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。     

基于波段分组的3D-SPIHT高光谱图像

波段间隔为纳米级的高光谱图像具有很强的谱间相关性,但不同频谱波段图像之间的相关性不同,本文提出了一种基于波段分组的3D-SPIHT(set partitioning in hierarchical trees)高光谱图像无损压缩方法.对高光谱图像按照谱段类型进行分组,接着通过3维整型小波变换,对图像组去除空间相关性和光谱维相关性,最后以3DSPIHT的空间方向树组织方式来进行编码,去除小波变换后子带间系数的冗余.实验结果表明,该方法能够有效地去除空间和谱间相关性,在算法复杂度和计算时间上较整体处理有一定优势,同时可获得较好的无损压缩结果.     

基于波段分组的3D-SPIHT高光谱图像无损压缩算法

波段间隔为纳米级的高光谱图像具有很强的谱间相关性，但不同频谱波段图像之间的相关性不同，本文提出了一种基于波段分组的3D—SPIHT(set partitioning in hierarchical trees)高光谱图像无损压缩方法。对高光谱图像按照谱段类型进行分组，接着通过3维整型小波变换，对图像组去除空间相关性和光谱维相关性，最后以3D—SPIHT的空间方向树组织方式来进行编码，去除小波变换后子带间系数的冗余。实验结果表明，该方法能够有效地去除空间和谱间相关性，在算法复杂度和计算时间上较整体处理有一定优势，同时可获得较好的无损压缩结果。     

超光谱图像的二阶差分预测压缩算法

根据超光谱图像空间谱间都存在较强相关性的特性,设计了一种结合空间预测的二阶差分预测压缩算法。采用MED预测器去除空间相关,采用二阶差分预测器去除谱间相关,并根据像素预测误差的权重设计了统一的去相关预测器,最后对误差图像做基于上下文的编码,实现图像的近无损压缩。研究结果表明,各波段峰值信噪比(PSNR)为39dB左右时,压缩比可以达到12.7,压缩效果比较理想。     

基于分形理论的高光谱图像压缩算法的研究

高光谱图像是由成像光谱仪在不同光谱波段获得的序列图像,在二维遥感图像的基础上又增加了光谱维的信息。与传统的遥感数据源相比,高光谱数据同时具有空间冗余和谱间冗余的特点。该文在分形理论的基础上,利用分形压缩编码的高压缩比特性,并针对高光谱图像的特点,将分形理论和高光谱图像相结合,设计了一个三维分形压缩编码算法,在去除图像空间相关性的同时,去除了波段图像之间的相关性。     

基于分类的多波段遥感图象无损压缩方法

多波段遥感图象是序列图象的一种，通常序列图象的帧间压缩是基于帧与帧之间的相关性。对于多波段遥感图象，其帧间相关性较小，因此用常规的帧间压缩收效甚微。此文提出一种基于分类的多波段的无损压缩方法（ＣＢＳ２Ｐ２），先对图象进行分类，然后采用谱间（即帧间）和空间预测方法，进行无损压缩。在多波段遥感图象中，物体在不同波段图象中的灰度值是由其本身固有的光谱反射特性决定的，所以，利用每一类的光谱反射特性构造谱间预测器，可以实现谱间压缩，同时，由于同一帧图象中同类象素之间存在空间相关性，我们选用ＪＰＥＧ标准定义的空间ＤＰＣＭ方法实现空间压缩。用这一方法对不同的多波段遥感图象进行无损压缩，压缩比都有明显提高。     

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。
     

基于边缘剔除与空间去相关的图像信噪比评估方法研究

分析地物光谱特征可知,同种地物具有相同或相似的光谱特征,在同一波段的光学遥感图像内就会具有相同或相似的灰度值。而且同一均匀区域内的同种地物信号之间具有很高的相关性,噪声则是随机的、独立的、不具有相关性信息的干扰成分。也就是说均匀区域内同一景物的光谱反射值是相关的,如果能估算出该点的信号值,就可以将信号与噪声分离。通过提出边缘剔除空间维度去相关法(EESDD)来估计图像信噪比,即首先剔除地物边缘,然后利用均匀区域同种地物的高相关性进行多元回归运算来拟合地物像素灰度值的方法估计噪声标准差,从而计算信噪比。该方法既可用于单波段图像,也可用于多光谱(含高光谱)图像的信噪比评估;既可用于图像中均匀区域也可用于不均匀区域的信噪比评估。通过与局部方差法(LMSD)以及基于边缘剔除的局部方差法(EE\|LMSD),对几幅地物覆盖复杂程度不同的实测图像信噪比估算结果的比较得出,边缘剔除空间维度去相关法的结果要优于前述两种方法,而且更具健壮性。     

