一、基于小波变换的遥感影像压缩编码（论文文献综述）
辛蕾,李峰,鲁啸天,赵智祎,赵纪金[1]（2021）在《面向光学遥感影像的高效编码与重构》文中研究表明为了降低大面阵相机所面临的数据采集与传输压力,借鉴压缩感知理论,提出一种光学遥感影像高效编码与重构方法。首先,构建了空域与感知域联合的多域联合感知矩阵,在采样的同时实现压缩,获取多重压缩域信息。然后,面向多域压缩信息,提出一种基于Huber函数的重构方法,实现图像的快速和高保真重构。实验结果证明:本文所提出的光学图像高效编码与重构方法,PSNR和SSIM均优于JPEG压缩方法,针对吉林一号、单一目标红外影像、场景红外影像,PSNR达到40 dB,SSIM优于0.8。本文基于该方法设计了一套高效光学图像编码与重构系统,能够实现星上快速压缩和高保真重构的需求。
王林,杨红,卿粼波,滕奇志,何小海,陈洪刚[2]（2021）在《基于分层预测的高光谱图像分布式有损压缩算法》文中研究表明针对高光谱图像星载压缩存在内存资源、计算能力有限等问题,提出一种基于分层预测的高光谱图像分布式有损压缩算法。该算法将高光谱图像分为K波段和WZ波段,并采用不同的编解码方式,其中K波段采用JPEG2000进行压缩,WZ波段采用分布式编码方案。利用小波变换去除高光谱图像的空间冗余,再利用高光谱图像的谱间相关性,设计出分层预测结构生成高质量的WZ波段边信息,以减少信道编码所需的码率。验证结果表明,与未考虑去除光谱冗余的静止图像编码标准JPEG2000、考虑了去除光谱冗余的传统高光谱图像有损压缩算法DWT+JPEG2000以及基于像素域的分布式有损压缩算法相比,该算法具有良好的率失真性能,在低码率情况下优势明显,适合星载高光谱图像有损压缩。
牟希农[3]（2021）在《离散小波变换在医学影像图像局部压缩中的实现研究》文中认为首先对离散小波变换算法的数学模型进行了分析,并详实地讨论了离散小波变换算法的医学影像图像压缩实现研究。接着,对原始磁共振图像进行离散小波局部一次压缩和二次压缩的仿真实验研究。实验结果表明理论分析是合理的,设计是正确的。
张文文[4]（2021）在《基于遥感影像提取水稻种植区的方法研究》文中认为水稻作为我国主要的粮食作物之一,其种植区信息的准确获取是农作物种植结构调整的主要依据,快速、准确地获取水稻种植区信息对我国的粮食安全具有十分重要的意义。遥感影像具有覆盖范围广、周期短、分辨率高等优点,已被广泛运用于水稻种植区提取研究;卷积神经网络在农作物提取方面也取得了令人满意的成绩,成为利用遥感影像提取作物信息的主要方式。当前影响水稻种植区提取精度的因素主要包括遥感影像质量与特征提取方法的精度和效率。从影像质量方面来看,利用一定的融合方法,对遥感影像进行融合,能够保留更多有效特征;从特征提取方法来看,卷积神经网络在农作物提取方面取得了较好的成果。本文基于以上两个方面进行研究,将高分二号影像使用不同的方法进行融合,获取高质量的融合影像,并基于U-Net模型进行改进,以实现更精确的水稻种植区提取。论文的主要研究工作如下:（1）本文基于对水稻种植特点及遥感影像中水稻种植区特点进行分析,使用Brovey变换法、Gram-Schmidt变换法、HSV变换法、NNDiffuse Pan Sharpening和PCA变换法进行影像融合实验,并进行主观评价和客观分析,结果表明,NNDiffuse Pan Sharpening影像融合结果与原多光谱波段相关系数为0.88,平均梯度值为14.691,影像总体色调自然、分辨率高且层次感良好;Brovey变换法影像融合结果与原多光谱波段相关系数为0.85,平均梯度值为12.758,影像分辨率高且水稻种植区明显,NNDiffuse Pan Sharpening和Brovey变换法相比其他融合算法具有明显的优势,更适合用于水稻种植区的提取研究。（2）本文选择基于编码器-解码器结构的U-Net网络模型进行改进,利用常用的模型优化方法,将批标准化、Se LU激活函数和跳跃连接进行组合,构造特征编码块和相对应的特征解码块,获得具有更高提取精度的F-UNet模型,F-UNet模型相较于U-Net模型网络层次更深,能够提取更丰富的图像特征信息,网络中的反卷积和跳跃连接结构,可以恢复卷积过程中损失的细节信息,提高了模型的训练和预测性能。（3）选择Seg Net模型和U-Net模型作为F-UNet模型的对比模型,分别与使用两种不同融合方法获取的Brovey数据集和NNDI数据集进行实验,对实验结果进行主观和客观分析,得出在水稻种植区提取研究中,NNDI数据集与F-UNet模型组合精确率87.9%,比NNDI+Seg Net和NNDI+U-Net各提高了18.7%和7.5%;Brovey数据集与F-UNet模型的组合取得了良好的效果,精确率达到92.1%,比Brovey+Seg Net和Brovey+U-Net相比各提高10.6%和3.8%,且Brovey数据的优越性更明显。
