高光譜遙感圖像數(shù)據(jù)壓縮

第1章 緒論
第2章 高光譜遙感圖像概述
2.1 高光譜遙感成像過(guò)程和基本概念
2.1.1 遙感成像過(guò)程
2.1.2 高光譜遙感的基本概念
2.2 高光譜遙感圖像的數(shù)據(jù)格式
2.3 高光譜遙感圖像分析
2.3.1 高光譜遙感圖像空間相關(guān)性分析
2.3.2 高光譜遙感圖像譜間相關(guān)性分析
2.4 高光譜遙感的應(yīng)用
第3章 數(shù)據(jù)壓縮基本理論
3.1 數(shù)據(jù)壓縮的基本概念
3.2 編碼模型
3.2.1 霍夫曼(Huffman)編碼
3.2.2 算術(shù)編碼
3.2.3 游程編碼
3.3 變換方法
3.3.1 K—L變換
3.3.2 離散余弦變換
3.3.3 小波變換
3.4 量化方法
3.4.1 標(biāo)量量化
3.4.2 矢量量化
3.5 圖像壓縮標(biāo)準(zhǔn)
3.5.1 JPEG
3.5.2 JPEG—LS
3.5.3 JPEG2000
第4章 高光譜遙感圖像壓縮編碼
4.1 波段排序
4.1.1 最小生成樹
4.1.2 基于最小生成樹的波段重排
4.1.3 自適應(yīng)波段重排
4.2 預(yù)測(cè)編碼
4.2.1 預(yù)測(cè)樹方法
4.2.2 最佳線性預(yù)測(cè)
4.2.3 非線性自適應(yīng)預(yù)測(cè)
4.3 變換編碼
4.3.1 3D—SPIHT算法
4.3.2 3D—SPECK算法
4.4 矢量量化編碼
4.4.1 基于矢量量化的壓縮算法
4.4.2 快速矢量量化壓縮算法
第5章 基于最佳線性預(yù)測(cè)的高光譜遙感圖像壓縮方法
5.1 基于多波段譜間預(yù)測(cè)的高光譜遙感圖像無(wú)損壓縮算法
5.1.1 譜間預(yù)測(cè)算法
5.1.2 系數(shù)矩陣的快速算法
5.1.3 壓縮編碼算法設(shè)計(jì)
5.1.4 實(shí)驗(yàn)結(jié)果
5.2 基于最佳遞歸雙向預(yù)測(cè)的高光譜遙感圖像無(wú)損壓縮
5.2.1 光譜相關(guān)性分析
5.2.2 遞歸雙向預(yù)測(cè)模型
5.2.3 遞歸雙向預(yù)測(cè)系數(shù)
5.2.4 實(shí)驗(yàn)結(jié)果
5.3 基于譜問(wèn)預(yù)測(cè)和碼流預(yù)分配的高光譜遙感圖像有損壓縮算法
5.3.1 各波段碼流分配
5.3.2 基于DPCM譜間預(yù)測(cè)的SPIHT算法
5.3.3 實(shí)驗(yàn)結(jié)果
第6章 基于多元小波的高光譜遙感圖像壓縮
6.1 多元小波概論
6.1.1 基本定義和符號(hào)
6.1.2 多元小波的MaIM算法
6.2 二元可分小波
6.2.1 一元小波的構(gòu)造
6.2.2 一元整數(shù)小波
6.2.3 二元可分小波
6.3 二元不可分小波
6.3.1 逼近階與光滑性
6.3.2 正交小波的構(gòu)造
6.3.3 緊支撐雙正交小波的構(gòu)造
6.3.4 例子
6.3.5 二元不可分小波的邊界延拓
6.4 梅花小波
6.4.1 梅花雙正交小波
6.4.2 基于梅花采樣的邊界延拓
6.5 基于多元小波的高光譜遙感圖像壓縮算法
6.5.1 基于小波變換的二維靜態(tài)圖像壓縮一
6.5.2 基于小波變換的高光譜遙感圖像壓縮
名詞索引
參考文獻(xiàn)