| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-29页 |
| 1.1 研究背景 | 第17-18页 |
| 1.1.1 遥感影像的特点 | 第17页 |
| 1.1.2 遥感影像大倍率压缩的必要性 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-24页 |
| 1.2.1 遥感影像压缩 | 第18-20页 |
| 1.2.2 深度学习 | 第20-24页 |
| 1.2.3 深度学习与影像压缩 | 第24页 |
| 1.3 研究目的与意义 | 第24-25页 |
| 1.4 论文架构与内容安排 | 第25-29页 |
| 第二章 基于稀疏栈式自编码器的大倍率遥感影像压缩 | 第29-51页 |
| 2.1 稀疏栈式自编码器 | 第29-34页 |
| 2.1.1 自编码器 | 第29-31页 |
| 2.1.2 栈式自编码器 | 第31-32页 |
| 2.1.3 稀疏栈式自编码器 | 第32-34页 |
| 2.2 基于稀疏栈式自编码器的遥感影像压缩方法 | 第34-39页 |
| 2.2.1 训练数据 | 第35-36页 |
| 2.2.2 损失函数 | 第36-37页 |
| 2.2.3 学习算法 | 第37-38页 |
| 2.2.4 量化与熵编码 | 第38-39页 |
| 2.3 实验结果与分析 | 第39-49页 |
| 2.3.1 实验环境与数据采样 | 第39-41页 |
| 2.3.2 实验设计与结果分析 | 第41-49页 |
| 2.4 本章小结 | 第49-51页 |
| 第三章 基于轻量级深度卷积网络的大倍率遥感影像压缩 | 第51-69页 |
| 3.1 卷积神经网络 | 第51-53页 |
| 3.1.1 卷积操作 | 第51-52页 |
| 3.1.2 反卷积操作 | 第52-53页 |
| 3.1.3 全连接操作 | 第53页 |
| 3.2 轻量级深度卷积神经网络 | 第53-56页 |
| 3.2.1 网络结构 | 第53-54页 |
| 3.2.2 学习算法 | 第54-55页 |
| 3.2.3 数据预处理 | 第55页 |
| 3.2.4 可视化 | 第55-56页 |
| 3.3 基于轻量级深度卷积网络的遥感影像大倍率压缩方法 | 第56-60页 |
| 3.3.1 编码器 | 第57页 |
| 3.3.2 二值器 | 第57-59页 |
| 3.3.3 解码器 | 第59-60页 |
| 3.4 实验结果与分析 | 第60-67页 |
| 3.4.1 实验环境与数据采样 | 第60-61页 |
| 3.4.2 实验设计与结果分析 | 第61-67页 |
| 3.5 本章小结 | 第67-69页 |
| 第四章 基于张量卷积深度神经网络的大倍率高光谱遥感影像压缩 | 第69-95页 |
| 4.1 高光谱遥感影像与压缩 | 第69-70页 |
| 4.1.1 高光谱简介 | 第69页 |
| 4.1.2 高光谱传统压缩技术简介 | 第69-70页 |
| 4.2 张量卷积深度神经网络 | 第70-75页 |
| 4.2.1 张量卷积 | 第70-72页 |
| 4.2.2 张量反卷积 | 第72页 |
| 4.2.3 网络结构 | 第72-73页 |
| 4.2.4 学习算法 | 第73-75页 |
| 4.3 基于张量卷积深度神经网络的高光谱遥感影像压缩方法 | 第75-76页 |
| 4.3.1 压缩架构 | 第75页 |
| 4.3.2 编码与解码 | 第75-76页 |
| 4.4 实验结果与分析 | 第76-93页 |
| 4.4.1 实验环境与数据采样 | 第76-77页 |
| 4.4.2 实验设计与结果分析 | 第77-93页 |
| 4.5 本章小结 | 第93-95页 |
| 第五章 总结与展望 | 第95-97页 |
| 5.1 总结 | 第95-96页 |
| 5.2 展望 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 致谢 | 第103-105页 |
| 作者简介 | 第105-106页 |
