| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 本文的研究内容及结构 | 第10-13页 |
| 1.2.1 本文的研究内容 | 第10-12页 |
| 1.2.2 本文的结构 | 第12-13页 |
| 2 高光谱遥感图像编解码概述 | 第13-28页 |
| 2.1 高光谱遥感图像概述 | 第13-16页 |
| 2.1.1 高光谱遥感影像的成像原理 | 第13页 |
| 2.1.2 高光谱遥感概念及其数学表示 | 第13-16页 |
| 2.2 高光谱遥感影像空间和谱间相关性分析 | 第16-18页 |
| 2.3 高光谱遥感图像压缩的研究现状 | 第18-22页 |
| 2.3.1 基于预测的方法 | 第18-20页 |
| 2.3.2 基于变换的方法 | 第20-21页 |
| 2.3.3 基于矢量量化的压缩方法 | 第21-22页 |
| 2.4 压缩感知国内外研究现状 | 第22-25页 |
| 2.4.1 图像稀疏表示的研究现状 | 第22-23页 |
| 2.4.2 随机投影的研究现状 | 第23-24页 |
| 2.4.3 压缩感知恢复算法的研究现状 | 第24-25页 |
| 2.5 图像编码质量的评价 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 压缩感知的基本理论 | 第28-31页 |
| 3.1 压缩感知含义 | 第28-29页 |
| 3.2 信号的稀疏表示 | 第29页 |
| 3.3 观测矩阵的设计 | 第29-30页 |
| 3.4 信号恢复算法 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于谱间和帧内协同稀疏的高光谱图像压缩感知模型 | 第31-47页 |
| 4.1 引言 | 第31-32页 |
| 4.2 压缩感知理论及协同稀疏测量模型 | 第32-35页 |
| 4.2.1 压缩感知的基本数学模型 | 第32-34页 |
| 4.2.2 协同稀疏测量模型 | 第34-35页 |
| 4.3 基于谱间和帧内高光谱图像协同稀疏模型 | 第35-39页 |
| 4.3.1 观测向量初始化高光谱图像的分组 | 第35-36页 |
| 4.3.2 模型的提出 | 第36页 |
| 4.3.3 模型的数值计算 | 第36-38页 |
| 4.3.4 权重系数的自适应计算方法 | 第38-39页 |
| 4.4 基于HICoSM模型的高光谱影像CS算法实现 | 第39页 |
| 4.5 实验与分析 | 第39-46页 |
| 4.6 总结 | 第46-47页 |
| 5 基于HICoSM和 3DTV模型的高光谱影像压缩感知恢复算法 | 第47-60页 |
| 5.1 引言 | 第47-48页 |
| 5.2 压缩感知数学模型及高光谱影像谱间相关性分析 | 第48-50页 |
| 5.2.1 压缩感知数学模型 | 第48-49页 |
| 5.2.2 高光谱遥感影像谱间相关性分析 | 第49-50页 |
| 5.3 协同稀疏模型和三维TV模型 | 第50-51页 |
| 5.3.1 协同稀疏模型 | 第50页 |
| 5.3.2 三维TV模型 | 第50-51页 |
| 5.4 基于HICoSM和 3DTV模型的高光谱影像压缩感知模型 | 第51-55页 |
| 5.4.1 模型的提出 | 第51-53页 |
| 5.4.2 模型的数值分析 | 第53-54页 |
| 5.4.3 算法的实现过程 | 第54-55页 |
| 5.5 实验与分析 | 第55-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71页 |