谭可清[5]（2018）在《面向分类的遥感影像压缩质量评价》文中指出面对海量遥感数据的存储和传输问题,压缩技术发挥了重要作用。有损压缩必然导致影像信息的损失和质量的退化,从而可能影响到后续应用能力。通常来说,可以使用目视判读或者客观质量评价指标对压缩影像的质量进行评价。然而这种评价方式是否能实际反映影像的实际应用能力,是一个值得商榷的问题。遥感影像分类是遥感的重要研究领域之一,也是许多应用任务的重要环节。到目前为止,经过有损压缩后的遥感数据很少在实际应用中被使用,原因就是压缩对应用造成的负面影响尚未得到充分的研究。JPEG 2000是遥感影像最常用的压缩标准之一,研究压缩后影像质量下降对遥感影像的分类精度影响,不仅能够用来评估分类算法的优劣,也关系到压缩影像的应用范围。针对以上问题,本文研究了基于JPEG 2000标准的有损压缩对遥感影像监督分类精度所造成的影响。在相同的训练样本下,比较了四种分类算法在压缩下的稳定性,分析了压缩对分类精度的影响规律。然后,我们测试了两种常用的质量评价指标对分类精度的评估能力,并建立了通过影像特征对分类精度的预测模型。本文的主要贡献如下:1)本文基于压缩后的Landsat-8和资源三号数据集,测试了四种分类方法的稳定性。具体来说,分类方法包括:面向像元的最大似然法、面向像元的SVM、面向对象的SVM和面向对象的随机森林。实验结果表明,面向像元的分类精度随着压缩比的增加逐渐降低。相应地,面向对象的分类算法虽然也同样受到压缩的影响,但是其受影响的程度与压缩比的大小并不直接相关。有时候较高的压缩比下的重建影像反而能取得比低压缩比的影像更好的分类精度,这是因为压缩造成了局部区域的平滑,这种现象能一定程度提升分类的效果。2)本文通过提取光谱、纹理、形状方面的特征,建立了对压缩影像分类精度的预测模型。具体来说,通过提取提取了光谱、纹理和形状方面的特征,并使用多核学习的方法对这些特征进行训练,得到压缩影像分类精度的预测模型。结果表明,本文所提的方法在两个数据集上得到了较好的效果,实现了输入影像特征和分类算法对分类精度进行预测的目的。在此基础上,分析了各类特征的变化对不同地物分类精度的影响大小。实验表明,对于受压缩影响较大的地物类型,均值特征不能很好地表示分类精度的变化;对于纹理较粗糙的地物类型（如水系）,纹理方面的特征变化对分类精度的影响不大;对于植被和林地,从近红外和红光波段上提取的特征对分类精度的预测具有重要作用。
陈锐[6]（2018）在《基于小波变换与神经网络在遥感影像压缩中的研究》文中提出随着计算机技术与对地观测技术的高速发展,遥感影像已广泛应用于军事侦察、粮食估产、资源探测、灾害预防等各个方面。但遥感影像更新速度的加快与分辨率的不断提高,使影像所占内存也在飞速的增长。要解决该问题,就要对影像做更高效的压缩处理。小波分析作为新兴数学分析中代表,具有良好的时-频局部化的能力,并且在人体视觉方面可以很更好的体现,因此其在影像压缩中的应用十分广泛。为了在压缩过程中取得更高的压缩比和压缩质量并同时拥有小波的优点,通常会将小波变换与其它压缩编码相结合。神经网络也是当前的研究热点之一,由于它的自适应性、容错性与较强的学习能力、高度并行处理的能力与人工智能化的联想记忆的能力,很多经典的网络模型都可以有效的应用在影像压缩编码中。如何在图像压缩过程中结合小波变换与神经网络以便同时拥有小波与神经网络的共同优点,这一直是研究者高度关注和致力研究的问题。本文以江西理工大学周围截取512*512区域为研究对象,分别对其进行零树EZW编码、多树级SPIHT编码,BP神经网络以及本文的编码方式分别进行压缩,并对其压缩后大小、PSNR（峰值信噪比）、MSE（均方误差）与压缩时间等进行比较分析。本文采用将小波变换与神经网络进行辅助式结合的编码,首先对需要压缩的影像进行提升小波分解,将影像分解所得的低频系数保留,对高频系数采用神经网络矢量量化编码,最后根据逆变换还原所得的高频系数与保留的低频系数进行图像重构。（1）采用EZW编码压缩后的压缩比,PSNR、MSE与压缩时间分别为8.4,25d B,210,7S,采用SPIHT编码压缩后的值分别为11.7,24d B,207,11S,通过结果可以看出SPIHT在压缩比大于EZW算法的情况下,其压缩质量仍略优于EZW。并在压缩重构影像中可以清晰的看出SPIHT压缩比EZW压缩的影像失真与方块效应更少。SPIHT构造了不同类型的零树集合,这样的设定使得编码方式更加的灵活。（2）采用BP神经网络压缩比、PSNR、MSE与压缩时间分别为9.7,22d B,220,30S,采用本文方法分别为14,29.4d B,74.5,25S。采用本文结合小波与神经网络的方法不仅在压缩比与压缩时间上对神经网络压缩编码有提升,且取得了更好的压缩质量。（3）将本文采用的编码方法与基于小波的编码EZW和SPIHT相比可得本文的压缩方法比单一的小波变换在压缩率更高的情况下,且解压后的视觉效果更好,同时峰值信噪比更高,均方误差更低,即压缩质量更好,但是由于算法复杂度的原因压缩时间更长。
