| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·高光谱图像特点及压缩的目的 | 第8页 |
| ·国内外研究现状 | 第8-12页 |
| ·基于预测的编码方法 | 第9页 |
| ·基于变换的编码方法 | 第9-11页 |
| ·基于矢量量化的编码方法 | 第11-12页 |
| ·压缩技术的分类 | 第12-13页 |
| ·本文的研究目的及主要内容 | 第13-16页 |
| 第二章 基于分布式信源编码理论(DSC)的高光谱图像无损压缩 | 第16-32页 |
| ·分布式信源编码理论 | 第17-18页 |
| ·2D-CALIC上下文预测模型 | 第18-21页 |
| ·梯度自适应预测器(GAP) | 第19-20页 |
| ·预测残差的位平面分解 | 第20-21页 |
| ·DISCUS及LDPC用于分布式信源编码 | 第21-28页 |
| ·LDPC在DSC下的编解码 | 第22-26页 |
| ·非均匀信源在DSC中的LDPCA编解码 | 第26-28页 |
| ·实验结果及其分析 | 第28-32页 |
| 第三章 分布式算术编码及高光谱图像在SPECK下的有损压缩 | 第32-50页 |
| ·分布式算术编码理论及其编解码原理 | 第32-37页 |
| ·传统的算术编码及其原理 | 第32-33页 |
| ·分布式算术编码 | 第33-35页 |
| ·分布式算术解码 | 第35-36页 |
| ·自适应分布式算术解码 | 第36-37页 |
| ·自适应分布式算术编码用于高光谱图像的有损压缩 | 第37-45页 |
| ·小波变换及其提升小波 | 第38-41页 |
| ·嵌入位平面编码 | 第41-43页 |
| ·分层树集合块分裂排序SPECK编码算法 | 第43-44页 |
| ·分布式算术编码用于高光谱图像在SPECK位平面下的编码 | 第44-45页 |
| ·分布式算术编码用于高光谱图像的有损压缩结果 | 第45-50页 |
| ·分布式算术编码用于高光谱图像的有损压缩结果 | 第46-49页 |
| ·实验结果与性能分析 | 第49-50页 |
| 第四章 基于上下文的高动态算术编码和高光谱图像的近无损压缩 | 第50-60页 |
| ·基于上下文模型的高动态算术编码 | 第50-54页 |
| ·基于上下文算术编码的连续模型 | 第51-52页 |
| ·基于上下文算术编码的二进制模型 | 第52-53页 |
| ·高动态范围(HDR)数据编解码 | 第53-54页 |
| ·高光谱图像的无损/近无损压缩 | 第54-60页 |
| ·高光谱图像数据的量化 | 第54-55页 |
| ·高光谱图像的无损/近无损压缩结果 | 第55-60页 |
| 第五章 中国黄河站32位三维极光图像的无损压缩 | 第60-72页 |
| ·三维极光图像 | 第60-61页 |
| ·极光的产生与分类 | 第60-61页 |
| ·极光的特点 | 第61页 |
| ·三维极光图像的无损压缩 | 第61-67页 |
| ·帧内/帧间的自适应预测方法 | 第62-63页 |
| ·LOCO-I帧内预测方法 | 第63页 |
| ·一级查找表LUT(Lookup table)预测方法 | 第63-64页 |
| ·多级查找表LAIS-LUT预测方法 | 第64-65页 |
| ·线性回归预测方法(Regression prediction) | 第65-67页 |
| ·三维极光图像的无损压缩结果 | 第67-72页 |
| ·三维极光图像的无损压缩结果 | 第67-69页 |
| ·实验结果与性能分析 | 第69-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·总结 | 第72页 |
| ·展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-84页 |
| 硕士期间成果 | 第84页 |
