| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·SAR 的发展历史和趋势 | 第9-10页 |
| ·SAR 图像分割的意义 | 第10-11页 |
| ·SAR 图像分割的现状与分析 | 第11-13页 |
| ·本文的研究内容和组织 | 第13-14页 |
| 第二章 基础知识 | 第14-25页 |
| ·多尺度自回归模型 | 第14-15页 |
| ·多尺度分析系统 | 第14页 |
| ·多尺度自回归（MAR）模型 | 第14-15页 |
| ·神经网络概述 | 第15-18页 |
| ·神经网络基本原理 | 第16-17页 |
| ·人工神经网络的分类 | 第17-18页 |
| ·SAR 图像及其多分辨表示 | 第18-24页 |
| ·SAR 图像的成像机理 | 第18-21页 |
| ·SAR 图像的统计性质 | 第21-23页 |
| ·SAR 图像的多分辨表示 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于SOM 神经网络的SAR 图像多尺度分割 | 第25-30页 |
| ·SOM 神经网络结构 | 第25-26页 |
| ·SOM 神经网络学习算法 | 第26-28页 |
| ·基于SOM 神经网络的SAR 图像多尺度分割 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于概率神经网络的SAR 图像多尺度分割 | 第30-39页 |
| ·径向基函数神经网络 | 第30-32页 |
| ·PARZEN窗方法 | 第32-33页 |
| ·概率神经网络(PNN)结构 | 第33-34页 |
| ·算法介绍 | 第34-36页 |
| ·K-means 算法介绍 | 第34-35页 |
| ·EM 算法 | 第35-36页 |
| ·概率神经网络学习算法 | 第36-37页 |
| ·基于概率神经网络的SAR 图像多尺度分割 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于小波神经网络的SAR 图像多尺度分割 | 第39-49页 |
| ·小波分析基础 | 第40-44页 |
| ·连续小波变换 | 第40-41页 |
| ·离散小波变换 | 第41-42页 |
| ·常用基本小波 | 第42-44页 |
| ·小波神经网络结构 | 第44-46页 |
| ·小波神经网络学习算法 | 第46-47页 |
| ·基于小波神经网络的SAR 图像分割 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 本文研究内容的综合分析 | 第49-54页 |
| ·三种方法分割效果比较与分析 | 第49-51页 |
| ·三种方法分割效率的比较与分析 | 第51-54页 |
| 第七章 结束语 | 第54-56页 |
| ·本文主要工作及创新点 | 第54-55页 |
| ·有待进一步研究的内容 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |