基于深度学习的多极化合成孔径雷达图像解译

第1章概论 1.1研究背景 1.1.1多极化SAR数据的表示形式 1.1.2多极化SAR数据的极化特征 1.2多极化SAR地物分类方法 1.2.1无监督分类方法… 1.2.2有监督分类方法… 1.2.3半监督分类方法? 1.3本章小结 第2章基于稀疏滤波和近邻保持的深度学习方法2.1背景与相关工作 2.1.1多极化SAR数据预处理 2.1.2稀疏滤波 2.2方法原理 2.2.1深度稀疏滤波网络 2.2.2近邻保持正则项 2.2.3算法步骤 2.3实验结果与分析 2.3.1数据实验 2.3.2 荷兰Flevoland 地区的AIRSAR数据实验结果 2.3.3荷兰Flevoland地区的子图数据实验结果 2.3.4 美国 San Francisco 地区的 RADARSAT-2 数据实验结果……… 21 2.3.5丹麦Foloum地区的EMISAR数据实验结果 2.3.6 西安地区的RADARSAT-2数据实验结果 2.4本章小结 第3章基于距离度量学深度学习方法 3.1距离度量学习 3.2大边界近邻算法 3.3方法原理 3.3.1半监督大边界近邻算法 3.3.2空间信息 3.3.3算法步骤 3.4实验结果与分析 3.4.1数据实验 3.4.2荷兰Flevoland地区的AIRSAR数据实验结果 3.4.3荷兰Flevoland地区的子图数据实验结果 3.4.4 美国 San Francisco地区的RADARSAT-2数据实验结果……… 40 3.4.5丹麦Foloum地区的EMISAR数据实验结果 3.4.6西安地区的RADARSAT-2数据实验结果 3.5本章小结 第4章基于半监督卷积神经网络的深度学习方法 4.1基于半监督卷积神经网络的多极化SAR地物分类 4.1.1空间信息 4.1.2非监督预训练 4.1.3网络结构与训练方法 4.2实验结果与分析 4.2.1数据实验 4.2.2 荷兰Flevoland 地区的AIRSAR数据实验结果 4.2.3荷兰Flevoland地区的子图数据实验结果 4.2.4 美国San Francisco 地区的RADARSAT-2数据实验结果 4.2.5西安地区的RADARSAT-2数据实验结果 4.3本章小结 …… 6.3.3半监督图卷积网络快速实现方法 6.3.4大规模多极化SAR数据上的图卷积网络… 6.4实验结果与分析… 6.4.1分类结果 6.4.2算法运行时间比较 6.5本章小结 参考文献…