林威[7]（2016）在《基于快速响应矩阵码的瓦片遥感影像数字水印算法研究》文中认为遥感影像数据是国家的基础性和战略性信息资源,在地球科学研究和基础设施建设中发挥着十分重要的作用。随着互联网时代的到来,以GoogleEarth和“天地图”为代表的网络地理信息服务平台为遥感影像数据的网络化应用开辟了崭新的途径,极大地促进了遥感影像数据的共享与推广。由于遥感影像数据具有海量性特征,网络地理信息服务平台所使用的遥感影像数据一般以瓦片的形式进行存储、管理和调用。瓦片遥感影像数据具有数量庞大、来源丰富、使用便捷和易于下载等特点,这些特点在满足用户需求的同时,也引发了侵权、泄密、非法使用和牟利等各种安全问题。为维护数据生产者的合法权益,打击各种违法侵权行为,亟需引入科学有效的技术手段强化瓦片遥感影像数据的安全管理。数字水印技术作为信息安全领域的前沿技术,为瓦片遥感影像的安全保护提供了切实可行的技术途径。有别于传统的加密手段,数字水印技术将秘密水印信息与载体数据融为一体,通过水印检测,能够实现数据的版权保护、内容认证、侵权行为跟踪和来源追溯等功能,可以有效地解决瓦片遥感影像数据所面临的信息安全问题。在研究瓦片遥感影像数字水印技术时,需要根据其数据特征选择合适的水印信息生成方式。现今流行的快速响应矩阵码（QR码,quick response code）具有信息容量大、纠错能力强和使用便捷等特点,能够很好地契合瓦片遥感影像的数据特征。采用QR码水印信息,可以有效提高瓦片遥感影像数字水印算法的不可感知性和鲁棒性。本文将QR码技术与数字水印技术相结合,对瓦片遥感影像数字水印算法进行研究,主要研究工作和结论如下:（1）基于瓦片遥感影像的数据特征,提出了瓦片遥感影像水印算法的技术要求,阐述了瓦片遥感影像的水印攻击方式和瓦片遥感影像水印技术的应用方向。（2）基于水印信息的安全保密要求,提出了一种结合最佳置乱度计算和Arnold变换的QR码水印图像置乱方法,提高了水印信息的安全性。基于瓦片遥感影像的水印信息承载能力,提出了一种QR码水印图像数据压缩方法,在不影响QR码正确识读的前提下,有效地减少了嵌入瓦片遥感影像的水印信息的数据量。（3）针对传统LSB水印算法鲁棒性较差的问题,提出了一种适用于瓦片遥感影像的改进算法。利用纠错编码机制进行水印嵌入和检测,提高了水印检测的准确性和对常规图像处理攻击的鲁棒性。针对几何攻击所造成的水印信息不同步问题,提出了一种基于像素值量化、扩频调制和区间分划的瓦片遥感影像水印算法。通过将影像的像素值转换为对几何攻击具有稳定性的区间值,很好地确定了水印信息嵌入位置和水印信息位之间的同步关系。算法能够有效地抵抗几何攻击。（4）针对瓦片遥感影像的拼接处理特性,提出了一种基于定位块机制和分块DCT变换的瓦片遥感影像水印算法。通过构造定位块,解决了拼接和区域裁剪处理后含水印瓦片遥感影像的定位问题。在水印嵌入过程中,采用经过改进的量化机制在DCT域的DC分量中嵌入水印信息,满足了抗JPEG压缩攻击的要求。同时引入索引函数和误差控制,提高了算法的安全性和保真度。（5）分析了 DWT变换应用于瓦片遥感影像水印算法的优势,提出了一种结合DWT变换和DCT变换的抗复合攻击瓦片遥感影像水印算法。在水印嵌入过程中,采用矩阵编码方法,提高了水印嵌入效率,进一步增强了算法抗JPEG压缩攻击的能力,同时有效地平衡了算法的不可感知性和鲁棒性。
李艳红,庞小平,李海亭[8]（2012）在《网络环境下的遥感影像金字塔纹理压缩算法与实验》文中认为建立不同分辨率的遥感影像金字塔模型是现阶段虚拟地球平台的主要技术手段,遥感影像数据的高效压缩是模型应用的基础。论文在分析多种图像压缩技术的基础上,提出以小波变换的JPEG2000标准来压缩网络环境中遥感影像金字塔的纹理瓦片数据。首先,介绍了小波变换的JPEG2000标准的基本原理和EBCOT算法特点,然后,结合实例实现了网络环境中遥感影像金字塔纹理压缩/解压缩的具体过程,对4幅影像图像进行5级离散小波变换,分别对在1024×1024、512×512、256×256、128×128、64×64不同分块大小和1∶15、1∶30、1∶60不同压缩倍率情况下进行图像压缩和重构耗时实验,通过改变分块大小参数和压缩倍率,对压缩性能进行了对比分析,最后,从主观视觉质量和客观辐射质量,对JPEG2000压缩、DXT压缩和JPEG压缩几种方法的压缩图像进行了评价与对比分析。实验结果表明,小波变换的JPEG2000具有高质量、高压缩率、良好的抗误码能力等特性,重构图像的视觉质量与原始图像相比人眼看不出失真,而峰值信噪比较好,是一种简单有效、易于快速实现的压缩方法,更适合于网络环境下空间遥感图像数据的近无损实时压缩。
