| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 合成孔径雷达简介 | 第9-10页 |
| 1.2 合成孔径雷达的发展 | 第10-13页 |
| 1.2.1 国外的发展 | 第10-11页 |
| 1.2.2 国内的发展 | 第11-13页 |
| 1.3 课题研究的背景 | 第13-14页 |
| 1.4 国内外研究进展 | 第14-19页 |
| 1.4.1 SAR 原始数据压缩研究进展 | 第14-17页 |
| 1.4.2 SAR 图像数据压缩研究进展 | 第17-19页 |
| 第二章 合成孔径雷达数据统计模型 | 第19-23页 |
| 2.1 单视SAR 图像统计模型 | 第19-21页 |
| 2.2 多视SAR 图像统计模型 | 第21页 |
| 2.3 相干斑点噪声模型 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 数据压缩理论基础 | 第23-31页 |
| 3.1 信息论基础 | 第23-25页 |
| 3.1.1 熵的定义 | 第23-24页 |
| 3.1.2 率失真理论 | 第24-25页 |
| 3.2 量化 | 第25-28页 |
| 3.2.1 最优均匀量化 | 第26-27页 |
| 3.2.2 最优非均匀量化 | 第27-28页 |
| 3.3 熵编码 | 第28-30页 |
| 3.3.1 Huffman 编码 | 第28-29页 |
| 3.3.2 算术编码 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于统计域ROI 选取的SAR 图像数据压缩 | 第31-45页 |
| 4.1 JPEG2000 中的ROI 应用 | 第31-33页 |
| 4.1.1 JPEG2000 | 第31-32页 |
| 4.1.2 JPEG2000 中的ROI 技术 | 第32-33页 |
| 4.2 统计域ROI 算法描述和实现 | 第33-38页 |
| 4.2.1 算法设计 | 第33-35页 |
| 4.2.2 量化 | 第35-37页 |
| 4.2.3 编码 | 第37-38页 |
| 4.3 实验结果 | 第38-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于压缩感知的SAR 图像数据压缩 | 第45-63页 |
| 5.1 压缩感知理论和算法 | 第45-53页 |
| 5.1.1 信号的稀疏表示 | 第45-47页 |
| 5.1.2 压缩感知 | 第47-48页 |
| 5.1.3 测量矩阵 | 第48-50页 |
| 5.1.4 信号重构 | 第50-52页 |
| 5.1.4.1 最小范数法 | 第50页 |
| 5.1.4.2 匹配追踪算法 | 第50-52页 |
| 5.1.4.3 最小全变分法 | 第52页 |
| 5.1.4.4 迭代阈值法 | 第52页 |
| 5.1.5 小结 | 第52-53页 |
| 5.2 压缩感知理论在SAR 图像压缩中的应用 | 第53-61页 |
| 5.2.1 压缩感知测量、恢复SAR 图像 | 第55-56页 |
| 5.2.2 时频域压缩 | 第56-61页 |
| 5.2.2.1 时域压缩 | 第56-60页 |
| 5.2.2.2 频域压缩 | 第60-61页 |
| 5.3 稀疏性研究 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 主要结论 | 第63-64页 |
| 6.2 研究愿望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已发表或录用的论文 | 第72页 |