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。     

窄带蜂窝物联网的嵌入式高光谱图像压缩方法

针对当前嵌入式高光谱图像压缩方法未考虑高光谱图像空间相关性,导致压缩效果较差,解压精度较低,高分辨率图像占用空间大,造成网络传输效率低的问题,提出了窄带蜂窝物联网的嵌入式高光谱图像压缩方法.根据窄带蜂窝物联网上行、下行链路传输基本标准,通过具有统计特性的KLT算法,去除高光谱图像间谱间相关性,使待处理图像内容更加紧密,利用雅克比迭代算法,分解计算矩阵中的特征值,将多光谱图像每一波段,分成二维波形以及大小相等且不重叠的图像块,将光谱方向上相同位置的所有图像块转换成KLT,消除多光谱图像空间和光谱相关完成高光谱图像压缩.实验结果表明,所提方法具有较高的压缩精度,能够有效去除高光谱图像空间相关性,压缩效果较好,减少高光谱图像占用空间内存,缩短网络传输时间,提高网络传输效率.     

基于影像融合和面向对象技术的植被信息提取研究

高分辨率影像具有丰富的光谱信息和空间信息。采用不同的图像融合技术融合GeoEye影像全色波段和多光谱波段,用建立的参考多边形和对应多边形残差法评价分割质量,以确定研究区各地物类型的最优分割参数组合,选择目标地物分类特征,建立分类规则,在此基础上实现研究区内不同地物类型的面向对象信息提取。结果表明:Gram-Schmidt(GS)融合法具有最优的融合效果,所选特征能够很好地实现目标地物信息提取,并且具有明确的地学意义,面向对象信息提取总体精度达到90.3%,Kappa系数为0.86,该研究为高精度植被信息的提取提供了有效的方法。     

基于归一化相关矩的多分辨率遥感图象融合

多传感器数据融合技术已广泛应用于遥感图象处理方面 .针对遥感多光谱图象空间分辨率较低的问题 ,提出了一种基于归一化相关矩的多分辨率图象融合方法 .该方法首先对图象进行二维小波变换 ,然后根据所得到的高频小波系数的一阶、二阶统计特征来定义图象局部灰度相关矩 ,并以此作为图象融合测度来对遥感图象进行多分辨率特征融合 ,从而得到包含更多信息和有效特征的融合图象 .仿真结果表明 ,融合后的图象在保留多光谱信息和提高空间分辨率上均能获得较好的效果 ,因而可以更好地用于目标识别、分类等遥感图象处理方面     

Method and Realization of Calculating BRDF System with Multi\|angle Images

BRDF(Binomial Distribution Function) can describe the reflection characteristics of the surface,one of the cutting\|edge hot issues in multi-angle research in quantitative remote sensing.In order to study the reflection of the objects at different angles of observation,the measurement data are obtained by using the aerial photogrammetry method.Based on the collinear equation and semi-empirical core-driven model theory,the measurement of BRDF system with Multi\|angle Image is realized by using C# object\|oriented programming,including SFM(Struct From Motion) algorithm to solve camera parameters and establishment of the image pyramid to read image data efficiently and accurately.The system polarized graph were generated by selecting soil and maize ground point in the multispectral image data obtained by using the Micro\|MCA six-channel multi\|spectral camera,compared and analyzed with the image of the BRDF simulation software(DART).The results show that the system is computationally efficient and robust.The reflectivity of any observation angle extrapolated from the core driving model is in accordance with the characteristics of BRDF.The “hot spot” appears at the same side observation of the sun,which is consistent with the change trend of reflectivity of DART simulation image.The multi\|scale module designed in the system can meet the calculation requirements under different spatial resolution of image.The realization of the system provides a reference for the follow\|up study of multi\|angle measurement of BRDF in quantitative remote sensing.     

