| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外研究进展 | 第11-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 SAR图像预处理与极化表征 | 第15-28页 |
| 2.1 SAR图像原理 | 第15-19页 |
| 2.1.1 SAR成像原理 | 第15-17页 |
| 2.1.2 SAR图像特点 | 第17-19页 |
| 2.2 SAR图像预处理 | 第19-25页 |
| 2.2.1 辐射校正 | 第19-20页 |
| 2.2.2 几何校正 | 第20-22页 |
| 2.2.3 滤波处理 | 第22-25页 |
| 2.3 SAR目标的极化散射描述 | 第25-27页 |
| 2.3.1 极化散射矩阵 | 第25-26页 |
| 2.3.2 极化协方差矩阵和相干矩阵 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 单极化SAR图像提取溢油信息方法研究 | 第28-53页 |
| 3.1 图像分割 | 第28-38页 |
| 3.1.1 2D-Otsu图像分割算法 | 第28-32页 |
| 3.1.2 普适性增强 | 第32-36页 |
| 3.1.3 形态学滤波 | 第36-38页 |
| 3.2 参数选取 | 第38-45页 |
| 3.2.1 几何特征 | 第39-40页 |
| 3.2.2 灰度特征 | 第40-42页 |
| 3.2.3 纹理特征 | 第42-45页 |
| 3.3 识别溢油与疑似溢油 | 第45-51页 |
| 3.3.1 BP神经网络的结构 | 第45-46页 |
| 3.3.2 BP神经网络的训练 | 第46-47页 |
| 3.3.3 溢油识别及其效果 | 第47-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 多极化SAR图像提取溢油信息方法研究 | 第53-69页 |
| 4.1 共极化相位差在溢油识别中的应用 | 第53-58页 |
| 4.1.1 不同海面目标的相位差 | 第53-55页 |
| 4.1.2 共极化相位差滤波器 | 第55-56页 |
| 4.1.3 同极化相位差识别海面生物油膜 | 第56-58页 |
| 4.2 H/ 分类识别海面溢油 | 第58-63页 |
| 4.2.1 Cloud分解 | 第58-59页 |
| 4.2.2 极化特征参数 | 第59-60页 |
| 4.2.3 H/ a 分类 | 第60-63页 |
| 4.3 H/A/ a - Wishart非监督分类识别海面溢油 | 第63-68页 |
| 4.3.1 Wishart分类器 | 第64-65页 |
| 4.3.2 H/A/ a -Wishart非监督分类算法 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |