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

基于张量的高光谱遥感图像压缩研究

摘要第5-7页
Abstract第7-8页
第一章 绪论第9-15页
    1.1 研究背景第9-10页
    1.2 高光谱遥感图像压缩研究现状第10-13页
    1.3 论文主要工作和创新点第13页
    1.4 本文章节安排第13-15页
第二章 高光谱遥感图像传统压缩算法第15-31页
    2.1 高光谱遥感图像压缩算法概述第15页
    2.2 基于离散小波变换的压缩方法第15-22页
        2.2.1 离散小波变换及离散小波包变换第15-19页
        2.2.2 SPIHT第19-20页
        2.2.3 SPECK第20-22页
    2.3 基于主元分析结合JPEG2000的压缩方法第22-25页
        2.3.1 主元分析第22-23页
        2.3.2 JPEG2000第23-24页
        2.3.3 算法总结第24-25页
    2.4 基于离散小波变换结合非负Tucker分解的压缩方法第25-26页
        2.4.1 非负Tucker分解简介第25-26页
        2.4.2 算法总结第26页
    2.5 高光谱遥感图像压缩评价指标第26-29页
        2.5.1 信号噪声比第27页
        2.5.2 光谱角距离第27-28页
        2.5.3 地物分类分析第28页
        2.5.4 异常点检测第28-29页
    2.6 实验数据第29-30页
    2.7 本章小结第30-31页
第三章 基于Tucker分解以及小波包变换的高光谱遥感图像压缩第31-48页
    3.1 张量介绍以及Tucker分解第31-34页
    3.2 基于TD+WPT的高光谱遥感图像压缩第34-38页
        3.2.1 算法概述第34-35页
        3.2.2 算法流程第35-37页
        3.2.3 高阶主元数目选取第37-38页
    3.3 实验结果与分析第38-46页
        3.3.1 算法压缩表现第39-42页
        3.3.2 混合像元分解第42-43页
        3.3.3 地物分类分析第43-44页
        3.3.4 异常点检测结果第44-46页
    3.4 本章小结第46-48页
第四章 基于异常点移除的高光谱遥感图像的张量压缩第48-56页
    4.1 基于异常点移除压缩算法介绍第48-49页
    4.2 压缩算法流程第49-50页
    4.3 实验结果与分析第50-54页
        4.3.1 压缩信噪比第51页
        4.3.2 混合像元分解第51-53页
        4.3.3 地物分类分析第53页
        4.3.4 异常点检测结果第53-54页
    4.4 本章小结第54-56页
第五章 基于非负张量分解的高光谱遥感图像分块压缩第56-66页
    5.1 非负张量分解算法介绍第56-59页
    5.2 图像分块方法第59页
    5.3 压缩算法流程第59-60页
    5.4 实验结果与分析第60-65页
        5.4.1 压缩信噪比第60-63页
        5.4.2 混合像元分解第63页
        5.4.3 地物分类分析第63-64页
        5.4.4 异常点检测结果第64-65页
    5.5 本章小结第65-66页
第六章 总结与展望第66-68页
参考文献第68-74页
攻读硕士学位期间发表论文第74-75页
致谢第75-76页

论文共76页,点击 下载论文
上一篇:FPGA中多协议I/O接口电路的设计与测试
下一篇:可扩展64核处理器关键技术研究—单核、加速器架构及H.264解码器实现