| 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11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 背景介绍 | 第14-16页 |
| 1.2 极化SAR图像分类研究现状 | 第16-20页 |
| 1.3 论文内容与安排 | 第20-22页 |
| 第二章 极化SAR理论基础 | 第22-36页 |
| 2.1 极化表征 | 第22-24页 |
| 2.2 极化SAR数据的表示 | 第24-27页 |
| 2.3 微波成像的散射机理 | 第27-29页 |
| 2.4 极化目标分解 | 第29-34页 |
| 2.4.1 相干目标分解 | 第29-30页 |
| 2.4.2 非相干分解 | 第30-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 基于加权核范数最小化的张量分解降维算法 | 第36-52页 |
| 3.1 张量的基本理论 | 第36-40页 |
| 3.1.1 张量的数学模型 | 第36-37页 |
| 3.1.2 张量的数学运算 | 第37-39页 |
| 3.1.3 Tucker分解 | 第39-40页 |
| 3.2 关于多极化特征的张量模型 | 第40页 |
| 3.3 加权核范数最小化方法 | 第40-42页 |
| 3.4 基于张量分解的独立成分分析方法（TICA） | 第42-46页 |
| 3.5 基于加权核范数最小化的张量分解降维算法 | 第46-47页 |
| 3.6 实验仿真设置以及分类结果 | 第47-51页 |
| 3.6.1 仿真实验设置 | 第47页 |
| 3.6.2 实验仿真分类结果 | 第47-51页 |
| 3.7 总结 | 第51-52页 |
| 第四章 基于改进独立成分分析的张量分解降维算法 | 第52-64页 |
| 4.1 独立成分分析 | 第52-53页 |
| 4.2 快速独立成分分析算法 | 第53-55页 |
| 4.3 基于改进独立成分分析的张量分解降维算法 | 第55-57页 |
| 4.3.1 改进独立成分分析 | 第55-57页 |
| 4.3.2 基于改进独立成分分析的张量分解降维算法 | 第57页 |
| 4.4 实验仿真 | 第57-61页 |
| 4.4.1 保留大特征值的个数d的取值 | 第57-58页 |
| 4.4.2 实验分类结果 | 第58-61页 |
| 4.5 总结 | 第61-64页 |
| 第五章 基于加权核范数最小化和改进独立成分分析的张量分解降维算法 | 第64-80页 |
| 5.1 加权核范数最小化方法（WNNM） | 第64页 |
| 5.2 改进独立成分分析 | 第64页 |
| 5.3 基于WNNM和改进独立成分分析的张量分解降维算法 | 第64-65页 |
| 5.4 实验分类结果 | 第65-79页 |
| 5.4.1 Flevoland子图 | 第66-69页 |
| 5.4.2 Flevoland全图 | 第69-72页 |
| 5.4.3 旧金山地区 | 第72-76页 |
| 5.4.4 Germany地区 | 第76-79页 |
| 5.5 总结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 本文的创新之处 | 第80页 |
| 6.2 进一步研究的方向 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-89页 |
