高光谱图像压缩采样研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·引言 | 第9-10页 |
| ·传统图像压缩技术介绍 | 第10-11页 |
| ·传统图像采样方法的不足 | 第11-13页 |
| ·压缩采样介绍 | 第13-15页 |
| ·艺术家给我们的启示 | 第13-14页 |
| ·全局感知与压缩采样 | 第14-15页 |
| ·求解压缩采样原始信号——优化问题 | 第15页 |
| ·压缩感知的应用领域 | 第15-17页 |
| ·单像素相机原理介绍 | 第15-16页 |
| ·高光谱遥感 | 第16-17页 |
| ·核磁共振成像 | 第17页 |
| ·无线传感器网络 | 第17页 |
| ·本文工作 | 第17-19页 |
| 第二章 稀疏变换与图像编码 | 第19-32页 |
| ·稀疏信号的基本概念 | 第19-20页 |
| ·可压缩信号 | 第20页 |
| ·K 稀疏信号 | 第20页 |
| ·图像信号在变换域的稀疏分解 | 第20-22页 |
| ·小波变换的稀疏性与稀疏逼近 | 第21-22页 |
| ·最大N 项逼近 | 第21-22页 |
| ·最前N 项逼近 | 第22页 |
| ·稀疏度对信号恢复的影响 | 第22-26页 |
| ·压缩采样受干扰的重构误差 | 第26-29页 |
| ·高斯白噪声干扰下的重构误差 | 第26页 |
| ·量化噪声对重构误差的影响 | 第26-29页 |
| ·压缩感知与传统压缩的比较 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 压缩感知信号恢复算法 | 第32-44页 |
| ·基于线性规划的方法——基追踪 | 第32-33页 |
| ·贪婪算法 | 第33-37页 |
| ·最小绝对值压缩和选取法 | 第33-35页 |
| ·正交匹配追踪 | 第35-36页 |
| ·分段正交匹配追踪 | 第36-37页 |
| ·基于统计和机器学习的方法 | 第37-39页 |
| ·贝叶斯方法介绍 | 第37-39页 |
| ·基于小波树形结构的贝叶斯方法 | 第39页 |
| ·各种方法性能比较 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 高光谱图像压缩感知 | 第44-59页 |
| ·高光谱图像的特性研究 | 第44-50页 |
| ·高光谱图像相关性分析 | 第45-47页 |
| ·高光谱相邻谱带压缩采样值的相关性研究 | 第47-48页 |
| ·高光谱各个谱带压缩采样值的相关性分析 | 第48-49页 |
| ·实验结果 | 第49-50页 |
| ·子带分类 | 第50-53页 |
| ·K 均值聚类谱带分组 | 第50-51页 |
| ·基于谱带相关性改进分类算法 | 第51-53页 |
| ·高光谱压缩采样模型 | 第53-55页 |
| ·高光谱压缩采样的数学模型 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 结束语 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间取得的研究成果 | 第65-66页 |
