基于地物反射特性的多波段遥感图像无损压缩方法

要实现多波段遥感图像的无损压缩,去除空间和谱间的相关性是其中的重要环节。通过分类,分析不同地物在不同波段的反射特性,再根据不同地物的波段反射特性构造出针对不同地物的谱间预测器,用以去除谱间相关性。对于去除谱间相关的残差图像,采用Ｓ＋ Ｐ变换,以去除空间相关。实验取得了令人满意的效果,证明了这种方法的有效性。     

基于神经网络的多光谱遥感图像无损压缩

分析并改进了利用自组织特征映射(SOFM)神经网络设计码书的方法,提出了一种基于改进SOFM算法设计码书的矢量量化和分类谱间预测相结合的多光谱图像无损压缩方法。该方法对光谱信息进行矢量量化,根据分类信息生成残差图像以去除数据的空间相关性,构造分类谱间预测器去除数据的谱间结构和统计相关性。对机载64波段多光谱遥感图像的试验结果表明,该方法无论是对训练集内图像还是训练集外图像,均取得了较好的压缩效果,平均无损压缩比达到3.2以上。     

基于整数小波和三维自适应的高光谱图像无损压缩算法

考虑到高光谱图像小波子图的谱间相关性,提出了一种新的基于整数小波的三维自适应预测高光谱图像无损压缩算法。首先用5/3整数小波将高光谱每个谱段图像做小波分解,对不同谱段的相同子带,设计一种新的线性预测器。用与待预测像素有较强相关性的相邻像素自适应地估计预测系数的值。消除了大部分的谱间冗余和空间冗余后,再用JPEG-LS进一步去除残差图像的空间冗余。实验表明,该算法能有效去除多光谱图像间的相关性,较其他压缩算法压缩比有很大提高,且算法简单,便于硬件实现。     

基于最佳线性预测器的高光谱图像无损压缩算法

针对高光谱遥感图像细节丰富纹理复杂，空间相关性弱，难于压缩的特点，本文充分利用了高光谱遥感图像的谱间相关性，设计出对相邻谱段进行预测并将预测残差均方降为最小的一种最佳线性预测器。最后利用整数小波变换，并结合SPIHT算法，有效的去除空间相关性。实验表明该算法可以收到良好的效果，优于3D—SPIHT算法和WINRAR压缩软件。     

一种有效的多波段遥感图像无损压缩方法

首先利用分类的方法,得到同一地物在不同波段的光谱反射特性,在此基础上构造谱间预测器,去除谱间相关性,再对残差图像采用S＋P变换去除空间相关性,然后,利用改进的分级树的集合划分（SPIHT）方法,实现遥感图像的高效无损编码,实验表明本方法取得满意的结果,显示了本方法在多波段遥感图像压缩中的潜力。     

基于二阶差分统计量的自然图像与计算机图形的鉴别

针对自然图像和计算机图形的鉴别问题,提出一种基于图像二阶差分统计量的鉴别方法.首先在HSV颜色空间提取图像及其校准图像的二阶差分信号和预测误差信号,在此基础上提取二阶差分信号的方差、峰度以及预测误差信号的1～4阶统计量,并将其作为分类特征,结合Fisher线性判别分析,实现2类图像的正确分类.实验结果表明,该方法可以有效地鉴别自然图像和计算机图形,与已有算法相比具有更高的识别率,且计算量小、易于实现.     

基于降低映射预测残差的高光谱图像压缩算法

CCSDS 123.0-B-1算法是空间数据系统咨询委员会为多/高光谱图像提出的自适应三维预测无损压缩标准,针对CCSDS 123.0-B-1算法中存在的未充分利用像素位置信息及谱间相关性、压缩率有待提高的问题,对该算法的预测器进行了优化,提出了RMPR算法。RMPR算法根据当前像元具体位置对预测点进行自适应选择,采用双向线性预测去除高光谱图像的谱间相关性,并使用优化的残差映射器提高预测精度、缩短压缩码长。利用10幅高光谱图像进行测试,结果表明,在保证无损压缩且压缩效率无显著差异的前提下,RMPR算法的压缩性能显著优于原算法。     

一种基于自适应预测的高光谱图像近无损压缩方法*

提出一种高光谱图像的近无损压缩方法.首先使用三维自适应预测有效地去除高光谱图像的空间和谱间相关性;然后对预测误差进行量化,以进一步降低编码率.实验结果表明,该方法能在控制重建误差的前提下显著地降低了比特率.     

基于JPEG2000和自适应预测的高光谱图像压缩方法

随着遥感技术的发展，其应用领域大大拓展，随之也带来了遥感数据的海量增长，给传输和存储带来了极大困难，因此必须对遥感数据进行压缩。遥感图像具有不同于自然图像的特性，针对遥感图像的特点，介绍了一种自适应预测和JPEG2000相结合的无损压缩编码算法，即首先采用基于图像灰度分布局部相关特性的谱问预测器去除谱问冗余，再利用静止图像压缩新标准（JPEG2000）对预测得到的差值图像进行编码压缩。仿真实验取得了令人满意的结果，证明了该算法的有效性。     

基于多方式预测的多波段遥感图象无损压缩

针对多波段遥感图象的空间和谱间结构特点,提出了多方式预测的概念,一幅图内的任一象素按照给定的准则在侯选预测函数集中选取其实际采用的预测函数,从而更大程度去除相关;同时利用谱间结构相关,令谱间邻点选用相同的预测方式,使多方式预测导致的附加存储代价大大缩小。提出以极小熵原则作为选取预测函数的理论判据,并将其等效为最小误差的最高频次准则。对ＴＭ图象的实验证明此方法能更有效去除相关、压缩比有较大提高。     

