首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于多元回归预测的高光谱图像无损压缩

摘要第1-5页
Abstract第5-10页
第一章 绪论第10-14页
   ·课题背景及研究意义第10-11页
     ·研究背景第10-11页
     ·研究意义第11页
   ·高光谱图像压缩研究现状第11-12页
   ·论文的主要工作及内容安排第12-14页
第二章 基于预测的高光谱图像无损压缩理论基础第14-20页
   ·高光谱图像简介第14-18页
     ·高光谱图像空间相关性第15页
     ·高光谱图像谱间相关性第15-18页
   ·无损压缩方法第18-19页
   ·基于预测的压缩方法第19页
   ·本章小结第19-20页
第三章 基于聚类的多元回归预测(C-DPCM)算法第20-34页
   ·K-means 聚类第20-21页
   ·线性回归预测法第21-24页
     ·一元线性回归预测法第21-22页
     ·多元线性回归预测法第22-24页
   ·基于聚类的多元回归预测(C-DPCM)算法第24-26页
     ·回归预测的聚类预处理第24-26页
     ·高光谱图像的多元回归预测编码第26页
   ·实验结果与分析第26-32页
     ·预测阶数对压缩效果的影响第28-29页
     ·聚类数目对压缩效果的影响第29-30页
     ·最终结果与分析第30-32页
   ·本章小结第32-34页
第四章 基于阈值去除局部异常谱线的 C-DPCM 算法第34-42页
   ·局部异常谱线的定义和影响第34-35页
   ·阈值去除局部异常谱线方法第35-37页
   ·基于阈值去除局部异常谱线的 C-DPCM 算法第37页
   ·实验结果与分析第37-40页
     ·阈值设置对压缩效果的影响第37-38页
     ·最终结果与分析第38-40页
   ·本章小结第40-42页
第五章 基于自适应去除局部异常谱线的 C-DPCM 算法第42-54页
   ·自适应判断局部异常谱线方法第42-44页
   ·边信息特殊处理方法第44-46页
   ·基于自适应去除局部异常谱线的 C-DPCM 算法第46-47页
   ·实验结果与分析第47-53页
     ·边信息对压缩效果的影响第47-48页
     ·预测阶数对压缩效果的影响第48-49页
     ·最终结果与分析第49-53页
   ·本章小结第53-54页
第六章 总结与展望第54-56页
   ·总结第54-55页
   ·展望第55-56页
致谢第56-58页
参考文献第58-62页
攻读硕士期间参加的科研项目第62-64页
硕士期间完成的学术成果第64-65页

论文共65页,点击 下载论文
上一篇:基于粒子群和互信息的高光谱图像波段选择和分类
下一篇:位移传感器车间生产执行系统的开发