| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 目标特征提取研究现状 | 第13-15页 |
| 1.2.2 基于流形学习算法的数据降维国内外研究现状 | 第15-16页 |
| 1.3 研究内容与结构安排 | 第16-20页 |
| 1.3.1 研究内容 | 第16-19页 |
| 1.3.2 论文结构安排 | 第19-20页 |
| 第2章 高分三号SAR卫星影像介绍及其预处理 | 第20-28页 |
| 2.1 高分三号SAR卫星及数据选择 | 第20-21页 |
| 2.1.1 高分三号SAR卫星 | 第20-21页 |
| 2.1.2 数据选择 | 第21页 |
| 2.2 图像预处理 | 第21-22页 |
| 2.3 滤波方法概述 | 第22-25页 |
| 2.4 滤波后图像的质量评价 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 SAR图像目标地物特征提取 | 第28-38页 |
| 3.1 SAR图像的特征分析 | 第28-31页 |
| 3.1.1 SAR图像的影响参数 | 第28-29页 |
| 3.1.2 SAR图像的几何特征 | 第29-31页 |
| 3.2 SAR图像中建筑物特征分析 | 第31-32页 |
| 3.3 SAR图像图像中水体特征分析 | 第32页 |
| 3.4 目标地物特征集 | 第32-36页 |
| 3.4.1 基于灰度共生矩阵的特征提取 | 第32-33页 |
| 3.4.2 特征选择方法 | 第33-34页 |
| 3.4.3 目标地物特征集的构建 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于流形学习算法的特征提取 | 第38-44页 |
| 4.1 流形学习算法概述 | 第38页 |
| 4.2 流形学习算法的选择 | 第38-40页 |
| 4.2.1 线性特征提取算法 | 第38-39页 |
| 4.2.2 非线性特征提取算法 | 第39-40页 |
| 4.3 实验分析 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 目标地物提取及应用分析 | 第44-49页 |
| 5.1 目标地物提取 | 第44-46页 |
| 5.1.1 K均值聚类算法 | 第44页 |
| 5.1.2 分类结果及其后处理 | 第44-46页 |
| 5.2 应用分析 | 第46-48页 |
| 5.2.1 精度评价 | 第46-47页 |
| 5.2.3 应用分析 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56-57页 |