| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-28页 |
| 1.1 研究背景及意义 | 第12-18页 |
| 1.2 高光谱图像压缩算法研究现状 | 第18-24页 |
| 1.2.1 基于预测的压缩方法 | 第18-21页 |
| 1.2.2 基于变换的压缩方法 | 第21-23页 |
| 1.2.3 基于矢量量化的压缩方法 | 第23-24页 |
| 1.3 论文研究内容与创新性说明 | 第24-28页 |
| 第二章 高光谱图像特性分析 | 第28-44页 |
| 2.1 AVIRIS高光谱图像 | 第28-36页 |
| 2.2 高光谱图像的空间相关性分析 | 第36-38页 |
| 2.3 高光谱图像的光谱相关性分析 | 第38-42页 |
| 2.4 本章小结 | 第42-44页 |
| 第三章 基于递归最小二乘法的高光谱图像无损压缩 | 第44-68页 |
| 3.1 引言 | 第44-45页 |
| 3.2 递归最小二乘算法 | 第45-47页 |
| 3.3 基于递归最小二乘法的高光谱图像无损压缩算法 | 第47-66页 |
| 3.3.1 算法描述 | 第48-58页 |
| 3.3.2 实验结果 | 第58-66页 |
| 3.3.3 分析与讨论 | 第66页 |
| 3.4 本章小结 | 第66-68页 |
| 第四章 基于光谱聚类和波段排序的高光谱图像无损压缩 | 第68-88页 |
| 4.1 引言 | 第68-69页 |
| 4.2 聚类算法 | 第69-73页 |
| 4.2.1 划分方法 | 第69-70页 |
| 4.2.2 层次方法 | 第70-72页 |
| 4.2.3 基于密度的方法 | 第72-73页 |
| 4.3 基于光谱聚类和波段排序的高光谱图像无损压缩算法 | 第73-87页 |
| 4.3.1 适用于高光谱图像的K-均值聚类算法 | 第73-75页 |
| 4.3.2 波段排序 | 第75-77页 |
| 4.3.3 预测器设计 | 第77-78页 |
| 4.3.4 算术编码器 | 第78-79页 |
| 4.3.5 实验结果 | 第79-86页 |
| 4.3.6 分析与讨论 | 第86-87页 |
| 4.4 本章小结 | 第87-88页 |
| 第五章 基于反向搜索的高光谱图像无损压缩 | 第88-106页 |
| 5.1 引言 | 第88-89页 |
| 5.2 AVIRIS 1997高光谱数据的校正过程 | 第89-95页 |
| 5.2.1 辐射校正 | 第89-91页 |
| 5.2.2 光谱校正 | 第91页 |
| 5.2.3 几何校正 | 第91页 |
| 5.2.4 附加校正信息 | 第91-93页 |
| 5.2.5 AVIRIS 1997高光谱数据的校正特性 | 第93-95页 |
| 5.3 基于反向搜索的高光谱图像无损压缩算法 | 第95-104页 |
| 5.3.1 算法流程 | 第96-98页 |
| 5.3.2 实验结果 | 第98-104页 |
| 5.3.3 分析与讨论 | 第104页 |
| 5.4 本章小结 | 第104-106页 |
| 第六章 总结与展望 | 第106-110页 |
| 6.1 全文总结 | 第106-108页 |
| 6.2 工作展望 | 第108-110页 |
| 参考文献 | 第110-120页 |
| 攻读博士期间发表论文 | 第120-122页 |
| 致谢 | 第122页 |
