| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.1.1 SAR图像分割与解译的研究背景 | 第16页 |
| 1.1.2 SAR图像分割与解译的研究意义 | 第16-17页 |
| 1.2 SAR图像分割研究现状 | 第17-21页 |
| 1.2.1 图像分割 | 第17-18页 |
| 1.2.2 SAR图像分割 | 第18-19页 |
| 1.2.3 图像语义分割方法 | 第19-20页 |
| 1.2.4 SAR图像语义分割方法 | 第20-21页 |
| 1.3 贝叶斯学习的研究现状 | 第21-22页 |
| 1.4 层次视觉语义模型 | 第22-26页 |
| 1.4.1 模型基础理论 | 第23-24页 |
| 1.4.2 SAR图像素描模型 | 第24-25页 |
| 1.4.3 SAR图像区域图 | 第25-26页 |
| 1.5 SAR图像像素子空间 | 第26-27页 |
| 1.6 论文的主要内容安排 | 第27-30页 |
| 第二章 基于素描方向信息和特征学习的混合像素子空间分割方法 | 第30-46页 |
| 2.1 引言 | 第30-31页 |
| 2.2 获取极不匀质区域特征向量 | 第31-37页 |
| 2.2.1 设计极不匀质区域素描线段素描方向统计向量 | 第31-34页 |
| 2.2.2 基于素描特性约束的平均场变分贝叶斯网络的特征学习 | 第34-37页 |
| 2.3 SAR图像混合像素子空间的分割算法 | 第37-40页 |
| 2.3.1 基于素描方向统计向量的第一阶段分割算法 | 第37-39页 |
| 2.3.2 基于贝叶斯特征学习的第二阶段分割算法 | 第39-40页 |
| 2.4 仿真实验分析 | 第40-44页 |
| 2.4.1 分割结果分析 | 第40-42页 |
| 2.4.2 对比实验 | 第42-44页 |
| 2.5 本章小结 | 第44-46页 |
| 第三章 贝叶斯学习网络的参数分析 | 第46-58页 |
| 3.1 引言 | 第46-47页 |
| 3.2 输入层神经元参数分析 | 第47-52页 |
| 3.3 网络隐层神经元个数参数分析 | 第52-56页 |
| 3.3.1 网络特征学习效果 | 第53-54页 |
| 3.3.2 图像分割性能影响 | 第54-56页 |
| 3.4 本章小结 | 第56-58页 |
| 第四章 基于素描空间结构和贝叶斯学习的SAR图像语义分割 | 第58-70页 |
| 4.1 引言 | 第58页 |
| 4.2 基于素描空间位置和长度约束的混合像素子空间分割 | 第58-64页 |
| 4.2.1 基于素描线段空间位置及长度比值约束的网络特征学习 | 第59-63页 |
| 4.2.2 基于素描线段信息约束和贝叶斯网络学习的分割方法 | 第63页 |
| 4.2.3 实验仿真与分析 | 第63-64页 |
| 4.3 结构像素子空间的分割 | 第64页 |
| 4.4 匀质区域像素子空间的分割 | 第64-65页 |
| 4.5 SAR图像分割结果融合 | 第65页 |
| 4.6 实验结果分析 | 第65-68页 |
| 4.7 本章小结 | 第68-70页 |
| 第五章 工作总结和展望 | 第70-72页 |
| 5.1 工作总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
