| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-20页 |
| 第一章 绪论 | 第20-34页 |
| 1.1 研究背景和意义 | 第20-26页 |
| 1.1.1 多光谱图像应用 | 第20-21页 |
| 1.1.2 多光谱图像压缩的研究背景 | 第21-23页 |
| 1.1.3 二维图像压缩编码技术背景 | 第23-26页 |
| 1.2 多光谱图像压缩技术现状及存在问题 | 第26-30页 |
| 1.2.1 基于光谱均方误差准则的传统多光谱图像压缩技术 | 第27-29页 |
| 1.2.2 面向色彩再现的多光谱图像压缩技术 | 第29页 |
| 1.2.3 关键问题 | 第29-30页 |
| 1.3 本文研究内容及成果 | 第30-34页 |
| 1.3.1 本文研究内容和结构安排 | 第30-31页 |
| 1.3.2 主要研究成果 | 第31-34页 |
| 第二章 小波变换理论及系数编码压缩方法 | 第34-52页 |
| 2.1 小波变换理论基础 | 第34-36页 |
| 2.2 小波变换实现方法 | 第36-42页 |
| 2.2.1 Mallat实现算法 | 第36-39页 |
| 2.2.2 小波提升实现方法 | 第39-42页 |
| 2.3 图像的小波变换 | 第42-43页 |
| 2.4 变换系数嵌入编码算法 | 第43-47页 |
| 2.4.1 嵌入编码原理 | 第43-44页 |
| 2.4.2 基于零树的SPIHT编码 | 第44-47页 |
| 2.4.3 其他嵌入编码算法 | 第47页 |
| 2.5 基于小波变换的多光谱图像压缩算法 | 第47-50页 |
| 2.5.1 基于小波变换的多光谱图像编码算法 | 第48-49页 |
| 2.5.2 基于KLT和小波变换的多光谱图像压缩 | 第49-50页 |
| 2.6 本章小结 | 第50-52页 |
| 第三章 多光谱图像特性分析及其稀疏等价表示 | 第52-58页 |
| 3.1 引言 | 第52-53页 |
| 3.2 多光谱图像空间相关性分析 | 第53-54页 |
| 3.3 多光谱图像谱间相关性分析 | 第54-56页 |
| 3.4 多光谱图像稀疏等价表示 | 第56页 |
| 3.5 本章小结 | 第56-58页 |
| 第四章 基于谱间聚类和小波变换的多光谱图像压缩算法 | 第58-70页 |
| 4.1 多光谱图像谱间稀疏等价表示 | 第58页 |
| 4.2 等价表示实现方法—聚类分析 | 第58-59页 |
| 4.3 AP自适应聚类 | 第59-61页 |
| 4.4 基于AP聚类和小波变换的压缩算法设计 | 第61-65页 |
| 4.4.1 算法基本结构 | 第61-62页 |
| 4.4.2 误差补偿机制 | 第62页 |
| 4.4.3 基于AP聚类和小波变换的APWS压缩算法 | 第62-63页 |
| 4.4.4 码率预分配策略 | 第63-64页 |
| 4.4.5 基于APWS和码率预分配策略的APWS_RA算法 | 第64-65页 |
| 4.5 实验结果与分析 | 第65-68页 |
| 4.5.1 谱间相关性与自适应聚类实验 | 第65-66页 |
| 4.5.2 APWS算法验证 | 第66-67页 |
| 4.5.3 APWS_RA算法验证 | 第67-68页 |
| 4.6 本章小结 | 第68-70页 |
| 第五章 面向色彩再现的多光谱图像压缩方法 | 第70-90页 |
| 5.1 色彩再现理论基础 | 第70-81页 |
| 5.1.1 颜色感知 | 第70-73页 |
| 5.1.2 表色系统 | 第73-79页 |
| 5.1.3 色彩再现系统与面向色彩再现的多光谱图像压缩分析 | 第79-81页 |
| 5.2 色度误差评价准则及W矩阵的提出 | 第81-82页 |
| 5.2.1 以光谱误差为评价准则的图像压缩原理 | 第81页 |
| 5.2.2 色度误差评价准则及W的提出 | 第81-82页 |
| 5.3 面向色彩再现的WF系列编码方法 | 第82-83页 |
| 5.3.1 WF编码方法定义 | 第82-83页 |
| 5.3.2 几种低复杂度的WF系列算法 | 第83页 |
| 5.4 实验结果与分析 | 第83-89页 |
| 5.4.1 WF编码算法的色度重建有效性验证 | 第83-87页 |
| 5.4.2 WF编码算法的光谱重建性能 | 第87-89页 |
| 5.5 本章小结 | 第89-90页 |
| 第六章 基于复合变换的多光谱图像压缩方法 | 第90-106页 |
| 6.1 多光谱图像空间稀疏等价表示变换 | 第90-91页 |
| 6.2 多光谱图像空间稀疏等价表示的实现 | 第91-94页 |
| 6.2.1 以光谱均方误差为相似度的Optimal Leaders聚类 | 第92-93页 |
| 6.2.2 以色度误差为相似度的Optimal Leaders-Color聚类 | 第93-94页 |
| 6.3 基于复合变换的多光谱图像压缩方法设计 | 第94-97页 |
| 6.3.1 基于光谱聚类的多光谱图像复合压缩方法 | 第94-96页 |
| 6.3.2 基于色度聚类的多光谱图像复合压缩方法 | 第96-97页 |
| 6.4 实验结果与分析 | 第97-104页 |
| 6.4.1 OLP-X压缩方法有效性验证 | 第97-100页 |
| 6.4.2 OLCPW-X压缩方法有效性验证 | 第100-104页 |
| 6.5 本章小结 | 第104-106页 |
| 第七章 基于字典学习稀疏表示的多光谱图像压缩算法 | 第106-122页 |
| 7.1 引言 | 第106页 |
| 7.2 信号的稀疏表示 | 第106-107页 |
| 7.3 稀疏编码 | 第107-110页 |
| 7.3.1 MP算法 | 第108-109页 |
| 7.3.2 OMP算法 | 第109-110页 |
| 7.4 字典学习算法 | 第110-113页 |
| 7.4.1 K-SVD算法 | 第111-112页 |
| 7.4.2 MOD算法 | 第112-113页 |
| 7.5 基于字典学习的多光谱图像压缩算法设计 | 第113-114页 |
| 7.6 实验结果与分析 | 第114-119页 |
| 7.6.1 基于K-SVD超完备冗余字典和样本PCA字典的压缩算法性能对比 | 第114-118页 |
| 7.6.2 基于K-SVD字典学习与自适应PCA的压缩算法性能对比 | 第118-119页 |
| 7.7 基于字典学习压缩算法的扩展应用 | 第119页 |
| 7.8 本章小结 | 第119-122页 |
| 第八章 结论与展望 | 第122-126页 |
| 8.1 研究结论 | 第122-124页 |
| 8.2 研究展望 | 第124-126页 |
| 参考文献 | 第126-134页 |
| 致谢 | 第134-136页 |
| 作者简介 | 第136-137页 |