Radiometric normalization of sensor scan angle effects in optical remote sensing imagery

Radiometric distortions along the scan line, caused mainly by the atmosphere, reflection properties of the imaged surface objects, and topography are observed frequently in images acquired by optical remote‐sensing sensors, especially airborne sensors with a wide field of view. In practical applications, such as classification or mosaicking of image data, a relative correction or normalization of these radiometric distortions is needed. Therefore, the goal of this paper is to derive a relative correction algorithm for multispectral line scanner images, which allows the spectral radiance values for different scan angles to be converted to radiance values of a defined reference scan angle. Under the simplifying assumption of complete diffuse reflectors, these radiometric distortions are modelled using a linear equation between the radiances of a pair of scan angles for each class of surface objects separately. A linear regression, applied to all these equations, results in a linear model for the radiance correction, a new empirical radiometric correction method, which is a generalization of earlier proposed strictly additive or multiplicative models. The proposed method is based solely on the digital image data. So, no additional information or user interaction is required, and the method is fully automatic. Applications for data acquired with the airborne multispectral scanner DAEDALUS AADS 1268 ATM show the effectiveness and potential of the proposed method especially for mosaicking and classification purposes.     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力,提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法,该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性,对遥感图像像素进行聚类后划分为不同的组,然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后,对空间相似的块进行平均处理,实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪,峰值信噪比相比band-wise K-SVD算法提高了7.6%左右,同时具有更好的视觉效果。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力，提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法，该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性，对遥感图像像素进行聚类后划分为不同的组，然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后，对空间相似的块进行平均处理，实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪，峰值信噪比相比band-wise K-SVD算法提高了7.6%左右，同时具有更好的视觉效果。     

沉积岩石信息的热红外多光谱遥感探测及有效性评价

在对热红外多光谱（ＴＩＭＳ）遥感的探测机理及其图像专题信息提取方法的综合分析基础上，以不同沉积岩石的化学成分，矿物组成，结构，反射和发射光谱特征的实验室分析温度测试结果为依据，对不同沉积岩石的热红外多光谱遥感成像机制进行了探讨，并对比分析了不同沉积岩石ＴＩＭＳ图像和ＴＭ图像的识别效果。     

基于对象级的高分辨率遥感影像分类研究

依据高分辨率遥感影像的特点,结合深圳市QUICKBIRD数据提出一种基于多尺度分割的对象级遥感分类方法。文中首先利用分形网络演化法(FNEA)进行多尺度图像分割,获取对地表实体更具代表性的图像对象,然后利用对象所包含的光谱、空间特征来确定地物识别中可能要用到的各种特征参数,最后通过构建语义结构实现了研究区地物的逐级分层分类。研究结果表明,本文所采取的方法比传统方法在分类精度上有了明显的提高,为高分辨率遥感影像的信息提取提供了新的技术途径。     

基于LP和DFB结构的离散Contourlet遥感影像融合算法及在QuickBird中的试验研究

针对目前最新发展的Contourlet变换能够比小波变换提供更丰富的方向和形状基,适合进行多尺度边缘增强的特点,利用Contourlet变换用于融合遥感全色和多光谱影像的算法,即利用LP（Laplacian Pyramid）捕获影像的低频分量,利用DFB（Directional Filter Bank）获得影像的高频分量,再对得到的低频近似系数和高频细节系数按照融合规则,采用算术平均和加权算子构造融合影像对应的对比度金字塔;最后,通过逆塔形变换重构融合影像。提出一种基于塔形方向滤波器组PDFB（Pyramidal Directional Filter Bank）的影像融合方法,算法一方面将Contourlet变换这一新的数学工具引入到影像融合中,另一方面对目前高分辨率影像数据源QuickBird进行了融合实验。此外,利用熵、扭曲度、偏差指数、相关系数、标准差等参量,对此融合方法的融合性能进行了评价与分析。实验结果表明：提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合影像的空间细节表现能力和信息量,该算法是有效可行的。     

Spatially adaptive multi-resolution multispectral image fusion

Due to the performance limit of remote sensing systems, multispectral images have limited spatial resolution. Their spatial resolution can be improved by merging them with higher resolution image data. A fundamental problem frequently occurring in existing fusion processes, however, is the distortion of spectral information. This paper presents a spatially adaptive image fusion algorithm which produces visually natural images and retains the quality of local spectral information as well. High frequency information of the high resolution image to be inserted to the resampled multispectral images is controlled by adaptive gains to incorporate the difference of local spectral characteristics between the high and the low resolution images into the fusion. Each gain is estimated to minimize the l ₂-norm of the error between the original and the estimated pixel values defined in a spatially adaptive window of which the weights are proportional to the spectral correlation measurements of the corresponding regions. This method is applied to a set of co-registered Landsat 7 Enhanced Thematic Mapper (ETM)+ panchromatic and multispectral image data. The experimental results show that high resolution images can be synthesized by the proposed method, which successfully preserves spectral content of the multispectral images.