胡志定[9]（2010）在《面向数字摄影测量的遥感影像压缩技术的研究》文中指出随着全数字摄影测量系统的广泛应用,数字摄影测量成为摄影测量生产的主要方式,作为数字摄影测量系统的主要数据源,遥感图像的大数据量是数字摄影测量面临的典型问题之一。小波变换作为非平稳信号分析的有力工具,具有灵活的时-频分析窗口,成为图像压缩领域的研究热点之一。本文在相关项目的支持下,主要研究了基于小波变换的遥感图像压缩技术,以及该压缩技术在数字摄影测量生产中应用的初步方案,具体的成果如下:1.通过实验分析验证了图像小波变换的特点,并研究了小波变换应用于图像压缩领域的优点。2.应用统计的方法分析了遥感图像相对于普通人物风景图像的特性,研究了第一代小波变换与整数小波变换的差别,为以小波变换为基础的图像压缩技术的研究提供了理论基础和方向指导。3.分析了基于小波变换的嵌入式零树小波（EZW）编码算法,通过与标准JPEG算法的比较试验,验证了应用EZW算法压缩遥感图像的可行性和优点;并结合遥感图像的特点,对EZW算法的不足作了改进,实验证明了改进算法的可行性与有效性。4.分析了图像信息与点特征和点特征提取的关系,提出了利用点特征评价遥感图像压缩质量的方法,通过分析比较在不同压缩比压缩后重建图像上提取的特征点,研究了遥感图像有损压缩对点特征提取的影响。5.分析了在数字摄影测量网络化生产过程中,图像数据作为原始资料、中间数据和产品成果的传输和存储过程。在此基础上提出了面向数字摄影测量网络化生产的图像压缩方案。
尹立杰[10]（2008）在《遥感影像数据的保护》文中进行了进一步梳理随着航天技术迅猛发展,遥感影像数据日益成为民用空间信息服务的主要数据源,因此海量遥感影像数据的专项保护技术急待研究。目前,针对一维文本数据、多维多媒体数据的保护方法,如版权保护的数字水印技术,保障数据机密性的加密技术,已有大量的可行性研究。但这些保护技术面对遥感影像数据的海量、重构图的精度要求,显示了无法克服的弱点。分组加密算法常用于大数据量的加密保护。如果直接用于遥感数据,就无法避免同一密钥的高频使用。此外,以数学复杂变换为保障的分组加密算法所需的计算资源,是实时数据处理中难于承受的。数字水印技术是用于数字多媒体数据的版权保护的技术。遥感数据解译精度要求,使得水印的添加位置和强度大小受到限制,必须具有强抗压缩的能力。依照Kerckhoff第一安全原则和系统安全判定的依据,本文结合遥感影像的编码方法和遥感影像解译的要求,提出了以下保护方法:（1）基于嵌入式零树编码（Zero-tree Embedded Coding ,EZW）的鲁棒性版权保护方法:压缩是对遥感影像数据版权的主要攻击手段。EZW是高效的编码方法,在遥感数据的EZW域,采取量化替换策略进行水印添加,在满足遥感影像数据精度的要求下,实现了具有抗压缩攻击能力的鲁棒性版权保护。（2）引入混沌加密理论的数据保护方法:混沌系统对初始条件敏感,长期性演化不可预测,为实现计算机真随机数序列提供了方法。本文首次引入了安全的TD-ERCS混沌系统,实现了静态专题解译遥感影像数据在DCT压缩域多维单向性置乱保护的方法,解决了分组加密时密钥复用的致命弱点。（3）提出了EZW算法与混沌加密相结合的实时传输保护方法:实时数据处理的计算资源是有限的,数据加密过程受到计算资源的制约。本文提出的组合算法,运用混沌理论,在遥感影像数据的EZW压缩域,对实时数据进行置乱保护,满足遥感影像精度要求的同时解决了计算资源占用的问题。
二、基于小波变换的遥感影像压缩编码（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波变换的遥感影像压缩编码（论文提纲范文）
（1）面向光学遥感影像的高效编码与重构（论文提纲范文）
| 1 引言 |
| 2 高效光学影像编码与重构系统工作原理 |
| 2.1 压缩感知理论 |
| 2.2 基于JPEG的图像压缩方法 |
| 2.3 基于压缩采样的光学影像高效编码与重构方法 |
| 2.3.1 多域联合感知矩阵构建 |
| 2.3.2 基于Huber函数的高保真重构算法 |
| 3 结果与讨论 |
| 3.1 仿真实验结果 |
| 3.2 高效光学图像编码与重构系统 |
| 4 结论 |
（2）基于分层预测的高光谱图像分布式有损压缩算法（论文提纲范文）
| 0 引言 |
| 1 基于分层预测的分布式有损压缩 |
| 1.1 整体框架 |
| (1) GOP设置预处理。 |
| (2) 编码。 |
| (3) 解码。 |
| 1.2 分层预测结构 |
| 1.3 边信息生成方式 |
| 2 实验结果与分析 |
| 2.1 数据描述 |
| 2.2 实验结果 |
| 2.2.1 边信息质量对比 |
| 2.2.2 整体RD性能对比 |
| 2.2.3 时间复杂度对比 |
| 3 结束语 |
（3）离散小波变换在医学影像图像局部压缩中的实现研究（论文提纲范文）
| 1 离散小波变换的医学影像图像局部压缩算法模型 |
| 2 离散小波变换在医学影像图像局部压缩中的仿真实现 |
| 3 结语 |
