| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 缩写列表 | 第9-12页 |
| 1 绪论 | 第12-22页 |
| 1.1 SAR图像分类简介 | 第12-13页 |
| 1.2 SAR图像分类的发展现状 | 第13-16页 |
| 1.3 神经网络简介 | 第16-20页 |
| 1.4 本文的研究内容和方法 | 第20-21页 |
| 1.5 论文的结构安排 | 第21-22页 |
| 2 基于标准FCN神经网络的分割模型 | 第22-29页 |
| 2.1 CNN卷积神经网络 | 第22-25页 |
| 2.1.1 CNN基本原理 | 第22-23页 |
| 2.1.2 CNN基本结构 | 第23-25页 |
| 2.2 基于FCN网络的图像分割 | 第25-28页 |
| 2.2.1 FCN网络的结构 | 第25-27页 |
| 2.2.2 FCN网络的特点 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于Deeplab和内部边缘校正的神经网络的分割模型 | 第29-43页 |
| 3.1 基于像素块的传统CRF模型 | 第29-35页 |
| 3.1.1 传统potts先验CRF | 第29-33页 |
| 3.1.2 像素块特征提取 | 第33-35页 |
| 3.2 基于后置CRF的Deeplab模型 | 第35-40页 |
| 3.2.1 Deeplab的CRF结构 | 第35-39页 |
| 3.2.2 Deeplab模型训练 | 第39-40页 |
| 3.3 基于边缘区域变换的DT网络 | 第40-42页 |
| 3.3.1 DT网络 | 第40页 |
| 3.3.2 边缘区域变换算法 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于FCN-HED边缘和改进DT扩散模型的内部与外部融合的神经网络的分割模型 | 第43-55页 |
| 4.1 FCN-HED边缘网络 | 第43-46页 |
| 4.1.1 FCN-HED的结构 | 第43-44页 |
| 4.1.2 FCN-HED的计算过程 | 第44-46页 |
| 4.2 传统彩图边缘检测方法 | 第46-47页 |
| 4.3 融合方法和改进的DT扩散模型 | 第47-53页 |
| 4.3.1 外部融合和改进DT扩散法 | 第48-51页 |
| 4.3.2 改进DT扩散模型的训练 | 第51页 |
| 4.3.3 内部融合 | 第51-53页 |
| 4.4 完整结构 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 实验结果与分析 | 第55-63页 |
| 5.1 实验数据与步骤 | 第55-56页 |
| 5.2 实验设置 | 第56-58页 |
| 5.3 实验结果 | 第58-61页 |
| 5.4 实验结果分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 研究总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间科研项目和论文 | 第69-70页 |
| 致谢 | 第70页 |