基于光谱特征的超光谱遥感图像压缩算法研究
| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题研究背景及研究意 | 第8-10页 |
| ·超光谱图像压缩进展综述 | 第10-15页 |
| ·基于预测技术的超光谱图像压缩 | 第11-13页 |
| ·基于变换技术的超光谱图像压缩 | 第13-14页 |
| ·基于矢量量化的超光谱图像压缩 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第2章 超光谱图像的数据特征 | 第16-31页 |
| ·引言 | 第16页 |
| ·超光谱图像与多光谱图像的区别 | 第16-18页 |
| ·超光谱图像的空间相关性 | 第18-23页 |
| ·超光谱图像的谱间相关性 | 第23-28页 |
| ·超光谱图像的数据维特性 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于SPIHT算法的图像编码方法 | 第31-43页 |
| ·引言 | 第31页 |
| ·嵌入零树小波EWZ编码 | 第31-32页 |
| ·多级树集合分裂SPIHT算法 | 第32-35页 |
| ·基于改进的SPIHT算法的遥感图像压缩 | 第35-42页 |
| ·基于提升小波的改进SPIHT算法 | 第36-38页 |
| ·重定义零树结构的SPIHT算法 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于预测树模型的超光谱图像无损压缩 | 第43-60页 |
| ·引言 | 第43-44页 |
| ·超光谱图像的谱内预测树模型 | 第44-46页 |
| ·超光谱图像的谱间预测算法 | 第46-52页 |
| ·单向自回归误差补偿预测树算法 | 第46-49页 |
| ·基于单向自回归误差补偿预测树算法的熵编码谱间 | 第49-50页 |
| ·实验结果 | 第50-52页 |
| ·基于双向波段预测的自回归误差补偿预测树算法 | 第52-59页 |
| ·双向多波段预测器 | 第52页 |
| ·双向自适应多波段误差补偿预测器 | 第52-55页 |
| ·双向自适应多波段误差补偿预测器熵编码方案 | 第55页 |
| ·实验结果 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 压缩传感理论在超光谱图像压缩中的应用 | 第60-77页 |
| ·引言 | 第60-61页 |
| ·压缩传感理论的理论框架 | 第61-64页 |
| ·信号的稀疏分解 | 第64-69页 |
| ·选择观测矩阵 | 第69-71页 |
| ·超光谱图像信号的重构 | 第71-73页 |
| ·实验结果 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第6章 总结 | 第77-79页 |
| 参考文献 | 第79-93页 |
| 攻读博士学位期间所发表的学术论文 | 第93-94页 |
| 致谢 | 第94-95页 |
| 摘要 | 第95-97页 |
| Abstract | 第97-99页 |