（4）基于遥感影像提取水稻种植区的方法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 引言 |
| 1.1 选题目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 影像融合研究现状 |
| 1.2.2 图像分割方法的研究现状 |
| 1.2.3 水稻种植区提取研究现状 |
| 1.3 研究内容与论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文组织结构 |
| 1.4 本章小结 |
| 2 实验区与数据获取 |
| 2.1 实验区概况 |
| 2.2 高分二号(GF-2)遥感影像数据 |
| 2.3 高分二号(GF-2)遥感影像预处理 |
| 2.3.1 辐射定标 |
| 2.3.2 大气校正 |
| 2.3.3 正射校正 |
| 2.4 地面调查数据 |
| 2.5 实验数据选取 |
| 2.6 本章小结 |
| 3 遥感影像融合与数据集制作 |
| 3.1 遥感影像融合 |
| 3.1.1 影像融合的层次 |
| 3.1.2 影像融合过程 |
| 3.1.3 常用影像融合方法 |
| 3.2 影像融合效果评价方法 |
| 3.2.1 影像融合主观评价 |
| 3.2.2 影像融合客观评价指标 |
| 3.3 遥感影像融合与质量评价 |
| 3.3.1 影像融合 |
| 3.3.2 影像融合质量评价 |
| 3.4 实验样本制作 |
| 3.5 本章小结 |
| 4 F-UNet模型的设计与实现 |
| 4.1 F-UNet模型 |
| 4.2 特征编码块与特征解码块 |
| 4.3 网络模型优化策略 |
| 4.3.1 批标准化 |
| 4.3.2 SeLU激活函数 |
| 4.3.3 跳跃连接 |
| 4.3.4 分类器 |
| 4.4 模型训练 |
| 4.5 模型预测 |
| 4.6 本章小结 |
| 5 水稻种植区提取实验与分析 |
| 5.1 实验环境 |
| 5.2 对比实验模型 |
| 5.2.1 SegNet模型 |
| 5.2.2 U-Net模型 |
| 5.3 实验基本思路 |
| 5.4 实验结果对比与分析 |
| 5.4.1 影像效果分析 |
| 5.4.2 模型性能分析 |
| 5.5 宁夏水稻种植区分布 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 存在的问题与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表论文与研究成果 |
（5）面向分类的遥感影像压缩质量评价（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感影像质量评价方法 |
| 1.2.2 压缩遥感影像分类精度研究 |
| 1.3 主要研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 章节安排 |
| 1.5 本章小结 |
| 2 遥感影像压缩技术 |
| 2.1 概述 |
| 2.2 基于小波变换的压缩算法 |
| 2.3 JPEG 2000压缩标准 |
| 2.4 压缩遥感影像质量评价 |
| 2.4.1 主要失真类型 |
| 2.4.2 峰值信噪比 |
| 2.4.3 结构相似度 |
| 2.4.4 压缩遥感影像质量评价实验 |
| 2.5 小结 |
| 3 遥感影像分类 |
| 3.1 概述 |
| 3.2 多尺度影像分割 |
| 3.3 遥感影像监督分类 |
| 3.3.1 最大似然分类器 |
| 3.3.2 支持向量机分类器 |
| 3.3.3 决策树分类器 |
| 3.3.4 随机森林分类器 |
| 3.4 分类精度评定方法 |
| 3.5 压缩遥感影像分类实验 |
| 3.5.1 数据集介绍 |
| 3.5.2 训练样本选择 |
| 3.5.3 分类过程 |
| 3.5.4 精度评定和结果分析 |
| 3.6 小结 |
| 4 面向像元的压缩遥感影像分类精度预测模型 |
| 4.1 概述 |
| 4.2 遥感场景统计特征 |
| 4.2.1 光谱特征 |
| 4.2.2 纹理特征 |
| 4.2.3 形状特征 |
| 4.3 基于多核学习的分类精度预测模型 |
| 4.3.1 多核学习 |
| 4.3.2 基于多核学习的分类精度建模 |
| 4.3.3 特征分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 致谢 |
（6）基于小波变换与神经网络在遥感影像压缩中的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 遥感图像压缩的研究现状 |
| 1.2.2 基于小波的影像压缩研究现状 |
