| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·背景介绍 | 第7-9页 |
| ·极化 SAR 数据分类发展现状 | 第9-11页 |
| ·传统极化 SAR 数据分类方法存在的问题 | 第11-13页 |
| ·论文内容与安排 | 第13-14页 |
| 第二章 极化 SAR 理论基础 | 第14-27页 |
| ·极化的表征 | 第14-15页 |
| ·极化椭圆和 Jones 矢量 | 第14-15页 |
| ·Stokes 矢量和 Poincare 球 | 第15页 |
| ·散射体的极化描述 | 第15-18页 |
| ·极化散射矩阵 | 第15-16页 |
| ·Muller 矩阵 | 第16页 |
| ·极化相干矩阵 C 和协方差矩阵 T | 第16-18页 |
| ·微波成像的散射机理 | 第18-20页 |
| ·表面散射 | 第18页 |
| ·漫散射 | 第18-19页 |
| ·偶次散射 | 第19页 |
| ·体散射 | 第19-20页 |
| ·极化目标分解 | 第20-23页 |
| ·Pauli 分解 | 第20-21页 |
| ·SDH 分解 | 第21页 |
| ·Cloude 分解 | 第21页 |
| ·其他分解方法 | 第21-23页 |
| ·极化 SAR 统计建模 | 第23-26页 |
| ·单极化 SAR 数据统计模型 | 第23-25页 |
| ·极化 SAR 数据统计建模 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 类别自适应的无监督极化 SAR 图像分类 | 第27-44页 |
| ·基础理论 | 第27-31页 |
| ·Freeman 分解 | 第27-28页 |
| ·同极化比 | 第28-29页 |
| ·可视化聚类趋势估计算法 | 第29-30页 |
| ·黑框识别算法 | 第30-31页 |
| ·传统的基于像素的无监督极化 SAR 图像分类 | 第31-34页 |
| ·基于 H/a-Wishart 的极化 SAR 图像分类方法 | 第32-34页 |
| ·基于 Freeman 分解和同极化比的极化 SAR 图像分类方法 | 第34页 |
| ·基于 FREEMAN 分解的无监督极化 SAR 图像分类 | 第34-39页 |
| ·仿真实验分析 | 第39-43页 |
| ·仿真内容 | 第39-40页 |
| ·仿真实验结果 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于改进分水岭的无监督极化 SAR 分类 | 第44-55页 |
| ·经典的基于区域或超像素的极化 SAR 分类 | 第44-45页 |
| ·类别自适应的基于区域的极化 SAR 分类 | 第44-45页 |
| ·带边缘惩罚的基于区域生长极化 SAR 分类 | 第45页 |
| ·基于分水岭的极化 SAR 超像素生成 | 第45-49页 |
| ·选取的极化特征 | 第45-47页 |
| ·CFAR 方法求极化 SAR 边缘 | 第47-48页 |
| ·改进的分水岭算法产生超像素 | 第48-49页 |
| ·基于改进分水岭的极化 SAR 无监督的分类 | 第49-51页 |
| ·试验结果和分析 | 第51-54页 |
| ·实验数据 | 第51页 |
| ·实验结果和分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-58页 |
| ·本文的创新之处 | 第55-56页 |
| ·进一步研究的方向 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-65页 |
