| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 选题的背景与意义 | 第12页 |
| 1.2 多维度SAR数据的采集原理及数据特点 | 第12-15页 |
| 1.3 多维度SAR数据的简化及重建研究现状 | 第15-17页 |
| 1.4 论文研究的主要内容 | 第17-18页 |
| 1.5 论文研究的难点和创新点 | 第18-19页 |
| 1.6 论文结构安排 | 第19-20页 |
| 第二章 基于曲率熵和高斯混合模型的DEM简化及重建 | 第20-34页 |
| 2.1 曲率熵的求取 | 第20-22页 |
| 2.2 高斯混合模型 | 第22-24页 |
| 2.2.1 高斯混合模型定义 | 第22-23页 |
| 2.2.2 EM算法 | 第23-24页 |
| 2.3 基于曲率熵和高斯混合模型的简化算法 | 第24-26页 |
| 2.3.1 简化算法流程 | 第24-25页 |
| 2.3.2 简化结果定量评价指标 | 第25-26页 |
| 2.4 实验结果分析及对比 | 第26-32页 |
| 2.4.1 简化结果定量评价指标对比 | 第28-29页 |
| 2.4.2 简化结果定性评价指标对比 | 第29-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于Chan-Vese模型的下视阵列SAR数据表面重建 | 第34-52页 |
| 3.1 移动立方体算法 | 第34-37页 |
| 3.1.1 等值面抽取 | 第34-35页 |
| 3.1.2 移动立方体算法流程 | 第35-37页 |
| 3.2 Chann-Vese模型 | 第37-41页 |
| 3.2.1 水平集方法 | 第37-38页 |
| 3.2.2 初始表面及轮廓指示函数的求取 | 第38-39页 |
| 3.2.3 Chan-Vese模型 | 第39-41页 |
| 3.3 重建算法流程 | 第41-42页 |
| 3.4 实验结果及分析 | 第42-50页 |
| 3.4.1 下视阵列SAR数据的去噪 | 第42-45页 |
| 3.4.2 重建结果对比 | 第45-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 结论与展望 | 第52-54页 |
| 4.1 结论 | 第52页 |
| 4.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 研究成果及发表的学术论文 | 第60-62页 |
| 作者和导师简介 | 第62-63页 |
| 硕士研究生学位论文答辩委员会决议书 | 第63-64页 |