| 1.2.3 基于神经网络的影像压缩研究现状 |
| 1.3 主要研究内容与文章结构 |
| 1.3.1 研究内容 |
| 1.3.2 文章结构 |
| 第二章 遥感影像压缩技术 |
| 2.1 遥感影像压缩技术概述 |
| 2.2 常见的压缩编码 |
| 2.2.1 差分脉冲编码(DPCM编码) |
| 2.2.2 离散余弦变换编码 |
| 2.2.3 小波变换压缩编码 |
| 2.3 遥感影像特性分析 |
| 2.3.1 遥感影像构成分析 |
| 2.3.2 遥感影像相关性分析 |
| 2.4 遥感影像压缩质量评价 |
| 2.4.1 遥感影像压缩质量评价方法 |
| 2.4.2 主观评价准则 |
| 2.4.3 客观评价准则 |
| 第三章 小波变换及其应用 |
| 3.1 小波分析理论基础 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.2 多分辨率分析和Mallat算法 |
| 3.2.1 多分辨率分析 |
| 3.2.2 Mallat算法 |
| 3.3 小波变换的提升方案 |
| 3.3.1 提升小波变换的基本原理 |
| 3.3.2 离散小波变换的提升方案 |
| 3.3.3 边界处理 |
| 3.4 常用的几种小波基 |
| 3.5 小波变换在遥感影像压缩中的应用 |
| 3.5.1 嵌入式零树小波编码EZW |
| 3.5.2 SPIHT编码 |
| 3.5.3 实验结果与分析 |
| 第四章 基于BP神经网络的影像压缩 |
| 4.1 神经网络的发展 |
| 4.2 神经元模型 |
| 4.3 BP神经网络 |
| 4.3.1 BP网络结构 |
| 4.3.2 BP神经网络学习步骤 |
| 4.3.3 BP网络的设计方法 |
| 4.4 BP神经网络在遥感影像压缩中的应用 |
| 第五章 基于小波和神经网络结合的矢量量化压缩 |
| 5.1 小波分析与神经网络结合的理论途径与特点 |
| 5.1.1 小波分析与神经网络结合的途径 |
| 5.1.2 小波神经网络的特点 |
| 5.2 小波和神经网络的辅助式结合 |
| 5.2.1 神经网络的矢量量化压缩 |
| 5.2.2 小波与神经网络辅助结合 |
| 5.3 实验结果与分析 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（7）基于快速响应矩阵码的瓦片遥感影像数字水印算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状和存在的问题 |
| 1.2.1 国内外研究现状 |
| 1.2.2 存在的问题 |
| 1.3 研究思路、技术路线与研究内容 |
| 1.3.1 研究思路和技术路线 |
| 1.3.2 研究内容 |
| 1.4 论文结构 |
| 第2章 瓦片遥感影像数字水印技术 |
| 2.1 数字水印技术 |
| 2.1.1 数字水印技术的定义及其特性 |
| 2.1.2 数字水印系统的基本架构 |
| 2.1.3 数字水印的分类 |
| 2.1.4 水印信息的分类及其特点 |
| 2.2 QR码技术 |
| 2.2.1 QR码简介 |
| 2.2.2 QR码图像的生成过程 |
| 2.2.3 QR码的特点 |
| 2.2.4 QR码水印信息的优势 |
| 2.3 QR码水印信息的适用性分析 |
| 2.3.1 瓦片遥感影像水印算法对水印信息的要求 |
| 2.3.2 QR码与文本水印信息的适用性比较 |
| 2.3.3 QR码与无意义水印信息的适用性比较 |
| 2.3.4 结论 |
| 2.4 瓦片遥感影像数字水印技术特征与要求 |
| 2.4.1 瓦片遥感影像概述 |
| 2.4.2 瓦片遥感影像数据特征及水印算法要求 |
| 2.4.3 瓦片遥感影像水印技术的评价指标 |
| 2.4.4 瓦片遥感影像的水印攻击方式 |
| 2.4.5 瓦片遥感影像水印技术的应用 |
| 2.5 本章小结 |
| 第3章 QR码水印信息预处理方法 |
| 3.1 QR码水印图像置乱处理方法 |
| 3.1.1 常用的图像置乱算法 |
| 3.1.2 双向Arnold变换 |
| 3.1.3 QR码水印图像最佳置乱度的计算 |
| 3.1.4 本节小结 |
| 3.2 QR码水印图像数据压缩方法 |
| 3.2.1 QR码水印图像的小波变换 |
| 3.2.2 QR码水印图像的符号结构分解 |
| 3.2.3 水印信息序列的压缩编码 |
| 3.2.4 本节小结 |
| 3.3 本章小结 |
| 第4章 瓦片遥感影像空间域水印算法 |
| 4.1 基于纠错编码机制的瓦片遥感影像水印算法 |
| 4.1.1 QR码水印图像的预处理 |
| 4.1.2 纠错编码机制的设计 |
| 4.1.3 水印信息嵌入位置的选择 |
| 4.1.4 水印嵌入算法 |
| 4.1.5 水印检测算法 |
