小波支持向量机在遥感图像压缩中的应用
| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-15页 |
| ·研究背景及意义 | 第6-7页 |
| ·小波图像压缩的研究进展 | 第7-10页 |
| ·提高变换性能的压缩方法 | 第7-9页 |
| ·有效编码小波系数的压缩方法 | 第9-10页 |
| ·支持向量机研究进展 | 第10-13页 |
| ·支持向量机与统计学习理论 | 第10-12页 |
| ·支持向量机回归方法研究进展 | 第12-13页 |
| ·本文的研究内容及章节安排 | 第13-15页 |
| 第二章 小波支持向量机回归的机理 | 第15-30页 |
| ·引言 | 第15页 |
| ·支持向量机回归建模 | 第15-23页 |
| ·支持向量机模型 | 第15-20页 |
| ·支持向量机回归 | 第20-21页 |
| ·仿真实例分析 | 第21-23页 |
| ·小波支持向量机(WSVM)回归模型 | 第23-29页 |
| ·小波框架核函数 | 第23-25页 |
| ·WSVM 的模型与结构 | 第25-26页 |
| ·WSVM 的算法设计 | 第26-27页 |
| ·实验结果分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 遥感图像特征分析 | 第30-36页 |
| ·引言 | 第30页 |
| ·图像能量分布特征 | 第30-35页 |
| ·图像在不同小波基下的能量分布 | 第31-34页 |
| ·图像在同一小波基下的能量分布 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 适合压缩的小波系数组织方式 | 第36-39页 |
| ·引言 | 第36页 |
| ·小波变换与系数生成 | 第36-37页 |
| ·小波系数的组织方式 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于小波支持向量机的系数压缩 | 第39-44页 |
| ·引言 | 第39页 |
| ·基于WSVM 的小波系数压缩 | 第39-41页 |
| ·小波系数的压缩 | 第39-41页 |
| ·支持向量与权重的编码 | 第41页 |
| ·压缩算法的设计 | 第41-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 结论与展望 | 第44-46页 |
| ·本文工作总结 | 第44-45页 |
| ·进一步的研究方向 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 发表论文和科研情况说明 | 第49-50页 |
| 致谢 | 第50页 |
