| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8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15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.1.1 极化SAR的发展与应用 | 第15页 |
| 1.1.2 研究目的与意义 | 第15-16页 |
| 1.2 极化SAR散射特性研究现状 | 第16-17页 |
| 1.3 极化SAR图像质量增强技术的研究现状 | 第17-18页 |
| 1.4 本文研究的主要内容及安排 | 第18-21页 |
| 第二章 极化SAR目标散射分解和经典图像质量增强算法 | 第21-39页 |
| 2.1 极化SAR数据表示 | 第21-22页 |
| 2.1.1 真实极化SAR数据 | 第21-22页 |
| 2.1.2 合成极化SAR数据 | 第22页 |
| 2.2 基于散射模型的目标极化分解 | 第22-30页 |
| 2.2.1 Freeman-Durden三分量分解 | 第23-26页 |
| 2.2.2 Yamaguchi四分量分解 | 第26-28页 |
| 2.2.3 混合四分量（HPD）分解 | 第28-30页 |
| 2.3 极化SAR图像质量增强算法 | 第30-36页 |
| 2.3.1 精致极化Lee | 第31-32页 |
| 2.3.2 区域生长技术 | 第32-34页 |
| 2.3.3 基于非局部的极化SAR图像质量增强算法 | 第34-35页 |
| 2.3.4 基于散射模型的极化SAR图像质量增强算法 | 第35-36页 |
| 2.4 极化SAR图像质量评价方法 | 第36-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 极化相似性度量及其局部滤波应用 | 第39-63页 |
| 3.1 相关极化相似性度量 | 第39-41页 |
| 3.1.1 相似性参数 | 第39-41页 |
| 3.1.2 基于散射模型的相似性度量 | 第41页 |
| 3.2 极化相似性 | 第41-49页 |
| 3.2.1 极化相似性建模 | 第42-44页 |
| 3.2.2 极化相似性统计特性 | 第44-49页 |
| 3.3 极化相似性统计结果的相关验证 | 第49-51页 |
| 3.4 基于极化相似性的局部滤波算法 | 第51-61页 |
| 3.4.1 相似集合的选取 | 第51-53页 |
| 3.4.2 算法步骤 | 第53页 |
| 3.4.3 实验结果及分析 | 第53-61页 |
| 3.5 本章小节 | 第61-63页 |
| 第四章 基于散射模型和NL-Lee的极化SAR图像质量增强 | 第63-81页 |
| 4.1 NL-Lee滤波算法 | 第63-65页 |
| 4.1.1 基于分布式Lee和NLM的滤波算法 | 第63-65页 |
| 4.1.2 基于sigma预选取和NLM的滤波算法 | 第65页 |
| 4.2 基于极化相似性和NL-Lee的图像质量增强算法 | 第65-68页 |
| 4.2.1 滤波器设计 | 第65-67页 |
| 4.2.2 算法步骤 | 第67-68页 |
| 4.3 实验结果及分析 | 第68-79页 |
| 4.4 本章小节 | 第79-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 总结 | 第81页 |
| 5.2 工作展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 作者简介 | 第89-90页 |
| 1. 基本情况 | 第89页 |
| 2. 教育背景 | 第89页 |
| 3. 攻读硕士学位期间的研究成果 | 第89-90页 |
