| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·SAR图像变化检测的国内外研究现状 | 第12-17页 |
| ·SAR图像变化检测基本流程 | 第12页 |
| ·SAR图像变化检测存在的影响因素 | 第12-13页 |
| ·SAR图像变化检测主要研究方法 | 第13-16页 |
| ·SAR图像变化检测国内外研究现状 | 第16-17页 |
| ·本文研究内容和论文组织结构 | 第17-18页 |
| 第2章 基于GKIT算法的SAR图像变化检测 | 第18-31页 |
| ·SAR图像比值图像分析 | 第18页 |
| ·GKIT算法介绍 | 第18-20页 |
| ·基于贝叶斯判别理论的代价函数选取 | 第19页 |
| ·基于直方图的模型参数估计 | 第19-20页 |
| ·幅比值图像的统计模型建立 | 第20-22页 |
| ·基于Nakagami分布的比值图像概率密度函数推导 | 第20-21页 |
| ·基于对数正态分布的比值图像概率密度函数推导 | 第21页 |
| ·基于Weibull分布的比值图像概率密度函数推导 | 第21-22页 |
| ·幅比值图像概率密度函数参数估计算法 | 第22-24页 |
| ·对数累积量参数估计法(MoLC)介绍 | 第22-23页 |
| ·MoLC算法推导 | 第23-24页 |
| ·仿真与分析 | 第24-30页 |
| ·实验数据 | 第24-25页 |
| ·仿真分析 | 第25-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 改进的基于广义Gamma分布的松弛GKIT算法 | 第31-44页 |
| ·松弛等效视数的GKIT算法描述 | 第31-36页 |
| ·松弛等效视数的比值概率密度函数分布模型的建立 | 第32-34页 |
| ·模型参数估计 | 第34-36页 |
| ·仿真结果和分析 | 第36-43页 |
| ·仿真数据 | 第36页 |
| ·判别函数曲线绘制 | 第36-39页 |
| ·模型与直方图拟合 | 第39-41页 |
| ·二值图像与精度评估 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于广义Gamma小波子带模型的变化检测 | 第44-56页 |
| ·Kullback-Leibler概述 | 第44页 |
| ·空域内Edgeworth级数逼近和KL距离相结合的变化检测 | 第44-46页 |
| ·Edgeworth逼近 | 第44-46页 |
| ·基于KL距的差异值计算 | 第46页 |
| ·基于广义Gamma小波子带模型的变化检测 | 第46-55页 |
| ·图像的小波分解 | 第46-48页 |
| ·基于广义Gamma小波子带模型的变化检测算法概述 | 第48-50页 |
| ·考虑子带小波间相关性的KL距变化检测算法 | 第50-51页 |
| ·算法仿真与分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
