| 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14-17页 |
| 第一章 绪论 | 第17-29页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.1.1 遥感图像的发展过程 | 第17-18页 |
| 1.1.2 遥感图像的成像与图像特性 | 第18页 |
| 1.1.3 遥感图像变化检测的研究意义 | 第18-19页 |
| 1.2 遥感图像变化检测的基本流程 | 第19-22页 |
| 1.3 遥感图像变化检测方法的研究现状 | 第22-24页 |
| 1.4 进化算法的发展和研究现状 | 第24-25页 |
| 1.5 基于进化优化遥感图像变化检测算法的优点和挑战 | 第25-26页 |
| 1.6 论文的贡献和内容安排 | 第26-29页 |
| 第二章 基于显著图引导和加速GA的遥感图像变化检测 | 第29-47页 |
| 2.1 引言 | 第29页 |
| 2.2 存在的问题和研究动机 | 第29-35页 |
| 2.2.1 GA实现原理 | 第29-30页 |
| 2.2.2 基于简单GA的遥感图像变化检测方法 | 第30-34页 |
| 2.2.3 基于简单GA变化检测方法存在的瓶颈问题分析 | 第34-35页 |
| 2.3 基于显著图引导和FCM的差异图预分类 | 第35-38页 |
| 2.3.1 显著区域提取 | 第35-36页 |
| 2.3.2 基于FCM的差异图预分类 | 第36-38页 |
| 2.4 加速的GA优化算法 | 第38-42页 |
| 2.4.1 二进制的二维编码方法 | 第39页 |
| 2.4.2 加入邻域信息的损失函数设计 | 第39-40页 |
| 2.4.3 邻域信息启发的变异概率算子设计 | 第40-42页 |
| 2.5 实验结果和分析 | 第42-45页 |
| 2.6 本章小结 | 第45-47页 |
| 第三章 基于子块分解与融合的进化优化遥感图像变化检测 | 第47-65页 |
| 3.1 引言 | 第47-48页 |
| 3.2 差异图的产生 | 第48-49页 |
| 3.3 自动搜索空间收缩方法 | 第49-52页 |
| 3.4 基于图像空间信息的子块分解加速GA | 第52-58页 |
| 3.4.1 子块分解方法 | 第52-53页 |
| 3.4.2 结合图像空间信息的子块加速GA | 第53-57页 |
| 3.4.3 子块结果决策融合 | 第57-58页 |
| 3.5 实验结果和分析 | 第58-64页 |
| 3.5.1 参数分析 | 第58-59页 |
| 3.5.2 实验结果与对比实验 | 第59-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第四章 基于显著性检测与卷积神经网络的遥感图像变化检测 | 第65-79页 |
| 4.1 引言 | 第65-66页 |
| 4.2 基于显著性检测与FCM的训练样本获取 | 第66-70页 |
| 4.3 卷积神经网络的构建 | 第70-72页 |
| 4.3.1 卷积神经网络的简介 | 第70-71页 |
| 4.3.2 卷积神经网络的构建与训练 | 第71-72页 |
| 4.4 实验结果和分析 | 第72-78页 |
| 4.4.1 实验设置 | 第72-73页 |
| 4.4.2 实验内容 | 第73-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