波段排序的高光谱影像3维混合树编码方法

目的 高光谱影像压缩的关键技术是对空间维和光谱维的去相关性。根据高光谱影像数据结构的特点,如何有效去除其空间相关性与谱间相关性是高光谱影像压缩中至关重要的问题。对高光谱影像进行编码时,3维小波变换是极为有效的去除冗余的方法。因此提出了一种通过波段排序并结合3维混合树型结构对高光谱影像3维小波变换系数进行编码的算法。方法 首先,将高光谱影像按照自然波段顺序进行波段分组,并对每组影像进行相邻影像的谱间相关性统计;其次,对相关性较弱的波段组,建立以影像波段序号为顶点、影像相关性系数为边的完全图,对这个完全图求其最大汉密尔顿回路。按照求得的最大汉密尔顿回路顺序对该波段组进行重新排序,从而提高波段组的谱间相关性;在此基础上,对重新排序后的波段组进行3维小波变换,并通过3维混合树结构对3维小波变换系数进行零树编码。结果 通过对大量AVIRIS型高光谱影像数据的仿真实验,验证了本文方法的有效性。对相关性较低的波段组,加入排序算法后,其解码影像与未排序时比,峰值信噪比有了一定的提高。通过实验统计,算法平均用时2.7579s。结论 由于采用了对弱相关性波段组的重新排序机制,使得基于混合树结构的3维零树编码出现了更多有效的零树,在一定程度上提高了编码效率。通过实验统计算法用时,表明该方法以较小的时间代价获得了解码效果的提升。     

一种多光谱遥感图象的近无损压缩方法

近无损压缩是在无损压缩和有损压缩之间的一种折衷。多光谱遥感图象的近无损压缩通常用Ｋ－Ｌ变换去除谱间冗余，用数字余弦变换（ＤＣＴ）去除空间冗余来实现。本文分析了多光谱遥感图象空间冗余和谱间冗余的特点，提出用Ｋ－Ｌ变换和预测树方法去除两类冗余。该方法更好地去除了谱间冗余，取得了较好的实验结果。     

Transform Based Lossy Compression of Multispectral Images

We have composed compression methods, which are based on the one-, two- and three-dimensional wavelet transforms. In addition, clustering the spectra of the image is considered. These compression methods, combining compression in the spectral and spatial domains, are compared by using a dataset of 65 multispectral images. The experimental results show that, at low compression ratios, the best method is based on the three-dimensional wavelet transform, where the spatial and spectral dimensions are transformed simultaneously. At higher compression ratios, a high quality wavelet-based compression method in the spatial dimensions combined with the principal component analysis in the spectral dimension gives the best results. This means that components of compressed images can be used as features in pattern analysis applications. The selection of the compression parameters is image-dependent. The results also show that, for multispectral images, both spectral and spatial compression could be used, and for best results, optimal bit allocation in encoding should be found. The results from the methods suggested are compared to the results found in the literature.     

基于时空相关性的视频隐写分析

视频中的扩频嵌入是一种典型的隐写方法,能够抵抗视频压缩、噪声添加等多种攻击。为了有效检测利用该方法嵌入的隐藏信息,将隐写过程建模为加性高斯噪声的叠加过程,分析了噪声叠加对视频序列的时间相关性和空间相关性的影响,提出了基于时空相关性的隐写分析算法。该算法利用视频序列中各帧的四方向差分直方图度量隐写对空间相关性的影响,同时利用相邻帧帧间差分的直方图度量隐写对时间相关性的影响。与现有算法相比,本文算法实现简单,实验结果表明本文算法具有更好的检测性能。     

多层嵌入的多光谱图像可逆信息隐藏算法

针对现有可逆信息隐藏算法嵌入容量偏低、不适合多光谱图像等问题,提出一种基于预测误差直方图移位和波段顺序重排的多层嵌入的多光谱图像可逆信息隐藏算法。对于每层嵌入,首先用提出的排序算法对波段进行重新排序,然后利用多光谱图像的空间相关性和谱间相关性对图像进行自适应联合预测,最后通过预测误差直方图移位技术嵌入秘密信息。Landsat卫星多光谱图像仿真结果表明,提出的算法和典型可逆信息隐藏算法相比具有更好的视觉质量和更大的隐藏容量。     

基于自适应预测的高光谱遥感图像无损压缩算法

针对高光谱遥感图像细节丰富纹理复杂、空间相关性弱、难于压缩的特点,充分利用高光谱遥感图像的谱间相关性,使用多个波段的像素来自适应预测当前波段的像素。因为待预测像素的最优预测是其条件期望,用分段积分的方法将条件期望转化为可计算的表达式,并与其它波段的像素关联起来。选取与待预测像素有较强因果关系的相邻像素自适应地估计出各参数的值,得到残差图像,消除了大部分的谱间冗余和空间冗余,再用JPEG-LS进一步去除残差图像的空间相关性。实验表明,该算法能有效去除高光谱图像间的相关性,较其它压缩算法压缩比有很大提高,且算法简单,便于硬件实现。      

基于三维整数小波与自适应预测的高光谱图像压缩研究

高光谱图像作为一种三维图像,其海量数据给存储和传输带来极大困难,必须对其进行有效压缩。根据高光谱图像的特点,本文提出了一种基于三维整数小波与自适应预测的无损压缩算法。首先利用三维整数小波变换充分消除高光谱图像的谱间冗余和空间冗余,自适应预测编码可以进一步消除变换后低频子带之间的冗余,从而进一步提高压缩性能;最后利用JPEG-LS标准和SPIHT算法分别对数据进行无损压缩。通过改变小波基,也可实现有损压缩。实验结果表明,该算法可以取得较好的无损和有损压缩效果。