| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 图目录 | 第12-14页 |
| 表目录 | 第14-15页 |
| 第1章 绪论 | 第15-31页 |
| ·课题背景 | 第15-22页 |
| ·SAR技术简介 | 第15-19页 |
| ·SAR图像压缩研究意义 | 第19-22页 |
| ·SAR图像压缩技术发展概述 | 第22-25页 |
| ·基于矢量量化的SAR图像压缩算法 | 第22页 |
| ·基于小波变换的SAR图像压缩算法 | 第22-23页 |
| ·基于方向小波变换的SAR图像压缩算法 | 第23-24页 |
| ·SAR图像压缩发展趋势 | 第24-25页 |
| ·论文研究内容与结构安排 | 第25-31页 |
| ·论文的主要研究内容 | 第25-28页 |
| ·论文结构及创新性说明 | 第28-31页 |
| 第2章 稀疏表示模型 | 第31-43页 |
| ·引言 | 第31页 |
| ·稀疏表示理论 | 第31-34页 |
| ·稀疏编码方法 | 第34-39页 |
| ·基追踪算法 | 第35-36页 |
| ·迭代权值最小二乘算法 | 第36-37页 |
| ·匹配追踪算法 | 第37-38页 |
| ·正交匹配追踪算法 | 第38-39页 |
| ·字典学习方法 | 第39-42页 |
| ·最优方向算法 | 第39-40页 |
| ·K-奇异值分解算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 基于熵限制字典学习的SAR图像高效压缩方法 | 第43-57页 |
| ·引言 | 第43页 |
| ·基于字典学习的基本压缩框架 | 第43-46页 |
| ·熵限制字典学习与稀疏表示 | 第46-50页 |
| ·熵限制字典学习算法 | 第46-49页 |
| ·熵限制正交匹配追踪算法 | 第49-50页 |
| ·基于熵限制字典学习的SAR图像压缩 | 第50-54页 |
| ·压缩框架描述 | 第50-51页 |
| ·实验结果及分析 | 第51-54页 |
| ·本章小结 | 第54-57页 |
| 第4章 基于多尺度字典学习的目标保真SAR图像压缩方法 | 第57-73页 |
| ·引言 | 第57-58页 |
| ·SAR图像多尺度分析技术 | 第58-63页 |
| ·图像四叉树分解方法 | 第58-59页 |
| ·基于斑点噪声的SAR图像分解方法 | 第59-63页 |
| ·多尺度字典学习与稀疏表示 | 第63-66页 |
| ·SAR图像多尺度字典学习算法 | 第63-65页 |
| ·SAR图像多尺度稀疏分解算法 | 第65-66页 |
| ·基于多尺度字典学习的目标保真SAR图像压缩 | 第66-70页 |
| ·压缩框架描述 | 第66-67页 |
| ·实验结果及分析 | 第67-70页 |
| ·本章小结 | 第70-73页 |
| 第5章 基于双稀疏字典学习的SAR图像嵌入式压缩方法 | 第73-89页 |
| ·引言 | 第73页 |
| ·图像嵌入式编码方法 | 第73-75页 |
| ·嵌入式编码概述 | 第73-74页 |
| ·基于小波变换的嵌入式编码 | 第74-75页 |
| ·双稀疏字典学习与稀疏表示 | 第75-82页 |
| ·双稀疏字典学习算法 | 第75-78页 |
| ·双稀疏字典原子结构分析 | 第78-82页 |
| ·基于双稀疏字典学习的SAR图像嵌入式编码 | 第82-87页 |
| ·编码方法描述 | 第82-85页 |
| ·实验结果及分析 | 第85-87页 |
| ·本章小结 | 第87-89页 |
| 第6章 基于在线字典学习的自适应SAR图像压缩方法 | 第89-101页 |
| ·引言 | 第89页 |
| ·在线字典学习的必要性 | 第89-90页 |
| ·迭代最小二乘在线字典学习算法 | 第90-92页 |
| ·基于在线字典学习的自适应SAR图像压缩 | 第92-98页 |
| ·压缩框架描述 | 第93-96页 |
| ·实验结果及分析 | 第96-98页 |
| ·本章小结 | 第98-101页 |
| 第7章 总结与展望 | 第101-105页 |
| ·研究工作总结 | 第101-102页 |
| ·研究内容展望 | 第102-105页 |
| 参考文献 | 第105-115页 |
| 致谢 | 第115-117页 |
| 攻读学位期间研究成果 | 第117-119页 |
| 参加的科研项目与获奖情况 | 第119页 |
