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 高光譜遙感成像過程和基本概念
2.1.1 遙感成像過程
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性分析
2.3.2 高光譜遙感圖像譜間相關性分析
2.4 高光譜遙感的應用
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 標量量化
3.4.2 矢量量化
3.5 圖像壓縮標準
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 自適應波段重排
4.2 預測編碼
4.2.1 預測樹方法
4.2.2 最佳線性預測
4.2.3 非線性自適應預測
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 基于最佳線性預測的高光譜遙感圖像壓縮方法
5.1 基于多波段譜間預測的高光譜遙感圖像無損壓縮算法
5.1.1 譜間預測算法
5.1.2 系數(shù)矩陣的快速算法
5.1.3 壓縮編碼算法設計
5.1.4 實驗結果
5.2 基于最佳遞歸雙向預測的高光譜遙感圖像無損壓縮
5.2.1 光譜相關性分析
5.2.2 遞歸雙向預測模型
5.2.3 遞歸雙向預測系數(shù)
5.2.4 實驗結果
5.3 基于譜問預測和碼流預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譜間預測的SPIHT算法
5.3.3 實驗結果
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
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 正交小波的構造
6.3.3 緊支撐雙正交小波的構造
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