| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 背景介绍 | 第8-9页 |
| 1.2 极化 SAR 图像分类的研究现状 | 第9-10页 |
| 1.3 论文内容与安排 | 第10-11页 |
| 第二章 极化 SAR 的机理分析 | 第11-28页 |
| 2.1 SAR 的成像机理 | 第11-12页 |
| 2.2 电磁波极化的表征 | 第12-16页 |
| 2.2.1 Jones 矢量与极化椭圆 | 第13-14页 |
| 2.2.2 Stokes 矢量和 Poincare 球 | 第14-16页 |
| 2.3 极化 SAR 的散射机理 | 第16-19页 |
| 2.3.1 散射矩阵 | 第16-17页 |
| 2.3.2 Muller 矩阵 | 第17-18页 |
| 2.3.3 相干矩阵与协方差矩阵 | 第18页 |
| 2.3.4 标准散射机制 | 第18-19页 |
| 2.4 全极化 SAR 数据统计特性 | 第19-23页 |
| 2.4.1 散射矢量 | 第19页 |
| 2.4.2 协方差矩阵 | 第19-21页 |
| 2.4.3 相位差 | 第21-22页 |
| 2.4.4 幅度积 | 第22-23页 |
| 2.5 经典的极化 SAR 图像分类方法的性能分析 | 第23-27页 |
| 2.5.1 基于 Cloude 分解的极化 SAR 图像分类方法 | 第23-24页 |
| 2.5.2 H / /Wishart 的极化 SAR 图像分类方法 | 第24-25页 |
| 2.5.3 基于散射特性保持的极化 SAR 图像非监督分类 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于二维 PCA 的极化 SAR 图像分类 | 第28-38页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于二维 PCA 的极化 SAR 图像分类方法 | 第29-31页 |
| 3.2.1 二维 PCA 原理 | 第29-30页 |
| 3.2.2 矩阵合成变换 | 第30页 |
| 3.2.3 算法流程 | 第30-31页 |
| 3.3 对比试验结果与分析 | 第31-36页 |
| 3.3.1 San Francisco 地区实验结果 | 第31-32页 |
| 3.3.2 西安地区实验结果 | 第32-33页 |
| 3.3.3 Flevoland 地区农田数据的实验结果 | 第33-36页 |
| 3.3.4 算法性能分析 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于二维 PCA 和 Freeman 分解的极化 SAR 图像分类 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 基于二维 PCA 和 Freeman 分解的极化 SAR 图像分类 | 第38-42页 |
| 4.2.1 基于 Freeman 分解的极化 SAR 地物统计特性分析 | 第38-41页 |
| 4.2.2 算法流程 | 第41-42页 |
| 4.3 对比试验结果与分析 | 第42-47页 |
| 4.3.1 San Francisco 地区实验结果 | 第42-43页 |
| 4.3.2 西安地区实验结果 | 第43页 |
| 4.3.3 Flevoland 地区农田数据的实验结果 | 第43-47页 |
| 4.3.4 算法性能分析 | 第47页 |
| 4.4 本章小结 | 第47-50页 |
| 第五章 基于二维 KPCA 和 Freeman 分解的极化 SAR 分类 | 第50-58页 |
| 5.1 引言 | 第50页 |
| 5.2 基于二维 KPCA 的极化 SAR 图像分类方法 | 第50-52页 |
| 5.2.1 二维 KCPA 原理 | 第50-51页 |
| 5.2.2 算法流程 | 第51-52页 |
| 5.3 对比试验结果与分析 | 第52-56页 |
| 5.3.1 San Francisco 地区实验结果 | 第52-53页 |
| 5.3.2 Oberpfaffenhofen 地区实验结果 | 第53-54页 |
| 5.3.3 Flevoland 地区农田数据的实验结果 | 第54-56页 |
| 5.3.4 算法性能分析 | 第56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 主要工作与创新点 | 第58页 |
| 6.2 后续研究方向 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
