小波支持向量机在遥感图像压缩中的应用

摘要

高分辨率遥感图像的高倍压缩是当今世界军事大国亟待解决的重要军事技术问题，对有效利用空间信息有重要影响。当前的压缩方法尚不能满足高分辨率遥感图像的压缩需求，因此针对高分辨率遥感图像的特征，研究压缩比高、恢复图像质量好的自适应高倍压缩技术是一项非常重要的工作。 本文在分析高分辨率遥感图像特征基础上，提出了一种结合小波支持向量机(WSVM)回归与小波变换的新的遥感图像压缩方法。WSVM回归方法可以学习原始数据之间的相关性，并采用小部分训练样本，即支持向量来稀疏表示原始数据集，利用这一特性来逼近和约减小波系数，可以达到数据压缩的效果。首先采用小波变换把原始图像分解成不同尺度的多个子带，由于最低频子带系数非常重要，采用DPCM直接编码，然后对其它频带系数采用WSVM回归进行压缩。由于不同尺度和方向的小波系数特征不同，为尽可能去除小波系数间的各种相关性，给出了适合WSVM回归的小波系数的有效组织方式。最后研究了支持向量及其相应权重的混合编码方法。实验结果表明，与同类压缩方法相比，本算法获得的恢复图像的主客观质量有明显提高。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景及意义

1.2小波图像压缩的研究进展

1.2.1提高变换性能的压缩方法

1.2.2有效编码小波系数的压缩方法

1.3支持向量机研究进展

1.3.1支持向量机与统计学习理论

1.3.2支持向量机回归方法研究进展

1.4本文的研究内容及章节安排

第二章小波支持向量机回归的机理

2.1引言

2.2支持向量机回归建模

2.2.1支持向量机模型

2.2.2支持向量机回归

2.2.3仿真实例分析

2.3小波支持向量机(WSVM)回归模型

2.3.1小波框架核函数

2.3.2WSVM的模型与结构

2.3.3WSVM的算法设计

2.3.4实验结果分析

2.4本章小结

第三章遥感图像特征分析

3.1引言

3.2图像能量分布特征

3.2.1图像在不同小波基下的能量分布

3.2.2图像在同一小波基下的能量分布

3.3本章小结

第四章适合压缩的小波系数组织方式

4.1引言

4.2小波变换与系数生成

4.3小波系数的组织方式

4.4本章小结

第五章基于小波支持向量机的系数压缩

5.1引言

5.2基于WSVM的小波系数压缩

5.2.1小波系数的压缩

5.2.2支持向量与权重的编码

5.3压缩算法的设计

5.4实验结果与分析

5.5本章小结

第六章结论与展望

6.1本文工作总结

6.2进一步的研究方向

参考文献

发表论文和科研情况说明

致 谢