| 4.1.6 算法说明与讨论 |
| 4.1.7 实验与分析 |
| 4.1.8 本节小结 |
| 4.2 抗几何攻击的瓦片遥感影像水印算法 |
| 4.2.1 QR码水印图像的预处理 |
| 4.2.2 瓦片遥感影像的抗拼接处理 |
| 4.2.3 水印嵌入算法 |
| 4.2.4 水印检测算法 |
| 4.2.5 算法说明与讨论 |
| 4.2.6 实验与分析 |
| 4.2.7 本节小结 |
| 4.3 本章小结 |
| 第5章 基于DCT变换的瓦片遥感影像水印算法 |
| 5.1 DCT变换与数字水印 |
| 5.1.1 DCT变换 |
| 5.1.2 DCT变换与数字水印 |
| 5.2 基于定位块机制和分块DCT变换的瓦片遥感影像水印算法 |
| 5.2.1 定位块机制的设计 |
| 5.2.2 量化机制的设计 |
| 5.2.3 索引函数的设计 |
| 5.2.4 水印嵌入算法 |
| 5.2.5 水印检测算法 |
| 5.2.6 算法说明与讨论 |
| 5.2.7 实验与分析 |
| 5.2.8 本节小结 |
| 5.3 本章小结 |
| 第6章 基于DWT/DCT变换的瓦片遥感影像水印算法 |
| 6.1 DWT变换与数字水印 |
| 6.1.1 CWT/DWT变换 |
| 6.1.2 DWT变换与数字水印 |
| 6.2 基于矩阵编码机制和DWT/DCT变换的瓦片遥感影像水印算法 |
| 6.2.1 小波基函数的选择 |
| 6.2.2 矩阵编码机制与水印信息嵌入位置的选择 |
| 6.2.3 水印嵌入算法 |
| 6.2.4 水印检测算法 |
| 6.2.5 算法说明与讨论 |
| 6.2.6 实验与分析 |
| 6.2.7 本节小结 |
| 6.3 本章小结 |
| 第7章 总结和展望 |
| 7.1 论文主要工作和结论 |
| 7.2 论文主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的研究成果 |
| 致谢 |
（8）网络环境下的遥感影像金字塔纹理压缩算法与实验（论文提纲范文）
| 1 引言 |
| 2 JPEG2000基本原理与算法 |
| 3 遥感影像金字塔纹理压缩程序的实现 |
| 3.1 数据来源 |
| 3.2 程序的运行步骤 |
| 4 实验结果分析 |
| 4.1 性能测试 |
| 4.2 与DDS、JPEG压缩格式的质量对比 |
| 5 总结 |
（9）面向数字摄影测量的遥感影像压缩技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文研究的目的和意义 |
| 1.2 数字图像压缩 |
| 1.2.1 数字图像压缩的原理 |
| 1.2.2 数字图像压缩的分类 |
| 1.2.3 数字图像的压缩标准 |
| 1.3 图像压缩与数字摄影测量 |
| 1.3.1 遥感图像压缩的现状 |
| 1.3.2 数字摄影测量中的图像压缩 |
| 1.4 本文的主要内容和安排 |
| 第二章 小波变换 |
| 2.1 小波变换基础 |
| 2.1.1 Fourier 变换及其不足 |
| 2.1.2 Gabor 变换及其局限 |
| 2.1.3 连续小波变换及其优点 |
| 2.1.4 离散小波变换 |
| 2.1.5 多分辨率分析 |
| 2.1.6 Mallat 算法 |
| 2.2 第二代小波变换 |
| 2.2.1 第二代小波变换原理 |
| 2.2.2 整数小波变换 |
| 2.3 小波变换在图像压缩编码中的应用 |
| 2.3.1 数字图像的小波分解 |
| 2.3.2 基于小波变换的图像压缩算法 |
| 2.3.3 实验与分析 |
| 2.4 本章小结 |
| 第三章 基于小波变换的遥感图像压缩 |
| 3.1 遥感图像的特点 |
| 3.1.1 图像的统计特性 |
| 3.1.2 遥感图像的小波变换 |
| 3.1.3 遥感图像压缩的特点 |
| 3.2 EZW 图像压缩算法 |
| 3.2.1 小波系数的零树结构 |
| 3.2.2 EZW 编码过程 |
| 3.2.3 实验与分析 |
| 3.3 面向遥感图像的EZW 改进算法 |
| 3.3.1 EZW 编码的不足 |
| 3.3.2 EZW 编码的改进 |
| 3.3.3 实验与分析 |
| 3.4 本章小结 |
| 第四章 点特征提取与图像压缩 |
| 4.1 点特征提取 |
| 4.1.1 特征与点特征 |
| 4.1.2 点特征提取 |
| 4.1.3 常见点特征提取算子 |
| 4.2 点特征的分析 |
| 4.2.1 点特征提取的理论分析 |
| 4.2.2 点特征与信息量 |
| 4.2.3 点特征与小波变换 |
| 4.3 图像压缩对点特征提取的影响 |
| 4.3.1 图像压缩的失真度量 |
| 4.3.2 面向摄影测量的图像压缩 |
| 4.3.3 实验与分析 |
| 4.4 本章小结 |
