基于小波变换与神经网络在遥感影像压缩中的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 遥感图像压缩的研究现状 | 第12页 |
| 1.2.2 基于小波的影像压缩研究现状 | 第12-14页 |
| 1.2.3 基于神经网络的影像压缩研究现状 | 第14-15页 |
| 1.3 主要研究内容与文章结构 | 第15-17页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 文章结构 | 第15-17页 |
| 第二章 遥感影像压缩技术 | 第17-27页 |
| 2.1 遥感影像压缩技术概述 | 第17-18页 |
| 2.2 常见的压缩编码 | 第18-22页 |
| 2.2.1 差分脉冲编码(DPCM编码) | 第19页 |
| 2.2.2 离散余弦变换编码 | 第19-20页 |
| 2.2.3 小波变换压缩编码 | 第20-22页 |
| 2.3 遥感影像特性分析 | 第22-24页 |
| 2.3.1 遥感影像构成分析 | 第22页 |
| 2.3.2 遥感影像相关性分析 | 第22-24页 |
| 2.4 遥感影像压缩质量评价 | 第24-27页 |
| 2.4.1 遥感影像压缩质量评价方法 | 第24-25页 |
| 2.4.2 主观评价准则 | 第25页 |
| 2.4.3 客观评价准则 | 第25-27页 |
| 第三章 小波变换及其应用 | 第27-48页 |
| 3.1 小波分析理论基础 | 第27-28页 |
| 3.1.1 连续小波变换 | 第27-28页 |
| 3.1.2 离散小波变换 | 第28页 |
| 3.2 多分辨率分析和Mallat算法 | 第28-33页 |
| 3.2.1 多分辨率分析 | 第28-30页 |
| 3.2.2 Mallat算法 | 第30-33页 |
| 3.3 小波变换的提升方案 | 第33-37页 |
| 3.3.1 提升小波变换的基本原理 | 第33-34页 |
| 3.3.2 离散小波变换的提升方案 | 第34-36页 |
| 3.3.3 边界处理 | 第36-37页 |
| 3.4 常用的几种小波基 | 第37-39页 |
| 3.5 小波变换在遥感影像压缩中的应用 | 第39-48页 |
| 3.5.1 嵌入式零树小波编码EZW | 第39-41页 |
| 3.5.2 SPIHT编码 | 第41-43页 |
| 3.5.3 实验结果与分析 | 第43-48页 |
| 第四章 基于BP神经网络的影像压缩 | 第48-56页 |
| 4.1 神经网络的发展 | 第48页 |
| 4.2 神经元模型 | 第48-49页 |
| 4.3 BP神经网络 | 第49-52页 |
| 4.3.1 BP网络结构 | 第49-50页 |
| 4.3.2 BP神经网络学习步骤 | 第50-51页 |
| 4.3.3 BP网络的设计方法 | 第51-52页 |
| 4.4 BP神经网络在遥感影像压缩中的应用 | 第52-56页 |
| 第五章 基于小波和神经网络结合的矢量量化压缩 | 第56-65页 |
| 5.1 小波分析与神经网络结合的理论途径与特点 | 第56-58页 |
| 5.1.1 小波分析与神经网络结合的途径 | 第56-57页 |
| 5.1.2 小波神经网络的特点 | 第57-58页 |
| 5.2 小波和神经网络的辅助式结合 | 第58-60页 |
| 5.2.1 神经网络的矢量量化压缩 | 第58-59页 |
| 5.2.2 小波与神经网络辅助结合 | 第59-60页 |
| 5.3 实验结果与分析 | 第60-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间的研究成果 | 第71-72页 |
