45页 |
| ·引言 | 第37页 |
| ·基于测量数据简单组合变换的特征 | 第37-40页 |
| ·基于极化散射矩阵简单组合变换的特征 | 第37-38页 |
| ·基于极化协方差矩阵简单组合变换的特征 | 第38-40页 |
| ·基于目标分解的特征提取 | 第40-43页 |
| ·Pauli 分解 | 第40-41页 |
| ·Freeman 分解 | 第41-42页 |
| ·Cloude 分解 | 第42-43页 |
| ·基于统计建模的特征参数提取 | 第43-44页 |
| ·基于K_p分布的最大似然距离 | 第43-44页 |
| ·基于G_p~0分布的最大似然距离 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于目标分解和 SVM 的极化 SAR 图像分类方法 | 第45-59页 |
| ·引言 | 第45-46页 |
| ·SVM 基本原理 | 第46-48页 |
| ·分类算法思路及流程 | 第48-49页 |
| ·实验结果与分析 | 第49-58页 |
| ·实验数据与实验方法 | 第49-50页 |
| ·旧金山区域极化 SAR 图像实验结果与分析 | 第50-53页 |
| ·Flevoland 极化 SAR 图像分类结果与分析 | 第53-57页 |
| ·实验小结 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于 RBF 神经网络的极化 SAR 图像分类方法 | 第59-77页 |
| ·引言 | 第59页 |
| ·RBF 神经网络原理及结构 | 第59-63页 |
| ·RBF 神经网络的基本原理 | 第59-61页 |
| ·RBF 神经网络结构 | 第61-63页 |
| ·RBF 神经网络的训练 | 第63页 |
| ·RBF 神经网络分类算法思路及流程 | 第63-66页 |
| ·极化 SAR 图像实验结果与分析 | 第66-70页 |
| ·实验数据与实验方法 | 第66-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·影响分类精度的因素分析 | 第70-76页 |
| ·实验数据与实验方法 | 第71页 |
| ·实验结果与分析 | 第71-76页 |
| ·本章小结 | 第76-77页 |
| 结束语 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 作者在学期间取得的学术成果 | 第85页 |
