基于在线字典学习的高光谱图像压缩技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景及研究的目的和意义 | 第9-12页 |
| 1.1.1 高光谱遥感技术 | 第9-11页 |
| 1.1.2 高光谱图像压缩的必要性 | 第11-12页 |
| 1.1.3 高光谱图像压缩的可行性 | 第12页 |
| 1.2 高光谱图像压缩技术相关理论及发展现状 | 第12-18页 |
| 1.2.1 基于预测编码技术的高光谱图像数据压缩 | 第14-15页 |
| 1.2.2 基于变换编码技术的高光谱图像压缩 | 第15-16页 |
| 1.2.3 基于矢量量化技术的高光谱图像压缩 | 第16-17页 |
| 1.2.4 高光谱图像的星上压缩 | 第17-18页 |
| 1.3 本文的主要研究内容 | 第18-19页 |
| 第2章 高光谱图像数据介绍及数据分析 | 第19-27页 |
| 2.1 高光谱图像数据介绍 | 第19-21页 |
| 2.1.1 高光谱图像空间和光谱数据 | 第19-20页 |
| 2.1.2 高光谱图像数据存储格式 | 第20-21页 |
| 2.2 高光谱图像相关性分析 | 第21-24页 |
| 2.2.1 高光谱图像空间相关性分析 | 第21-22页 |
| 2.2.2 高光谱图像谱间相关性分析 | 第22-24页 |
| 2.3 高光谱图像数据维度和信息量分析 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 高光谱图像数据去相关方法的探究 | 第27-33页 |
| 3.1 高光谱图像传统去相关技术的比较 | 第27-31页 |
| 3.1.1 高光谱图像去相关技术 | 第27-28页 |
| 3.1.2 高光谱图像去相关性能比较结果 | 第28-31页 |
| 3.2 基于聚类主成分分析的高光谱图像去相关技术 | 第31-33页 |
| 第4章 高光谱图像光谱曲线聚类算法探究 | 第33-39页 |
| 4.1 引言 | 第33页 |
| 4.2 基于高光谱图像数据特性的聚类 | 第33-37页 |
| 4.2.1 基于光谱特性的相似度矩阵构造 | 第33-34页 |
| 4.2.2 高光谱图像谱聚类算法 | 第34-37页 |
| 4.3 高光谱图像数据谱聚类实验结果 | 第37-39页 |
| 第5章 基于在线字典学习的高光谱图像压缩 | 第39-50页 |
| 5.1 引言 | 第39页 |
| 5.2 光谱曲线字典学习 | 第39-43页 |
| 5.3 基于在线字典的高光谱图像压缩方法 | 第43-50页 |
| 5.3.1 压缩方法流程 | 第43-47页 |
| 5.3.2 实验结果 | 第47-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-58页 |
| 致谢 | 第58-59页 |
