Data compression of hyperspectral remote sensing image

　　第1章 绪论
　　第2章 高光谱遥感图像概述
　　 2．1 高光谱遥感成像过程和基本概念
　　 2．1．1 遥感成像过程
　　 2．1．2 高光谱遥感的基本概念
　　 2．2 高光谱遥感图像的数据格式
　　 2．3 高光谱遥感图像分析
　　 2．3．1 高光谱遥感图像空间相关性分析
　　 2．3．2 高光谱遥感图像谱间相关性分析
　　 2．4 高光谱遥感的应用
　　第3章 数据压缩基本理论
　　 3．1 数据压缩的基本概念
　　 3．2 编码模型
　　 3．2．1 霍夫曼(Huffman)编码
　　 3．2．2 算术编码
　　 3．2．3 游程编码
　　 3．3 变换方法
　　 3．3．1 K―L变换
　　 3．3．2 离散余弦变换
　　 3．3．3 小波变换
　　 3．4 量化方法
　　 3．4．1 标量量化
　　 3．4．2 矢量量化
　　 3．5 图像压缩标准
　　 3．5．1 JPEG
　　 3．5．2 JPEG―LS
　　 3．5．3 JPEG2000
　　第4章 高光谱遥感图像压缩编码
　　 4．1 波段排序
　　 4．1．1 最小生成树
　　 4．1．2 基于最小生成树的波段重排
　　 4．1．3 自适应波段重排
　　 4．2 预测编码
　　 4．2．1 预测树方法
　　 4．2．2 最佳线性预测
　　 4．2．3 非线性自适应预测
　　 4．3 变换编码
　　 4．3．1 3D―SPIHT算法
　　 4．3．2 3D―SPECK算法
　　 4．4 矢量量化编码
　　 4．4．1 基于矢量量化的压缩算法
　　 4．4．2 快速矢量量化压缩算法
　　第5章 基于最佳线性预测的高光谱遥感图像压缩方法
　　 5．1 基于多波段谱间预测的高光谱遥感图像无损压缩算法
　　 5．1．1 谱间预测算法
　　 5．1．2 系数矩阵的快速算法
　　 5．1．3 压缩编码算法设计
　　 5．1．4 实验结果
　　 5．2 基于最佳递归双向预测的高光谱遥感图像无损压缩
　　 5．2．1 光谱相关性分析
　　 5．2．2 递归双向预测模型
　　 5．2．3 递归双向预测系数
　　 5．2．4 实验结果
　　 5．3 基于谱间预测和码流预分配的高光谱遥感图像有损压缩算法
　　 5．3．1 各波段码流分配
　　 5．3．2 基于DPCM谱间预测的SPIHT算法
　　 5．3．3 实验结果
　　第6章 基于多元小波的高光谱遥感图像压缩
　　 6．1 多元小波概论
　　 6．1．1 基本定义和符号
　　 6．1．2 多元小波的Mallat算法
　　 6．2 二元可分小波
　　 6．2．1 一元小波的构造
　　 6．2．2 一元整数小波
　　 6．2．3 二元可分小波
　　 6．3 二元不可分小波
　　 6．3．1 逼近阶与光滑性
　　 6．3．2 正交小波的构造
　　 6．3．3 紧支撑双正交小波的构造
　　 6．3．4 例子
　　 6．3．5 二元不可分小波的边界延拓
　　 6．4 梅花小波
　　 6．4．1 梅花双正交小波
　　 6．4．2 基于梅花采样的边界延拓
　　 6．5 基于多元小波的高光谱遥感图像压缩算法
　　 6．5．1 基于小波变换的二维静态图像压缩
　　 6．5．2 基于小波变换的高光谱遥感图像压缩
　　名词索引
　　参考文献