| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题的研究背景及意义 | 第15-17页 |
| 1.2 极化图像分类发展现状 | 第17-18页 |
| 1.3 图像特征编码映射的发展 | 第18-19页 |
| 1.4 本文的主要研究内容和安排 | 第19-21页 |
| 第二章 基于高斯金字塔编码和SVM的极化SAR影像分类 | 第21-39页 |
| 2.1 引言 | 第21页 |
| 2.2 高斯金字塔池化采样编码 | 第21-22页 |
| 2.3 基于高斯金字塔编码和SVM的极化SAR影像地物分类算法 | 第22-28页 |
| 2.3.1 基于高斯金字塔编码的特征提取 | 第23页 |
| 2.3.2 极化特征集成 | 第23-27页 |
| 2.3.3 目标分类 | 第27-28页 |
| 2.3.4 分类算法实现策略 | 第28页 |
| 2.4 实验结果分析 | 第28-32页 |
| 2.4.1 荷兰Flevoland地区农田的实验结果图 | 第29-30页 |
| 2.4.2 德国Oberpfafenhofen地区SAR图像的实验结果 | 第30-31页 |
| 2.4.3 美国旧金山海湾地区实验结果 | 第31-32页 |
| 2.5 本章小结 | 第32-39页 |
| 第三章 基于Super vector和SVM的极化SAR影像分类 | 第39-50页 |
| 3.1 引言 | 第39页 |
| 3.2 Super Vector算法 | 第39-43页 |
| 3.2.1 Super Vector 编码算法的学习 | 第39-41页 |
| 3.2.2 Super Vector的实现 | 第41-43页 |
| 3.3 基于Super vector和SVM的极化SAR影像地物分类算法 | 第43-45页 |
| 3.3.1 基于Super Vector算法对极化特征进行编码 | 第43-44页 |
| 3.3.2 分类方法实现策略 | 第44-45页 |
| 3.4 实验结果的对比分析 | 第45-47页 |
| 3.4.1 荷兰 Flevoland 地区农田的实验结果图 | 第45-46页 |
| 3.4.2 德国 Oberpfafenhofen 地区 SAR 图像的实验结果 | 第46页 |
| 3.4.3 美国旧金山海湾地区实验结果图 | 第46-47页 |
| 3.5 本章小结 | 第47-50页 |
| 第四章 基于Sparse Fisher编码和SVM的极化SAR影像分类 | 第50-65页 |
| 4.1 引言 | 第50页 |
| 4.2 Fisher Vector编码算法 | 第50-56页 |
| 4.2.1 混合高斯模型的建模过程 | 第50-52页 |
| 4.2.2 Fisher 向量编码的学习 | 第52-53页 |
| 4.2.3 Fisher Vector编码的实现 | 第53-55页 |
| 4.2.4 Sparse Fisher编码算法的实现 | 第55-56页 |
| 4.3 基于Sparse Fisher编码和SVM的极化SAR影像地物分类 | 第56-57页 |
| 4.3.1 基于Sparse Fisher编码进行特征映射 | 第56页 |
| 4.3.2 分类算法实现策略 | 第56-57页 |
| 4.4 实验结果分析 | 第57-60页 |
| 4.4.1 荷兰Flevoland地区农田的实验结果图 | 第57-58页 |
| 4.4.2 德国Oberpfaffenhofen地区SAR图像的实验结果 | 第58-59页 |
| 4.4.3 对美国旧金山海湾地区进行分类的实验结果图 | 第59-60页 |
| 4.5 本章小结 | 第60-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 本文的主要创新点 | 第65-66页 |
| 5.2 接下来的研究计划 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
