文摘
英文文摘
图表清单
注释表
第一章 绪论
1.1 课题研究背景和意义
1.2 课题国内外研究概况
1.3 本文的章节安排和主要创新点
1.3.1 本文章节安排
1.3.2 本文的主要创新点
第二章 小波和Contourlet变换的基本理论
2.1 小波变换
2.1.1 连续小波变换和离散小波变换
2.1.2 多分辨率分析和Mallat算法
2.2 Contourlet变换
2.2.1 Contourlet变换概述
2.2.2 塔形方向滤波器组PDFB
2.2.3 图像的Contourlet变换
2.3 本章小结
第三章 基于Contourlet变换的图像分形压缩
3.1 图像分形压缩介绍
3.1.1 IFS系统
3.1.2 PIFS系统
3.1.3 图像分形压缩的实现
3.2 Contourlet变换系数的统计特性
3.3 基于粒子群和K-均值聚类的图像分形压缩算法
3.3.1 K-均值聚类算法
3.3.2 粒子群算法
3.3.3 基于粒子群的聚类优化算法
3.3.4 算法步骤
3.4 基于免疫粒子群和K-均值聚类的Contourlet域图像分形压缩算法
3.4.1 免疫粒子群算法
3.4.2 基于免疫粒子群的K-聚类优化算法
3.4.3 算法步骤
3.5 实验结果及算法性能比较
3.6 本章小结
第四章 基于Krawchouk矩不变量的多光谱遥感图像分形压缩
4.1 多光谱遥感图像特性分析
4.2 多光谱遥感图像空域Contourlet变换后数据特性
4.3 Krawtchouk矩和Krawtchouk矩不变量
4.4 基于Krawtchouk矩不变量的多光谱遥感图像分形压缩算法
4.5 基于Krawtchouk矩不变量和Contourlet变换的多光谱遥感图像分形压缩算法
4.5.1 模糊C-均值聚类算法
4.5.2 算法步骤
4.6 实验结果及算法性能比较
4.7 本章小结
第五章 基于Contourlet变换的多光谱遥感图像分形压缩
5.1 空域Contourlet-时域小波变换和重构方法
5.2 基于核模糊聚类的Contourlet域多光谱遥感图像分形压缩算法
5.2.1 三维谱像数据的矢量构成
5.2.2 核模糊聚类算法
5.2.3 算法步骤
5.3 基于改进粒子群核模糊聚类的Contourlet域多光谱遥感图像分形压缩算法
5.3.1 改进的带极值扰动的简化粒子群优化算法
5.3.2 基于改进的带极值扰动的简化粒子群优化的核模糊聚类算法
5.3.3 算法步骤
5.4 实验结果及算法性能比较
5.5 本章小结
第六章 基于支持向量回归的Contourlet域多光谱遥感图像分形压缩
6.1 支持向量机
6.1.1 支持向量机原理
6.1.2 支持向量回归
6.2 支持向量回归逼近Contourlet系数和分形编码
6.3 利用粒子群优化核参数和惩罚因子
6.4 算法步骤
6.5 实验结果及算法性能比较
6.6 本章小结
第七章 总结与展望
7.1 本文的主要工作
7.2 进一步的研究工作
参考文献
致谢
在学期间的研究成果及发表的学术论文