| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 图目录 | 第12-14页 |
| 表目录 | 第14-15页 |
| 缩略语和关键术语定义 | 第15-16页 |
| 第1章 绪论 | 第16-22页 |
| ·研究背景和意义 | 第16-17页 |
| ·研究历史和现状 | 第17-19页 |
| ·论文主要工作与内容安排 | 第19-22页 |
| 第2章 分布式编码基础知识 | 第22-38页 |
| ·引言 | 第22页 |
| ·分布式编码理论 | 第22-27页 |
| ·无损分布式编码理论-Slepian-Wolf理论 | 第22-25页 |
| ·有损分布式编码理论-Wyner-Ziv理论 | 第25-27页 |
| ·分布式编码理论的技术实现方案 | 第27-31页 |
| ·Slepian-Wolf编码框架 | 第27-29页 |
| ·Wyner-Ziv 编码框架 | 第29-30页 |
| ·编码框架相关技术总结 | 第30-31页 |
| ·分布式编码的应用 | 第31-38页 |
| ·传感器网络 | 第31-32页 |
| ·视频编码 | 第32-34页 |
| ·图像编码 | 第34-38页 |
| 第3章 高光谱图像的分布式无损编码 | 第38-66页 |
| ·引言 | 第38页 |
| ·高光谱图像基础知识 | 第38-42页 |
| ·高光谱图像成像技术 | 第38-40页 |
| ·高光谱图像特点与优势 | 第40-42页 |
| ·高光谱图像无损编码的研究现状及不足 | 第42-46页 |
| ·基于变换的研究方案 | 第43-44页 |
| ·基于编码端谱间预测的框架 | 第44-45页 |
| ·最优化方案 | 第45页 |
| ·分布式编码方案 | 第45-46页 |
| ·所提分布式高光谱图像无损编码技术方案 | 第46-57页 |
| ·整体分布式编码框架 | 第46-47页 |
| ·渐进传输特性 | 第47-49页 |
| ·图像分割技术 | 第49-53页 |
| ·基于区域的自适应预测技术 | 第53-55页 |
| ·参考频段自适应选择技术 | 第55页 |
| ·MRF与LDPC解码结合 | 第55-57页 |
| ·实验结果与分析 | 第57-64页 |
| ·渐进性的验证 | 第58-60页 |
| ·基于区域自适应预测技术性能 | 第60-61页 |
| ·MRF 性能 | 第61页 |
| ·整体算法压缩性能与复杂度 | 第61-64页 |
| ·本章小结 | 第64-66页 |
| 第4章 基于行的多视角遥感图像分布式无损编码 | 第66-80页 |
| ·引言 | 第66页 |
| ·多视角图像编码研究现状 | 第66-70页 |
| ·基于行的分布式编码方案 | 第70-76页 |
| ·整体编码框架 | 第71-72页 |
| ·编码端技术流程 | 第71-72页 |
| ·解码端技术流程 | 第72页 |
| ·边信息生成技术 | 第72-76页 |
| ·基于行预测的自适应滤波器设计 | 第73-75页 |
| ·视角间模板匹配技术 | 第75-76页 |
| ·实验结果 | 第76-78页 |
| ·本章小结 | 第78-80页 |
| 第5章 基于云的大数据图像的分布式编码方案 | 第80-98页 |
| ·引言 | 第80页 |
| ·大数据与云计算 | 第80-82页 |
| ·基于云的图像视频处理研究现状 | 第82-86页 |
| ·基于云的大数据图像编码 | 第86-90页 |
| ·整体分布式编码框架 | 第86-87页 |
| ·上下采样滤波器设计 | 第87-90页 |
| ·下采样滤波器 | 第87-89页 |
| ·上采样滤波器 | 第89-90页 |
| ·边信息生成技术 | 第90页 |
| ·实验结果 | 第90-95页 |
| ·上下采样滤波器组合实验结果 | 第91-93页 |
| ·边信息质量对编码性能影响 | 第93-95页 |
| ·整体编码框架实验结果 | 第95页 |
| ·本章小结 | 第95-98页 |
| 第6章 结束语 | 第98-102页 |
| ·论文总结 | 第98-100页 |
| ·工作展望 | 第100-102页 |
| 参考文献 | 第102-112页 |
| 致谢 | 第112-114页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第114-115页 |