首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达设备、雷达站论文--雷达接收设备论文--数据、图像处理及录取论文

基于深度小波网络和稀疏编码的极化SAR图像地物分类

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-15页
第一章 绪论第15-21页
    1.1 论文研究背景及意义第15-16页
    1.2 图像分类现状第16-18页
        1.2.1 国内外研究现状第16-17页
        1.2.2 研究难点第17-18页
        1.2.3 深度学习第18页
    1.3 论文的研究内容和组织结构第18-21页
第二章 极化SAR基本机理及表征第21-31页
    2.1 引言第21页
    2.2 极化的表征第21-24页
        2.2.1 椭圆极化波第21-23页
        2.2.2 Jones矢量表示法第23页
        2.2.3 Stokes矢量表示法第23-24页
    2.3 目标极化散射矩阵的表示第24-27页
        2.3.1 极化散射矩阵第24-25页
        2.3.2 Stokes矩阵第25-26页
        2.3.3 协方差矩阵与相干矩阵第26-27页
    2.4 微波成像的散射机理第27-29页
        2.4.1 表面散射第28页
        2.4.2 漫散射第28-29页
        2.4.3 偶次散射第29页
        2.4.4 体散射第29页
    2.5 本章小结第29-31页
第三章 基于小波稀疏自编码器的极化SAR图像地物分类第31-51页
    3.1 引言第31页
    3.2 稀疏自编码器及极化SAR图像分类第31-37页
        3.2.1 稀疏自编码器第31-36页
        3.2.2 稀疏自编码器在极化SAR图像分类中的应用第36-37页
    3.3 小波函数及极化SAR图像分类第37-39页
        3.3.1 小波函数介绍第37-38页
        3.3.2 小波函数在极化SAR图像分类中的应用第38-39页
    3.4 基于小波稀疏自编码器的极化SAR图像地物分类第39-41页
        3.4.1 算法介绍第39-40页
        3.4.2 极化SAR图像的特征处理第40-41页
    3.5 实验结果及其分析第41-49页
        3.5.1 实验数据介绍第41-43页
        3.5.2 基于Morlet小波稀疏自编码器的地物分类第43页
        3.5.3 基于墨西哥帽小波稀疏自编码器的地物分类第43-44页
        3.5.4 基于高斯小波稀疏自编码器的地物分类第44-49页
    3.6 本章小结第49-51页
第四章 基于GPPC与小波自编码器的极化SAR图像地物分类第51-65页
    4.1 引言第51页
    4.2 特征编码及极化SAR图像分类第51-53页
        4.2.1 高斯金字塔池化编码(GPPC)第51-53页
        4.2.2 特征编码在极化SAR图像分类中的应用第53页
    4.3 基于特征编码和小波自编码器的极化SAR图像地物分类第53-55页
        4.3.1 算法介绍第53-54页
        4.3.2 极化SAR图像的特征处理第54-55页
    4.4 实验结果及其分析第55-64页
        4.4.1 基于GPPC和Morlet小波自编码器的地物分类第56页
        4.4.2 基于GPPC和墨西哥帽小波自编码器的地物分类第56-57页
        4.4.3 基于GPPC和高斯小波自编码器的地物分类第57-64页
    4.5 本章小结第64-65页
第五章 基于SVC与小波自编码器的极化SAR图像地物分类第65-81页
    5.1 引言第65页
    5.2 稀疏编码及极化SAR图像分类第65-68页
        5.2.1 稀疏编码概述第65-67页
        5.2.2 超向量编码(SVC)第67-68页
    5.3 基于稀疏编码和小波自编码器的极化SAR图像分类第68-71页
        5.3.1 算法介绍第68-70页
        5.3.2 极化SAR图像的特征处理第70-71页
    5.4 实验结果及其分析第71-80页
        5.4.1 基于SVC和Morlet小波自编码器的地物分类第71-72页
        5.4.2 基于SVC和墨西哥帽小波自编码器的地物分类第72页
        5.4.3 基于SVC和高斯小波自编码器的地物分类第72-80页
    5.5 本章小结第80-81页
第六章 总结与展望第81-83页
参考文献第83-87页
致谢第87-89页
作者简介第89-90页

论文共90页,点击 下载论文
上一篇:基于极端环境下监控视频的图像去噪、增强与检索的研究
下一篇:双选信道下SC-FDMA系统的同步技术研究