| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第14-15页 |
| 缩略语对照表 | 第15-21页 |
| 第一章 绪论 | 第21-33页 |
| 1.1 稀疏表示模型研究进展 | 第21-24页 |
| 1.2 合成孔径雷达影像地物分类研究进展 | 第24-27页 |
| 1.2.1 合成孔径雷达发展现状 | 第24页 |
| 1.2.2 SAR影像地物分类算法综述 | 第24-26页 |
| 1.2.3 SAR影像地物分类的重点与难点 | 第26-27页 |
| 1.3 高光谱影像地和物分类研究进展 | 第27-28页 |
| 1.4 基于稀疏表示模型的遥感影像分类研究进展 | 第28-29页 |
| 1.5 论文的内容安排 | 第29-33页 |
| 第二章 基于上下文联合表示的高光谱影像分类 | 第33-49页 |
| 2.1 引言 | 第33-34页 |
| 2.2 相关工作 | 第34-36页 |
| 2.2.1 基于联合表示机制的分类模型 | 第34页 |
| 2.2.2 基于局部约束的线性编码模型 | 第34-35页 |
| 2.2.3 联合稀疏表示模型 | 第35-36页 |
| 2.3 基于上下文的联合协同编码模型 | 第36-40页 |
| 2.3.1 自适应字典的构造 | 第37-38页 |
| 2.3.2 基于局部邻域的联合协同编码模型 | 第38-39页 |
| 2.3.3 基于非局部邻域的联合编码模型 | 第39-40页 |
| 2.4 实验结果与分析 | 第40-47页 |
| 2.4.1 实验数据介绍 | 第40-42页 |
| 2.4.2 自适应字典的构造 | 第42页 |
| 2.4.3 对比实验 | 第42-46页 |
| 2.4.4 计算时间比较 | 第46-47页 |
| 2.5 本章小结 | 第47-49页 |
| 第三章 基于稀疏判定模型和字典学习的SAR影像地物分类 | 第49-65页 |
| 3.1 引言 | 第49-50页 |
| 3.2 基于无监督稀疏表示的SAR影像地物分类 | 第50-53页 |
| 3.3 基于稀疏判定模型的SAR影像地物分类 | 第53-56页 |
| 3.4 实验结果与分析 | 第56-63页 |
| 3.4.1 特征提取 | 第57-59页 |
| 3.4.2 模拟SAR影像地物分类实验 | 第59-60页 |
| 3.4.3 真实SAR影像地物分类实验 | 第60-62页 |
| 3.4.4 参数分析 | 第62-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 基于分层稀疏判定和字典学习的SAR影像地物分类 | 第65-75页 |
| 4.1 引言 | 第65-66页 |
| 4.2 基于多层判别稀疏和分层字典学习的SAR影像地物分类算法 | 第66-69页 |
| 4.2.1 双层稀疏表示模型 | 第66-67页 |
| 4.2.2 多层判别稀疏表示模型与字典学习算法 | 第67-69页 |
| 4.3 对比实验与分析 | 第69-72页 |
| 4.3.1 特征提取 | 第70页 |
| 4.3.2 模拟SAR影像地物分类实验 | 第70-71页 |
| 4.3.3 真实SAR影像地物分类实验 | 第71-72页 |
| 4.4 本章小结 | 第72-75页 |
| 第五章 基于图像类间差异性的结构字典学习 | 第75-89页 |
| 5.1 引言 | 第75-77页 |
| 5.2 基于稀疏编码的分类器 | 第77页 |
| 5.3 基于类间差异的判别性字典学习算法 | 第77-80页 |
| 5.3.1 统一的判别字典学习框架 | 第77-78页 |
| 5.3.2 基于类间差异的保真度目标函数 | 第78-79页 |
| 5.3.3 基于类间差异的线性分类损失函数 | 第79页 |
| 5.3.4 基于类间差异的字典学习模型 | 第79-80页 |
| 5.4 实验结果与分析 | 第80-87页 |
| 5.4.1 模拟数据实验 | 第81-82页 |
| 5.4.2 人脸识别 | 第82-85页 |
| 5.4.3 AR图像库上的性别测试 | 第85-86页 |
| 5.4.4 纹理图像分类 | 第86-87页 |
| 5.5 结论 | 第87-89页 |
| 第六章 基于高级特征选择和字典学习的无监督SAR影像地物分类 | 第89-111页 |
| 6.1 引言 | 第89-91页 |
| 6.2 稀疏表示与字典学习 | 第91-92页 |
| 6.2.1 基于稀疏表示的分类器 | 第91页 |
| 6.2.2 基于K-SVD的字典学习算法 | 第91-92页 |
| 6.3 基于结构字典学习的高级特征选择 | 第92-97页 |
| 6.3.1 总体框架 | 第92-93页 |
| 6.3.2 鲁棒的中级特征提取与选择 | 第93-95页 |
| 6.3.3 基于高效K-SVD的结构字典学习算法 | 第95-96页 |
| 6.3.4 讨论 | 第96-97页 |
| 6.4 人工合成SAR影像数据集的实验结果 | 第97-100页 |
| 6.4.1 数据介绍 | 第97页 |
| 6.4.2 实验设置 | 第97-98页 |
| 6.4.3 分类精度 | 第98-99页 |
| 6.4.4 显著性比较 | 第99页 |
| 6.4.5 区域一致性和边缘保持度 | 第99-100页 |
| 6.5 真实SAR影像数据集的实验结果 | 第100-107页 |
| 6.5.1 数据介绍 | 第100-101页 |
| 6.5.2 实验设置 | 第101-105页 |
| 6.5.3 视觉结果和分析 | 第105-106页 |
| 6.5.4 数值结果和分析 | 第106-107页 |
| 6.5.5 边缘保持度 | 第107页 |
| 6.6 参数与算法效率分析 | 第107-110页 |
| 6.6.1 中级特征选择的参数分析 | 第107-109页 |
| 6.6.2 改进的K-SVD算法的参数分析 | 第109页 |
| 6.6.3 算法复杂度和运行时间的比较 | 第109-110页 |
| 6.6.4 讨论 | 第110页 |
| 6.7 本章小节 | 第110-111页 |
| 第七章 基于结构稀疏先验和在线字典学习的无监督SAR影像地物分类 | 第111-121页 |
| 7.1 引言 | 第111-112页 |
| 7.2 基于结构稀疏先验的高级特征提取框架 | 第112-113页 |
| 7.3 基于在线结构字典学习无监督SAR影像地物分类 | 第113-116页 |
| 7.3.1 在线结构字典学习 | 第114-115页 |
| 7.3.2 基于字典学习的无监督SAR影像分类 | 第115-116页 |
| 7.4 实验结果和分析 | 第116-119页 |
| 7.4.1 数据集介绍以及实验设置 | 第116-117页 |
| 7.4.2 对比实验 | 第117-118页 |
| 7.4.3 计算效率比较与分析 | 第118页 |
| 7.4.4 参数分析 | 第118-119页 |
| 7.5 小结 | 第119-121页 |
| 第八章 结论和展望 | 第121-125页 |
| 8.1 研究结论 | 第121-122页 |
| 8.2 研究展望 | 第122-125页 |
| 参考文献 | 第125-143页 |
| 致谢 | 第143-145页 |
| 作者简介 | 第145-146页 |
