| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题研究背景 | 第15页 |
| 1.2 研究目的与方法 | 第15-16页 |
| 1.3 论文的主要工作及内容安排 | 第16-19页 |
| 第二章 多尺度分解及其在SAR图像压缩中的应用 | 第19-29页 |
| 2.1 图像压缩简介 | 第19-21页 |
| 2.1.1 图像压缩原理 | 第19页 |
| 2.1.2 SAR原始数据压缩方法简介 | 第19-20页 |
| 2.1.3 SAR图像无损压缩方法简介 | 第20-21页 |
| 2.2 多尺度分解理论 | 第21-25页 |
| 2.2.1 小波变换与多级树集合分裂算法 | 第21-24页 |
| 2.2.2 多尺度几何分析方法 | 第24-25页 |
| 2.3 基于多尺度分解的SAR图像压缩方法 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 稀疏表示与字典学习及其在SAR图像压缩中的应用 | 第29-41页 |
| 3.1 稀疏表示与字典学习理论 | 第29-30页 |
| 3.2 稀疏表示算法 | 第30-34页 |
| 3.2.1 MP算法 | 第31-33页 |
| 3.2.2 CCSR算法 | 第33-34页 |
| 3.3 字典学习方法 | 第34-38页 |
| 3.3.1 在线字典学习方法 | 第35-36页 |
| 3.3.2 双重稀疏方法 | 第36-38页 |
| 3.4 基于稀疏表示与字典学习的SAR图像压缩 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于图像相似性的极化SAR图像压缩 | 第41-55页 |
| 4.1 图像的相似性准则 | 第41-42页 |
| 4.2 基于图像相似性的极化SAR图像压缩 | 第42-46页 |
| 4.2.1 非对称三维小波变换 | 第42-44页 |
| 4.2.2 K-SVD方法 | 第44-45页 |
| 4.2.3 基于图像相似性的极化SAR图像压缩 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-53页 |
| 4.3.1 评价指标 | 第46-47页 |
| 4.3.2 实验结果与分析 | 第47-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 基于多方向RLS-DLA的极化SAR图像压缩 | 第55-67页 |
| 5.1 RLS-DLA | 第55-58页 |
| 5.2 基于多方向RLS-DLA的极化SAR图像压缩 | 第58-60页 |
| 5.2.1 多方向字典学习 | 第58-59页 |
| 5.2.2 基于多方向RLS-DLA的极化SAR图像压缩 | 第59-60页 |
| 5.3 实验结果与分析 | 第60-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
