| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-20页 |
| 第一章 绪论 | 第20-38页 |
| 1.1 研究背景 | 第20-21页 |
| 1.2 PolSAR图像数据 | 第21-26页 |
| 1.2.1 PolSAR数据表示 | 第21-23页 |
| 1.2.2 PolSAR数据的统计分布 | 第23-26页 |
| 1.3 极化SAR图像分类算法研究现状和挑战 | 第26-30页 |
| 1.3.1 极化SAR图像分类算法研究现状 | 第26-28页 |
| 1.3.2 极化SAR图像分类的难点和挑战 | 第28-29页 |
| 1.3.3 视觉认知模型发展现状 | 第29-30页 |
| 1.4 视觉计算理论和初始素描模型 | 第30-32页 |
| 1.4.1 Marr视觉计算理论 | 第30-31页 |
| 1.4.2 初始素描模型 | 第31-32页 |
| 1.5 深度学习模型 | 第32-34页 |
| 1.5.1 卷积神经网络 | 第33页 |
| 1.5.2 深度置信网络 | 第33-34页 |
| 1.5.3 深度自编码 | 第34页 |
| 1.6 本文的贡献和内容安排 | 第34-38页 |
| 第二章 极化SAR图像的视觉层次语义模型 | 第38-60页 |
| 2.1 引言 | 第38-41页 |
| 2.2 极化SAR图像的视觉层次语义模型和框架 | 第41-45页 |
| 2.2.1 视觉层次语义模型构建动机 | 第41-42页 |
| 2.2.2 视觉层次语义模型数学表示 | 第42-44页 |
| 2.2.3 视觉层次语义模型的框架 | 第44-45页 |
| 2.3 初层语义:极化SAR素描图的构建算法 | 第45-48页 |
| 2.3.1 极化边线检测算法 | 第45-47页 |
| 2.3.2 素描线的的选择 | 第47-48页 |
| 2.4 中层语义:区域图构建算法 | 第48-55页 |
| 2.4.1 基于图规则和线段局部统计特性的线段分组 | 第49-53页 |
| 2.4.2 聚集区域提取 | 第53-55页 |
| 2.4.3 结构区域提取 | 第55页 |
| 2.5 实验结果和分析 | 第55-59页 |
| 2.5.1 多组极化SAR图像验证模型有效性 | 第55-57页 |
| 2.5.2 参数分析 | 第57-59页 |
| 2.6 本章小结 | 第59-60页 |
| 第三章 基于层次语义模型和极化特性的极化SAR地物分类 | 第60-78页 |
| 3.1 引言 | 第60-61页 |
| 3.2 算法框架 | 第61-62页 |
| 3.3 语义分割算法 | 第62-65页 |
| 3.3.1 初始分割 | 第62页 |
| 3.3.2 聚集区域分割算法 | 第62页 |
| 3.3.3 结构区域分割算法 | 第62-63页 |
| 3.3.4 匀质区域分割算法 | 第63-65页 |
| 3.4 语义-极化分类算法 | 第65-67页 |
| 3.4.1 h/α-Wishart分类 | 第65-66页 |
| 3.4.2 融合语义分割和极化机理的分类策略 | 第66-67页 |
| 3.5 实验结果和分析 | 第67-75页 |
| 3.5.1 实验数据和设置 | 第67页 |
| 3.5.2 合成极化SAR图像的实验结果和分析 | 第67-68页 |
| 3.5.3 E-SAR卫星L波段极化SAR图像实验结果和分析 | 第68-71页 |
| 3.5.4 AIRSAR卫星L波段极化SAR图像实验结果和分析 | 第71页 |
| 3.5.5 CONVAIR卫星极化SAR图像实验结果和分析 | 第71-73页 |
| 3.5.6 RadarSAT-2卫星C波段极化SAR图像实验结果和分析 | 第73-74页 |
| 3.5.7 参数分析 | 第74-75页 |
| 3.6 本章小结 | 第75-78页 |
| 第四章 基于极化素描图和自适应邻域MRF的极化SAR地物分类 | 第78-98页 |
| 4.1 引言 | 第78-79页 |
| 4.2 极化素描图 | 第79-80页 |
| 4.3 基于极化素描图和自适应邻域MRF的极化SAR地物分类算法 | 第80-89页 |
| 4.3.1 PoISAR数据分布 | 第81-84页 |
| 4.3.2 基于素描图的自适应MRF模型 | 第84-88页 |
| 4.3.3 算法描述 | 第88-89页 |
| 4.4 实验结果和分析 | 第89-95页 |
| 4.4.1 实验设置 | 第89-90页 |
| 4.4.2 仿真数据的实验结果和分析 | 第90-92页 |
| 4.4.3 CONVAIR卫星Ottawa地区极化SAR图像实验结果和分析 | 第92-94页 |
| 4.4.4 E-SAR卫星L波段极化SAR图像实验结果和分析 | 第94-95页 |
| 4.5 本章小结 | 第95-98页 |
| 第五章 基于深度学习和层次语义模型的极化SAR地物分类 | 第98-114页 |
| 5.1 引言 | 第98-99页 |
| 5.2 深度自编码模型 | 第99-100页 |
| 5.3 极化层次语义模型 | 第100-101页 |
| 5.4 DL-HSM算法 | 第101-106页 |
| 5.4.1 聚集区域的深度自编码模型 | 第102-105页 |
| 5.4.2 结构区域边界定位 | 第105页 |
| 5.4.3 匀质区域的层次分割和分类 | 第105-106页 |
| 5.5 实验结果和分析 | 第106-112页 |
| 5.5.1 实验数据和设置 | 第106-107页 |
| 5.5.2 合成图像实验结果和分析 | 第107-108页 |
| 5.5.3 AIRSA卫星L波段极化SAR图像实验结果和分析 | 第108-109页 |
| 5.5.4 CONVAIR卫星极化SAR图像实验结果和分析 | 第109页 |
| 5.5.5 RadarSAT-2卫星C波段极化SAR图像实验结果和分析 | 第109-111页 |
| 5.5.6 参数分析 | 第111-112页 |
| 5.6 本章小结 | 第112-114页 |
| 第六章 融合极化机理和梯度学习的极化SAR边缘检测 | 第114-126页 |
| 6.1 引言 | 第114-115页 |
| 6.2 相关工作 | 第115-117页 |
| 6.2.1 极化CFAR边线检测 | 第115-116页 |
| 6.2.2 CFAR检测子的缺点 | 第116-117页 |
| 6.3 融合极化机理和梯度学习的极化SAR边缘检测算法 | 第117-120页 |
| 6.3.1 极化SAR图像的加权梯度边线检测算法 | 第118-119页 |
| 6.3.2 基于语义规则的小波融合 | 第119-120页 |
| 6.4 实验结果和分析 | 第120-124页 |
| 6.4.1 实验设置 | 第120-121页 |
| 6.4.2 AIRSAR卫星L波段旧金山地区实验结果和分析 | 第121-122页 |
| 6.4.3 RadarSAT-2卫星C波段极化SAR图像实验结果和分析 | 第122-124页 |
| 6.5 本章小结 | 第124-126页 |
| 第七章 总结与展望 | 第126-130页 |
| 7.1 论文工作总结 | 第126-127页 |
| 7.2 工作展望 | 第127-130页 |
| 参考文献 | 第130-146页 |
| 致谢 | 第146-148页 |
| 作者简介 | 第148-149页 |
