| 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 研究背景与意义 | 第15页 |
| 1.2 SAR图像变化检测研究现状 | 第15-17页 |
| 1.3 SAR图像并行处理研究现状 | 第17-18页 |
| 1.4 研究内容与创新 | 第18页 |
| 1.5 论文的章节内容安排 | 第18-21页 |
| 第二章 SAR图像变化检测的基本理论 | 第21-27页 |
| 2.1 变化检测概述 | 第21页 |
| 2.2 变化检测数学模型和流程 | 第21-23页 |
| 2.2.1 数学模型 | 第21-22页 |
| 2.2.2 变化检测流程 | 第22-23页 |
| 2.3 SAR图像变化检测的主要方法 | 第23-25页 |
| 2.4 SAR图像变化检测的评价指标 | 第25-26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 基于H-KFCM的SAR图像变化检测算法 | 第27-47页 |
| 3.1 引言 | 第27页 |
| 3.2 Hadoop原理 | 第27-34页 |
| 3.2.1 Hadoop概述 | 第27-29页 |
| 3.2.2 HDFS | 第29-31页 |
| 3.2.3 MapReduce | 第31-34页 |
| 3.3 基于Hadoop的KFCM聚类算法 | 第34-38页 |
| 3.3.1 核模糊C均值聚类算法 | 第34-35页 |
| 3.3.2 H-KFCM聚类算法 | 第35-38页 |
| 3.4 基于H-KFCM的SAR图像变化检测方法实现 | 第38-39页 |
| 3.5 实验与结果分析 | 第39-45页 |
| 3.5.1 实验环境 | 第40页 |
| 3.5.2 实验一：验证算法有效性 | 第40-43页 |
| 3.5.3 实验二：验证算法加速性能 | 第43-45页 |
| 3.6 小结 | 第45-47页 |
| 第四章 基于S-KFCM的SAR图像变化检测算法 | 第47-65页 |
| 4.1 引言 | 第47页 |
| 4.2 Spark集群计算框架 | 第47-51页 |
| 4.2.1 概述 | 第47-48页 |
| 4.2.2 编程模型 | 第48-50页 |
| 4.2.3 作业执行流程 | 第50-51页 |
| 4.3 基于S-KFCM的SAR图像变化检测方法实现 | 第51-55页 |
| 4.3.1 基于S-KFCM的SAR图像变化检测框架 | 第52页 |
| 4.3.2 S-KFCM聚类算法 | 第52-55页 |
| 4.4 实验与结果分析 | 第55-63页 |
| 4.4.1 实验环境 | 第55页 |
| 4.4.2 实验一：验证算法有效性 | 第55-57页 |
| 4.4.3 实验二：算法执行时间对比 | 第57-63页 |
| 4.5 小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |
| 1. 基本情况 | 第73页 |
| 2. 教育背景 | 第73页 |
| 3. 攻读硕士学位期间的研究成果 | 第73-74页 |
