SAR图像降噪与极化SAR图像监督分类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·简介 | 第11-13页 |
| ·SAR图像降噪的研究意义和现状 | 第13-15页 |
| ·SAR图像分类的意义和研究现状 | 第15-18页 |
| ·关键技术研究现状 | 第18-20页 |
| ·论文的研究内容 | 第20-21页 |
| 第二章 SAR图像预处理技术 | 第21-33页 |
| ·经典降噪算法 | 第21-23页 |
| ·Lee滤波 | 第22页 |
| ·Kuan滤波 | 第22页 |
| ·Gamma-MAP滤波 | 第22-23页 |
| ·结合2DPCA改进的NLM算法 | 第23-27页 |
| ·非局部均值算法 | 第23-25页 |
| ·二维主成分分析 | 第25页 |
| ·相似集生成 | 第25-26页 |
| ·算法设计流程 | 第26-27页 |
| ·评价指标 | 第27-28页 |
| ·峰值信噪比 | 第27-28页 |
| ·等效视数 | 第28页 |
| ·边缘保持指数 | 第28页 |
| ·结果与讨论 | 第28-32页 |
| ·仿真图像实验结果 | 第28-30页 |
| ·真实SAR图像实验结果 | 第30页 |
| ·算法复杂度分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于空间金字塔的图像分类 | 第33-40页 |
| ·金字塔匹配 | 第33-37页 |
| ·BoF算法介绍 | 第34-35页 |
| ·金字塔匹配核 | 第35-37页 |
| ·空间金字塔匹配 | 第37-38页 |
| ·分类基本流程 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 特征的稀疏编码 | 第40-51页 |
| ·稀疏编码基本理论 | 第40-42页 |
| ·稀疏优化算法 | 第42-45页 |
| ·匹配追踪算法 | 第43页 |
| ·正交匹配追踪 | 第43-44页 |
| ·基追踪算法 | 第44-45页 |
| ·学习字典训练方法 | 第45-47页 |
| ·MOD字典 | 第45-46页 |
| ·K-SVD字典 | 第46-47页 |
| ·字典性能对比分析 | 第47-50页 |
| ·不同训练方法对字典的影响 | 第47-48页 |
| ·不同字典对分类结果的影响 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于稀疏编码金字塔的极化SAR图像分类 | 第51-70页 |
| ·极化SAR特征提取 | 第51-56页 |
| ·极化数据非相干分解 | 第51-53页 |
| ·Freeman分解 | 第53-54页 |
| ·Krogager分解 | 第54-56页 |
| ·局部线性约束编码 | 第56-57页 |
| ·线性SVM分类器 | 第57-59页 |
| ·算法实现过程及步骤 | 第59-60页 |
| ·实验结果及分析 | 第60-65页 |
| ·多极化特征SVM分类 | 第61-63页 |
| ·基于OMP的稀疏编码金字塔分类 | 第63-64页 |
| ·基于LLC的稀疏编码金字塔分类 | 第64-65页 |
| ·参数讨论及分析 | 第65-69页 |
| ·稀疏编码参数对分类结果的影响 | 第65-68页 |
| ·子块大小对分类结果的影响 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 读硕期间取得的研究成果 | 第78页 |
