封面
声明
中文摘要
英文摘要
插图索引
表格索引
符号对照表
缩略语对照表
目录
第一章 绪论
1.1 研究背景
1.2 极化SAR发展现状
1.3 极化SAR图像分类方法的发展和现状
1.4 极化数据矩阵及典型目标散射机理
1.5 机器学习及集成学习
1.6 本文的主要工作和论文安排
第二章 基于选择集成的极化SAR图像分类
2.1 引言
2.2 极化SAR散射矩阵及熵
2.3 SVM与集成算法
2.4 基于选择集成的极化SAR图像分类方法
2.5 对比实验与结果分析
2.6 小结
第三章 基于贝叶斯集成框架的极化SAR图像分类方法
3.1 引言
3.2贝叶斯集成算法
3.3基于贝叶斯集成的极化SAR分类方法
3.4 对比实验与结果分析
3.5 小结
第四章 基于加权投票准则集成的极化SAR图像分类方法
4.1 引言
4.2加权投票准则
4.3 基于加权投票准则集成的极化SAR分类方法
4.4 对比实验与结果分析
4.5 小结
第五章 基于奇异值矩阵分解集成特征加权的极化SAR图像分类
5.1 引言
5.2 奇异值分解和基于奇异值分解的加权集成
5.3 基于0-1矩阵分解的极化SAR特征加权方法
5.4 对比实验与结果分析
5.5 小结
第六章 基于改进Fisher线性判决的极化SAR图像特征选择方法
6.1 引言
6.2 Fisher线性判决
6.3 基于Fisher线性判决的特征选择
6.4基于Freeman改进的Fisher线性判决
6.5 对比实验结果及分析
6.6 小结
第七章 基于改进三分量散射模型的极化SAR图像分解
7.1 引言
7.2 Freeman分解和去取向理论
7.3 改进三分量散射模型分解
7.4 对比实验与结果分析
7.5 小结
第八章 结论和展望
8.1 研究结论
8.2 研究展望
参考文献
致谢
作者简介