| 摘要 | 第1-7页 |
| Abstract | 第7-17页 |
| 主要缩略词索引 | 第17-18页 |
| 1 绪论 | 第18-32页 |
| ·研究背景及意义 | 第18-25页 |
| ·研究背景 | 第18-24页 |
| ·研究意义 | 第24-25页 |
| ·研究目标与内容 | 第25-27页 |
| ·研究目标 | 第25页 |
| ·研究内容 | 第25-27页 |
| ·技术路线与研究方案 | 第27-31页 |
| ·技术路线 | 第27-28页 |
| ·研究方案 | 第28-31页 |
| ·论文结构 | 第31-32页 |
| 2 文献综述 | 第32-62页 |
| ·目标分类与识别(TCR)问题研究进展 | 第32-46页 |
| ·遥感影像预处理 | 第33-36页 |
| ·典型目标检测相关研究 | 第36-38页 |
| ·遥感影像语义分类 | 第38-42页 |
| ·遥感影像典型目标的识别方法 | 第42-46页 |
| ·TCR相关技术研究进展 | 第46-59页 |
| ·遥感影像理解与深度学习 | 第46-52页 |
| ·遥感影像解译与认知计算 | 第52-56页 |
| ·遥感影像处理的并行计算 | 第56-59页 |
| ·亟待解决的问题 | 第59-60页 |
| ·本章小结 | 第60页 |
| 依据本章内容撰写和发表的论文 | 第60-62页 |
| 3 面向TCR的媒体神经认知计算(MNCC)模型的构建 | 第62-86页 |
| ·MNCC理论基础 | 第62-79页 |
| ·MNCC模型相关概念 | 第62-64页 |
| ·神经系统的结构与机理 | 第64-71页 |
| ·认知系统的功能与架构 | 第71-79页 |
| ·面向TCR的MNCC模型 | 第79-84页 |
| ·层次化的神经认知计算框架 | 第79-82页 |
| ·MNCC模型TCR算法框架 | 第82-84页 |
| ·本章小结 | 第84页 |
| 依据本章内容撰写和发表的论文 | 第84-86页 |
| 4 基于MNCC模型的遥感影像目标检测算法 | 第86-98页 |
| ·MNCC模型的视觉显著性检测的理论基础 | 第86-88页 |
| ·Izhikevich脉冲神经元模型 | 第86-87页 |
| ·脉冲耦合神经网络 | 第87-88页 |
| ·基于SNN和PCNN的遥感影像目标检测 | 第88-90页 |
| ·基于脉冲神经网络的视觉显著性计算框架 | 第88-89页 |
| ·基于SNN和PCNN的遥感影像目标检测算法 | 第89-90页 |
| ·遥感影像船舶目标检测实验与分析 | 第90-95页 |
| ·遥感影像船舶目标检测实验数据集 | 第90-91页 |
| ·可见光遥感影像视觉显著性计算实验 | 第91-93页 |
| ·遥感影像船舶目标检测实验 | 第93-95页 |
| ·本章小结 | 第95-96页 |
| 依据本章相关内容撰写和已发表的论文 | 第96-98页 |
| 5 基于MNCC模型的遥感影像场景分类算法 | 第98-118页 |
| ·基于MNCC模型的场景分类的计算方案 | 第98-106页 |
| ·基于MNCC模型的遥感场景分类算法 | 第106-108页 |
| ·基于MNCC模型的遥感场景分类算法 | 第106-107页 |
| ·MNCC遥感场景分类算法复杂度分析 | 第107-108页 |
| ·MNCC模型遥感场景分类实验与分析 | 第108-116页 |
| ·遥感场景分类实验数据集 | 第108-110页 |
| ·场景分类实验参数设置 | 第110-113页 |
| ·场景分类结果与讨论 | 第113-116页 |
| ·本章小结 | 第116页 |
| 依据本章相关内容撰写和已发表的论文 | 第116-118页 |
| 6 基于MNCC模型的遥感影像目标识别算法 | 第118-144页 |
| ·SAR图像车辆目标识别算法 | 第118-133页 |
| ·深度脉冲神经网络与层次主题模型的集成方案 | 第119-120页 |
| ·基于DSCN的分层特征计算 | 第120-126页 |
| ·基于HLDA的层次主题聚类 | 第126-129页 |
| ·基于DSCN和HLDA集成模型的目标识别算法 | 第129页 |
| ·SAR图像车辆目标识别实验 | 第129-133页 |
| ·可见光影像船舶目标识别算法 | 第133-141页 |
| ·面向对象的目标识别增量学习 | 第133-135页 |
| ·多尺度的目标识别强化学习 | 第135-136页 |
| ·面向对象多尺度的目标识别算法 | 第136-137页 |
| ·可见光影像船舶目标识别实验 | 第137-141页 |
| ·算法复杂度分析 | 第141-142页 |
| ·本章小结 | 第142页 |
| 依据本章内容撰写和发表的论文 | 第142-144页 |
| 7 遥感影像处理应用系统的研发 | 第144-166页 |
| ·系统研发背景 | 第144-146页 |
| ·遥感影像软件处理的特点 | 第144-145页 |
| ·相关系统研发现状 | 第145-146页 |
| ·系统功能与架构设计 | 第146-152页 |
| ·系统功能概述 | 第146-147页 |
| ·系统架构设计 | 第147-148页 |
| ·面向遥感影像的软件构件模型 | 第148-150页 |
| ·多语言混合编程的遥感影像构件的设计 | 第150页 |
| ·遥感影像处理与展示的构件工作流组装方案 | 第150-152页 |
| ·基于MNCC模型TCR算法的并行化处理 | 第152-162页 |
| ·基于MNCC模型TCR算法的并行性分析 | 第153-154页 |
| ·混合异构并行TCR算法 | 第154-157页 |
| ·高分影像并行TCR实验与分析 | 第157-162页 |
| ·遥感影像TCR实现与应用效果分析 | 第162-164页 |
| ·本章小结 | 第164页 |
| 依据本章内容撰写和发表的论文 | 第164-166页 |
| 8 结论与展望 | 第166-172页 |
| ·主要工作与结论 | 第166-168页 |
| ·创新点 | 第168-169页 |
| ·展望 | 第169-172页 |
| 参考文献 | 第172-186页 |
| 致谢 | 第186-188页 |
| 攻读博士学位期间主要的科研工作 | 第188-190页 |