基于ECM算法的多视SAR影像分割
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容及方法 | 第12-16页 |
| 2 基本理论 | 第16-29页 |
| 2.1 马尔科夫模型 | 第16-20页 |
| 2.1.1 邻域系统 | 第16-17页 |
| 2.1.2 马尔科夫随机场 | 第17-18页 |
| 2.1.3 吉布斯随机场 | 第18页 |
| 2.1.4 Markov-Gibbs的等价性 | 第18-19页 |
| 2.1.5 常用的MRF模型介绍 | 第19-20页 |
| 2.2 贝叶斯理论 | 第20-22页 |
| 2.2.1 条件概率 | 第20-21页 |
| 2.2.2 全概率公式 | 第21页 |
| 2.2.3 贝叶斯公式 | 第21-22页 |
| 2.3 统计参数估计 | 第22-25页 |
| 2.3.1 极大似然估计 | 第22-23页 |
| 2.3.2 期望最大化 | 第23-24页 |
| 2.3.3 期望条件最大化 | 第24-25页 |
| 2.4 信息准则 | 第25-26页 |
| 2.4.1 AIC准则 | 第25页 |
| 2.4.2 BIC准则 | 第25-26页 |
| 2.5 精度评价指标 | 第26-28页 |
| 2.5.1 定性评价 | 第26页 |
| 2.5.2 定量评价 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于ECM算法的多视SAR影像分割 | 第29-36页 |
| 3.1 分割模型 | 第29-31页 |
| 3.1.1 特征场模型 | 第29-30页 |
| 3.1.2 标号场模型 | 第30-31页 |
| 3.1.3 后验概率模型 | 第31页 |
| 3.2 模型参数估计 | 第31-34页 |
| 3.2.1 固定类参数估计 | 第31-33页 |
| 3.2.2 可变类模型选择 | 第33-34页 |
| 3.3 参数优化 | 第34-35页 |
| 3.3.1 边缘概率 | 第34-35页 |
| 3.3.2 M-H算法 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 实验结果与讨论 | 第36-61页 |
| 4.1 固定类分割 | 第36-50页 |
| 4.1.1 模拟多视SAR影像实验分割 | 第36-39页 |
| 4.1.2 真实多视SAR影像实验分割 | 第39-43页 |
| 4.1.3 算法比较 | 第43-50页 |
| 4.2 可变类分割 | 第50-60页 |
| 4.2.1 模拟多视SAR影像实验分割 | 第51-53页 |
| 4.2.2 真实多视SAR影像实验分割 | 第53-57页 |
| 4.2.3 算法比较 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |
