| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-20页 |
| 1.1 研究背景及意义 | 第7-11页 |
| 1.2 压缩技术的发展现状 | 第11-18页 |
| 1.2.1 预测-熵编码模式 | 第11-12页 |
| 1.2.2 变换编码模式 | 第12-14页 |
| 1.2.3 矢量量化编码模式 | 第14-15页 |
| 1.2.4 矢量量化算法的改进 | 第15-18页 |
| 1.3 本硕士学位论文的主要研究内容 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 第2章 高光谱图像分析及压缩性能指标 | 第20-33页 |
| 2.1 高光谱图像简介 | 第20-21页 |
| 2.2 矢量量化简介 | 第21-24页 |
| 2.2.1 高光谱图像的矢量量化 | 第21-22页 |
| 2.2.2 LBG矢量量化算法 | 第22-24页 |
| 2.3 高光谱图像的数据分析 | 第24-29页 |
| 2.3.1 空间相关性 | 第24-26页 |
| 2.3.2 谱间相关性 | 第26-29页 |
| 2.4 压缩性能评估指标 | 第29-32页 |
| 2.4.1 压缩质量 | 第29-31页 |
| 2.4.2 压缩能力 | 第31页 |
| 2.4.3 压缩速度 | 第31-32页 |
| 2.4.4 算法复杂度 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于异常检测的高光谱图像矢量量化快速压缩算法 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 异常像素检测 | 第33-34页 |
| 3.3 本章算法 | 第34-39页 |
| 3.3.1 主成分分析（PCA） | 第34-36页 |
| 3.3.2 基于主成分分析（PCA）的异常像素检测算法 | 第36-39页 |
| 3.4 实验结果与性能分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 一种基于图像分类的高光谱图像矢量量化压缩算法 | 第44-57页 |
| 4.1 引言 | 第44页 |
| 4.2 波段聚类 | 第44-47页 |
| 4.2.1 最大相关度波段聚类算法(MCBC) | 第44-47页 |
| 4.2.2 PCA对图像的特征提取 | 第47页 |
| 4.3 CSSP图像分类算法 | 第47-50页 |
| 4.4 本章算法流程 | 第50-52页 |
| 4.5 仿真结果及性能分析 | 第52-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 附录A 等式(4.20)的计算过程 | 第65-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第67页 |