| 第五章 图像压缩在摄影测量中的应用 |
| 5.1 数字摄影测量生产 |
| 5.1.1 数字摄影测量的产品 |
| 5.1.2 数字摄影测量的流程 |
| 5.2 图像压缩在数字摄影测量生产中的应用 |
| 5.2.1 数字摄影测量的网络化生产 |
| 5.2.2 影像数据的传输与存储 |
| 5.2.3 图像压缩的应用方案 |
| 5.3 数字摄影测量中的有损压缩分析 |
| 5.3.1 遥感图像误差分析 |
| 5.3.2 实验设计 |
| 5.3.3 结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文的主要工作 |
| 6.2 下一步研究内容 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
| 致谢 |
（10）遥感影像数据的保护（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 空间信息网格的任务与体系结构 |
| 1.1.1 空间信息网格 |
| 1.1.2 空间信息网格的任务 |
| 1.1.3 空间信息网格的体系结构 |
| 1.2 空间信息网格安全体系结构 |
| 1.2.1 GSI 的安全机制 |
| 1.2.2 SIG 的安全体系结构 |
| 1.3 数据源的安全需求 |
| 1.3.1 遥感影像数据的特点 |
| 1.3.2 遥感影像数据保护的研究现状 |
| 1.4 本文的主要工作 |
| 1.4.1 空间数据格式的研究 |
| 1.4.2 遥感影像编码技术的研究 |
| 1.4.3 混沌加密理论的研究 |
| 1.5 论文的研究思路和主要创新点 |
| 2 信息安全技术 |
| 2.1 信息隐藏与数字水印技术 |
| 2.1.1 信息隐藏技术 |
| 2.1.2 数字水印技术 |
| 2.2 数据加密技术 |
| 2.2.1 理论密码学 |
| 2.2.2 应用密码学 |
| 2.2.3 对称分组密码 |
| 2.2.4 典型分组密码工作模式 |
| 2.2.5 密码分析与算法安全 |
| 3 小波变换与遥感影像编码方法 |
| 3.1 遥感影像编码技术发展现状 |
| 3.2 小波变换 |
| 3.2.1 小波变换的基本理论 |
| 3.2.2 图像的小波分解 |
| 3.3 遥感影像小波变换的统计特性 |
| 3.3.1 遥感影像小波变换后各子带图像的数字特征 |
| 3.3.2 概率分布特性 |
| 4 基于小波变换与EZW 的数据版权保护 |
| 4.1 EZW——嵌入式零树编码技术 |
| 4.2 基于EZW 的遥感专题影像数字水印技术 |
| 4.2.1 数字水印的嵌入与提取 |
| 4.2.2 算法性能分析 |
| 5 基于混沌理论的遥感影像数据保护方法 |
| 5.1 混沌理论 |
| 5.1.1 混沌理论基本原理 |
| 5.1.2 混沌的性质 |
| 5.2 TD-ERCS 混沌系统模型 |
| 5.3 基于TD-ERCS 混沌序列的遥感专题影像置乱保护方法 |
| 5.3.1 空域加密算法 |
| 5.3.2 频域加密方法算法 |
| 5.3.3 性能分析 |
| 5.4 EZW 和混沌理论相结合的遥感影像加密方法 |
| 5.4.1 联合加密机制 |
| 5.4.2 系统置乱性能分析 |
| 6 总结 |
| 致谢 |
| 参考文献 |
| 附：攻读博士期间公开发表论文 |
| 附：攻读博士期间主持的科研项目 |
| 附：个人简历 |
四、基于小波变换的遥感影像压缩编码（论文参考文献）
- [1]面向光学遥感影像的高效编码与重构[J]. 辛蕾,李峰,鲁啸天,赵智祎,赵纪金. 光学精密工程, 2021(12)
- [2]基于分层预测的高光谱图像分布式有损压缩算法[J]. 王林,杨红,卿粼波,滕奇志,何小海,陈洪刚. 无线电工程, 2021(11)
- [3]离散小波变换在医学影像图像局部压缩中的实现研究[J]. 牟希农. 贵州大学学报(自然科学版), 2021(05)
- [4]基于遥感影像提取水稻种植区的方法研究[D]. 张文文. 山东农业大学, 2021
- [5]面向分类的遥感影像压缩质量评价[D]. 谭可清. 武汉大学, 2018(06)
- [6]基于小波变换与神经网络在遥感影像压缩中的研究[D]. 陈锐. 江西理工大学, 2018(07)
- [7]基于快速响应矩阵码的瓦片遥感影像数字水印算法研究[D]. 林威. 南京师范大学, 2016(01)
- [8]网络环境下的遥感影像金字塔纹理压缩算法与实验[J]. 李艳红,庞小平,李海亭. 地球信息科学学报, 2012(01)
- [9]面向数字摄影测量的遥感影像压缩技术的研究[D]. 胡志定. 解放军信息工程大学, 2010(03)
- [10]遥感影像数据的保护[D]. 尹立杰. 中国地质大学（北京）, 2008(08)