| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 图目录 | 第13-15页 |
| 表目录 | 第15-16页 |
| 第1章 绪论 | 第16-30页 |
| ·课题背景 | 第16-19页 |
| ·SAR技术发展现状 | 第16-18页 |
| ·课题背景以及研究意义 | 第18-19页 |
| ·SAR图像压缩技术发展综述 | 第19-25页 |
| ·图像压缩编码 | 第20-21页 |
| ·基于预测的SAR图像压缩算法 | 第21-22页 |
| ·基于矢量量化的SAR图像压缩算法 | 第22-23页 |
| ·基于变换的SAR图像压缩算法 | 第23-25页 |
| ·论文主要研究内容以及结构 | 第25-30页 |
| ·论文的主要研究内容 | 第26-27页 |
| ·论文结构及创新性说明 | 第27-30页 |
| 第2章 SAR图像特性分析 | 第30-38页 |
| ·引言 | 第30页 |
| ·SAR图像简介 | 第30-31页 |
| ·SAR图像统计模型 | 第31-33页 |
| ·单视SAR图像统计模型 | 第32-33页 |
| ·多视SAR图像统计模型 | 第33页 |
| ·SAR图像的空间相关性分析 | 第33-35页 |
| ·SAR图像的相干斑噪声分析 | 第35-37页 |
| ·SAR图像二维小波压缩性能评估 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于小波变换的SAR图像压缩 | 第38-48页 |
| ·引言 | 第38页 |
| ·小波变换基本理论 | 第38-40页 |
| ·多级树集合分裂算法 | 第40-41页 |
| ·三维离散小波变换及3D-SPIHT编码 | 第41-42页 |
| ·基于分块重排序的三维小波变换SAR图像压缩 | 第42-46页 |
| ·算法描述 | 第43-44页 |
| ·实验结果及分析 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于自适应多尺度变换的SAR图像压缩 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·多尺度几何分析技术及其压缩研究 | 第49-55页 |
| ·多尺度几何分析回顾 | 第49-51页 |
| ·Tetrolet变换 | 第51-55页 |
| ·Tetrolet Packet变换 | 第55-61页 |
| ·Tetrolet Packet基本原理 | 第56页 |
| ·最优Tetrolet Packet基选择 | 第56-57页 |
| ·Tetrolet Packet具体算法步骤 | 第57-58页 |
| ·实验结果及分析 | 第58-61页 |
| ·Tetrolet变换和Tetrolet Packet变换在SAR图像压缩上的应用 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 基于字典学习稀疏表示的SAR图像压缩 | 第64-88页 |
| ·引言 | 第64-66页 |
| ·字典学习稀疏表示的基本理论 | 第66-76页 |
| ·稀疏编码 | 第68-71页 |
| ·字典学习 | 第71-75页 |
| ·基于稀疏表示的图像压缩 | 第75-76页 |
| ·基于字典学习稀疏表示的单极化SAR图像压缩 | 第76-81页 |
| ·算法描述 | 第76-79页 |
| ·实验结果及分析 | 第79-81页 |
| ·基于字典学习稀疏表示的多极化SAR图像压缩 | 第81-87页 |
| ·算法描述 | 第82-83页 |
| ·实验结果及分析 | 第83-87页 |
| ·本章小结 | 第87-88页 |
| 第6章 基于超分辨率重建的SAR图像压缩 | 第88-100页 |
| ·引言 | 第88-89页 |
| ·超分辨率重建基本理论及算法 | 第89-92页 |
| ·基于插值的图像超分辨率算法 | 第90页 |
| ·基于重建的图像超分辨率算法 | 第90-92页 |
| ·基于学习的图像超分辨率算法 | 第92页 |
| ·基于超分辨率重建的多极化SAR图像压缩算法 | 第92-96页 |
| ·算法描述 | 第93-94页 |
| ·实验结果及分析 | 第94-96页 |
| ·SAR图像质量评价指标对SAR图像压缩的影响 | 第96-97页 |
| ·本章小结 | 第97-100页 |
| 第7章 总结与展望 | 第100-104页 |
| ·本文工作回顾 | 第100-102页 |
| ·研究内容展望 | 第102-104页 |
| 参考文献 | 第104-114页 |
| 致谢 | 第114-116页 |
| 攻读学位期间研究成果 | 第116-117页 |