论文目录 | |
| 摘要 | 第1-6
页 |
| Abstract | 第6-8
页 |
| 本文中的记号 | 第8-12
页 |
| 第一章 引言 | 第12-34
页 |
| · 极化SAR目标分类的意义及其目标特征 | 第12-21
页 |
| · 极化SAR目标的描述 | 第12-14
页 |
| · 极化SAR目标的物理散射特征描述 | 第14-19
页 |
| · 极化SAR目标的统计特征描述 | 第19-21
页 |
| · 极化SAR图像分类算法研究现状及其问题提出 | 第21-23
页 |
| · 极化SAR数据的滤波算法 | 第23-25
页 |
| · 投影寻踪方法简介 | 第25-32
页 |
| · 投影寻踪方法的研究现状 | 第26-28
页 |
| · 投影指标与投影指标估计 | 第28-32
页 |
| · 本文研究的内容与安排 | 第32-34
页 |
| 第二章 投影指标的估计及序列投影寻踪聚类模型 | 第34-55
页 |
| · 投影指标的小波核估计 | 第34-37
页 |
| · Cook投影指标族的小波核估计 | 第34-35
页 |
| · Cook族投影指标的小波核估计的性质 | 第35-37
页 |
| · 模拟数据分析与比较 | 第37
页 |
| · 投影指标的bootstrap估计及其统计性质 | 第37-43
页 |
| · 投影指标的bootstrap估计 | 第38-40
页 |
| · 指标估计的分析与比较 | 第40-41
页 |
| · 拟最佳投影方向 | 第41-43
页 |
| · 序列投影寻踪聚类模型 | 第43-45
页 |
| · 序列投影寻踪的数学模型 | 第43-44
页 |
| · 序列投影寻踪聚类模型的实现 | 第44-45
页 |
| · SAR图像的SPPCM分类 | 第45-48
页 |
| · 极化SAR图像的SPPCM分类 | 第48-53
页 |
| · 基于强度信息的极化SAR图像的分类 | 第48-49
页 |
| · 基于相似性参数的序列投影寻踪的极化SAR图像分类 | 第49-53
页 |
| · 拟最佳投影方向的SAR和极化SAR图像分类 | 第53-54
页 |
| · 小结 | 第54-55
页 |
| 第三章 投影寻踪子波学习网络与应用 | 第55-75
页 |
| · 投影寻踪学习网络 | 第55-63
页 |
| · 投影寻踪学习网络的数学模型 | 第55-56
页 |
| · 投影寻踪学习网络的计算方法 | 第56-58
页 |
| · 基于投影寻踪学习网络的光学图像无监督恢复 | 第58-63
页 |
| · 投影寻踪子波学习网络 | 第63-66
页 |
| · 投影寻踪子波学习网的数学模型及计算方法 | 第64-65
页 |
| · 基于投影寻踪子波学习网络的光学图像的无监督恢复 | 第65-66
页 |
| · 基于投影寻踪子波学习网络的极化SAR图像分类 | 第66-73
页 |
| · 基于PPWLN的多视极化SAR数据协方差阵的逼近 | 第66-68
页 |
| · 极化SAR图像分类中心的确定 | 第68
页 |
| · 极化SAR图像分类 | 第68
页 |
| · 旧金山湾的极化SAR图像分类 | 第68-73
页 |
| · 小结 | 第73-75
页 |
| 第四章 混合Wishart模型与多视极化SAR图像分类 | 第75-97
页 |
| · 混合Wishart模型 | 第75-79
页 |
| · 混合Wishart模型定义 | 第75-76
页 |
| · 混合Wishart模型性质 | 第76-79
页 |
| · 混合Wishart模型的参数估计 | 第79-82
页 |
| · 混合Wishart模型的直接参数估计方法 | 第79-81
页 |
| · 基于多元正态分布的混合Wishart模型的参数估计 | 第81-82
页 |
| · 混合Wishart模型的定阶 | 第82-84
页 |
| · 混合Wishart模型的定阶准则 | 第82-83
页 |
| · 阶的修正 | 第83-84
页 |
| · 混合Wishart模型中的距离公式 | 第84-85
页 |
| · 模拟数据的混元个数的确定与参数估计 | 第85-92
页 |
| · 产生混合Wishart模型的模拟数据 | 第85-87
页 |
| · 模拟数据的混元个数的确定 | 第87-90
页 |
| · 模拟数据的参数估计分析 | 第90-92
页 |
| · 旧金山湾的极化SAR图像分类 | 第92-96
页 |
| · 初始条件的确定 | 第93-94
页 |
| · 参数的估计 | 第94-95
页 |
| · 分类结果 | 第95-96
页 |
| · 小结 | 第96-97
页 |
| 第五章 极化SAR图像的分类方法分析与比较 | 第97-116
页 |
| · 极化SAR数据的预处理——滤波 | 第97-98
页 |
| · 极化SAR数据的分类准则 | 第98
页 |
| · 基于物理散射特性的极化SAR图像的分类方法 | 第98-107
页 |
| · 基于Pauli系数分解的分类方法 | 第99-101
页 |
| · 基于Krogager分解系数的分类方法 | 第101-103
页 |
| · 基于目标相似性参数的分类方法 | 第103-105
页 |
| · 基于散射熵H和散射角α平面的分类方法 | 第105-107
页 |
| · 基于目标统计特征的极化SAR图像分类方法 | 第107-112
页 |
| · 极大似然分类器 | 第107-110
页 |
| · 基于混合Wishart模型的极化SAR图像分类 | 第110
页 |
| · 基于Fuzzy-Wishart算法的极化SAR图像分类 | 第110-111
页 |
| · 基于序列投影寻踪聚类模型的极化SAR图像分类 | 第111-112
页 |
| · 基于投影寻踪子波学习网络的极化SAR图像分类 | 第112
页 |
| · 分类方法的比较 | 第112-114
页 |
| · 小结 | 第114-116
页 |
| 结束语 | 第116-118
页 |
| 参考文献 | 第118-127
页 |
| 附录一 攻读博士学位期间参加的科研项目 | 第127-128
页 |
| 附录二 攻读博士学位期间发表的论文 | 第128-130
页 |
| 致谢 | 第130-131
页 |
