| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究现状及发展方向 | 第16页 |
| 1.3 论文安排 | 第16-19页 |
| 第二章 极化SAR基本知识和深度学习简介 | 第19-35页 |
| 2.1 极化SAR基本知识 | 第19-21页 |
| 2.1.1 极化散射坐标系 | 第19-20页 |
| 2.1.2 极化散射矩阵及极化SAR图像 | 第20-21页 |
| 2.2 极化SAR分类概述 | 第21-22页 |
| 2.3 深度学习概述 | 第22-32页 |
| 2.3.1 误差反向传播算法 | 第23-24页 |
| 2.3.2 自动编码器 | 第24-26页 |
| 2.3.3 深度置信网络 | 第26-27页 |
| 2.3.4 卷积神经网络 | 第27-32页 |
| 2.4 Mat Conv Net简介 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于字典学习和堆栈网络的极化SAR分类方法 | 第35-61页 |
| 3.1 字典学习 | 第35-38页 |
| 3.2 基于字典学习的堆栈网络(DBSN) | 第38-41页 |
| 3.3 实验结果及分析 | 第41-59页 |
| 3.3.1 荷兰Flevoland地区L波段农田小图实验结果 | 第41-47页 |
| 3.3.2 荷兰Flevoland地区L波段农田大图实验结果 | 第47-52页 |
| 3.3.3 美国San Francisco地区数据实验结果 | 第52-56页 |
| 3.3.4 荷兰Flevoland地区C波段数据实验结果 | 第56-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第四章 基于CNN的极化SAR分类方法 | 第61-85页 |
| 4.1 用于极化SAR分类的CNN模型 | 第61-63页 |
| 4.2 基于CNN的极化SAR算法设计 | 第63页 |
| 4.3 实验结果及分析 | 第63-84页 |
| 4.3.1 荷兰Flevoland地区L波段农田大图实验结果 | 第64-72页 |
| 4.3.2 荷兰Flevoland地区L波段农田小图实验结果 | 第72-76页 |
| 4.3.3 美国San Francisco地区数据实验结果 | 第76-80页 |
| 4.3.4 荷兰Flevoland地区C波段数据实验结果 | 第80-84页 |
| 4.4 本章小结 | 第84-85页 |
| 第五章 基于区域一致性判断的极化SAR分类方法 | 第85-95页 |
| 5.1 基于区域一致性判断的极化SAR分类方法 | 第85-87页 |
| 5.2 K-means聚类算法 | 第87-88页 |
| 5.3 实验结果及分析 | 第88-93页 |
| 5.3.1 荷兰Flevoland地区L波段农田大图实验结果 | 第89-91页 |
| 5.3.2 荷兰Flevoland地区L波段农田小图实验结果 | 第91-93页 |
| 5.4 本章小结 | 第93-95页 |
| 第六章 总结与展望 | 第95-97页 |
| 6.1 研究结论 | 第95页 |
| 6.2 研究展望 | 第95-97页 |
| 参考文献 | 第97-101页 |
| 致谢 | 第101-103页 |
| 作者简介 | 第103-104页 |
