摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
符号对照表 | 第12-13页 |
缩略语对照表 | 第13-17页 |
第一章 绪论 | 第17-25页 |
1.1 研究背景及意义 | 第17-18页 |
1.1.1 SAR图像分割与解译的研究背景 | 第17页 |
1.1.2 SAR图像分割与解译的研究意义 | 第17-18页 |
1.2 SAR图像分割与解译的研究现状 | 第18-20页 |
1.2.1 图像分割 | 第18-19页 |
1.2.2 SAR图像分割 | 第19-20页 |
1.3 图像语义分割的研究现状 | 第20-21页 |
1.3.1 光学图像的语义分割 | 第20页 |
1.3.2 SAR图像的语义分割 | 第20-21页 |
1.4 深度学习的研究现状 | 第21-22页 |
1.4.1 深度学习发展起源 | 第21-22页 |
1.4.2 深度学习模型 | 第22页 |
1.5 论文的研究内容和安排 | 第22-25页 |
第二章 相关工作 | 第25-31页 |
2.1 马尔的视觉计算理论 | 第25页 |
2.2 初始素描模型及素描图的获取方法 | 第25-26页 |
2.3 SAR图像素描模型及SAR图像素描图的获取方法 | 第26-27页 |
2.4 SAR图像的语义空间 | 第27-28页 |
2.4.1 SAR图像的区域图 | 第27-28页 |
2.4.2 SAR图像的层次视觉语义空间 | 第28页 |
2.5 基于区域图的像素子空间划分 | 第28-31页 |
第三章 极不匀质区域的曲线波卷积结构学习模型和方法 | 第31-55页 |
3.1 引言 | 第31-32页 |
3.2 曲线波滤波器集合构造方法 | 第32-41页 |
3.2.1 曲线波滤波器 | 第32-34页 |
3.2.2 曲线波滤波器尺度参数设置方法 | 第34-35页 |
3.2.3 曲线波滤波器方向参数设置方法 | 第35-36页 |
3.2.4 构造曲线波滤波器集合 | 第36-37页 |
3.2.5 实验仿真与分析 | 第37-41页 |
3.3 曲线波卷积结构学习模型 | 第41-46页 |
3.3.1 曲线波卷积结构学习模型的构建思想 | 第41-45页 |
3.3.2 曲线波卷积结构学习模型的构建 | 第45页 |
3.3.3 曲线波卷积结构学习模型框图 | 第45-46页 |
3.4 基于曲线波卷积结构学习模型的特征学习 | 第46-50页 |
3.4.1 基于梯度下降法的参数更新公式 | 第46-49页 |
3.4.2 SAR图像极不匀质区域的特征学习方法 | 第49-50页 |
3.5 实验结果和分析 | 第50-54页 |
3.6 本章总结 | 第54-55页 |
第四章 结构像素子空间中的独立目标分割方法 | 第55-67页 |
4.1 引言 | 第55页 |
4.2 基于素描线聚拢特征的疑似独立目标素描线提取方法 | 第55-60页 |
4.2.1 结构像素子空间的素描线筛选方法 | 第55页 |
4.2.2 素描线的连接 | 第55-57页 |
4.2.3 基于聚拢特征的SAR图像素描线提取方法 | 第57-58页 |
4.2.4 实验结果及分析 | 第58-60页 |
4.3 基于素描信息和分水岭超像素的独立目标分割方法 | 第60-65页 |
4.3.1 分水岭超像素分割方法 | 第60-61页 |
4.3.2 基于素描线指导的独立目标分水岭超像素分割方法 | 第61-63页 |
4.3.3 实验结果和分析 | 第63-65页 |
4.4 本章小结 | 第65-67页 |
第五章 基于曲线波卷积结构学习模型的SAR图像语义分割 | 第67-75页 |
5.1 引言 | 第67页 |
5.2 基于学习特征及最大值汇聚编码的混合像素子空间无监督分割 | 第67-70页 |
5.2.1 基于结构特征向量的层次聚类算法描述 | 第68页 |
5.2.2 实验结果和分析 | 第68-70页 |
5.3 SAR图像结构像素子空间的分割 | 第70-71页 |
5.4 SAR图像匀质像素子空间的分割 | 第71页 |
5.5 SAR图像各个子空间分割结果的整合 | 第71-72页 |
5.6 实验结果及分析 | 第72-74页 |
5.7 本章小结 | 第74-75页 |
第六章 总结与展望 | 第75-79页 |
6.1 总结 | 第75-76页 |
6.2 展望 | 第76-79页 |
参考文献 | 第79-83页 |
致谢 | 第83-85页 |
作者简介 | 第85-86页 |