基于重组的DPCM和位平面编码的高光谱图像压缩方案

高光谱图像压缩技术是遥感数据存储和传输中的一个迫切需要解决的问题。高光谱图像的特点是存在着两类冗余：空间冗余和谱间冗余。高光谱图像的压缩要同时利用图像的空间冗余和谱间冗余。基于重组的DPCM和位平面编码的压缩方法，是通过重组的DPCM，去除帧间相关性，消除超光谱图像帧间的冗余；然后对残差图像的压缩采用基于小波变换和位平面编码技术，去除空间冗余。实验取得了令人满意的效果，证明了该算法的有效性和实用性。     

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。     

Landsat-TM光谱图像数据压缩技术的研究

采用提升格式的整数小波变换，对Landsat-TM图像数据进行小波分解。在分析Landsat-TM图像整数小波变换后系数特点的基础上，将小波变换压缩技术中的零数编码推广到多光谱图像压缩中。采用整数97小波变换同时去除空间与谱间冗余，对单波段图像各个子带小波系数的能量、均值、方差进行了数据统计。由小波系数的相关性，采用3DSPIHT对小波系数进行压缩编码。实验结果表明，该方法的去相关性能良好，压缩效果大大改善。     

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。     

一种基于3维SPECK编码的超光谱图像压缩算法

提出一种针对超光谱图像压缩的基于小波变换的、嵌入式的3维块分割编码算法。通过3维小波变换,将超光谱图像的空间冗余和谱间冗余同时去除。针对变换域内的小波系数,将集合分割嵌入式块SPECK编码算法扩展为3维,构造一种3维SPECK编码算法,对小波系数进行量化编码。实验证明,3维SPECK编码算法具有良好的率失真性能,其压缩效果优于采用SPECK方法对每一波段图像做压缩编码的效果,并具有计算复杂度低和嵌入式的特性。     

基于分类KLT的高光谱图像压缩

高光谱图像的有效压缩已经成为高光谱遥感领域研究的热点。提出了一种基于分类KLT（ Karhunen-Loeve Transform）的高光谱图像压缩算法。该算法利用光谱信息对高光谱图像进行地物分类,根据相邻波段的相关性对高光谱图像进行波段分组。在地物分类与波段分组的基础上,对每组的每一类地物数据分别进行KL变换,利用EBCOT（Embedded Block Coding with Optimal Trtmcation）算法对所有主成分进行联合编码。实验结果表明,该算法能够取得优于JPEG2000以及DWT-JPEG2000的压缩性能,适合实现高光谱图像的有效压缩。     

基于分类KLT的高光谱图像压缩

高光谱图像的有效压缩已经成为高光谱遥感领域研究的热点。提出了一种基于分类KLT（Karhunen-Loève Transform）的高光谱图像压缩算法。该算法利用光谱信息对高光谱图像进行地物分类,根据相邻波段的相关性对高光谱图像进行波段分组。在地物分类与波段分组的基础上,对每组的每一类地物数据分别进行KL变换,利用EBCOT（Embedded Block Coding with Optimal Truncation）算法对所有主成分进行联合编码。实验结果表明,该算法能够取得优于JPEG2000以及DWT-JPEG2000的压缩性能,适合实现高光谱图像的有效压缩。     

分形维数作为高光谱遥感数据波段选择的一个指标

在分析最大值、最小值、标准差等传统统计量作为高光谱遥感数据波段选择方法的优缺点后，将分形维数作为波段选择的一个指标，弥补了传统统计量不能获取图像空间结构信息及其变化规律的缺点。在研究中采用分线法和三角棱柱法两种方法计算了研究地区OMIS-Ⅰ成像光谱仪各波段沙地、植被的分形维数。分析表明，第Ⅰ、Ⅴ两个光谱波段区各波段分形维数变化相对平缓，图像质量及空间结构较好，是研究中重点考虑的波段；而Ⅱ、Ⅲ、Ⅳ各区分形维数较高，且波动性大，图像质量和空间结构差。另外，高光谱数据分形维数计算结果表明，分形维数的变化反映了高光谱数据各波段空间结构信息变化，定量地表示了不同波段间的差异，因此，传统统计方法结合分形维数将为高光谱遥感应用研究中选择最佳波段提供新的技术支持。     

一种多尺度高光谱影像小波分形维特征计算方法

提出了一种基于高光谱曲线小波分形测度的高光谱影像多尺度分形维特征分析方法。对高光谱影像的光谱响应曲线的小波域高频和低频系数统计特性、分形特征进行了分析,提出以小波低频分形维表征原始光谱曲线分形特征,以小波系数高频分形维表征高光谱细节特征方法,设计了基于高光谱曲线小波分形维的多尺度特征计算算法,实验结果表明,小波分形维值可有效表征丰富的光谱特征,可用于高光谱影像特征提取和分类。     

基于包络线消除的高光谱图像分类方法研究

在高光谱遥感中,包络线消除法一般仅局限于对单个像元的光谱进行光谱分析,从中提取出有助于分类识别的特征波段。而该文则以包络线消除算法为基础,应用VC++语言编程实现了对整个高光谱图像文件去包络、归一化并且提取出分类的特征空间的功能,并且针对原图像文件和去包络线后的图像文件,比较了应用最大似然分类法和光谱角度匹配法进行分类的结果。     

基于矢量失真测度和自适应四叉树分割的彩色图象分形压缩方法

在Ｊａｃｑｕｉｎ分块分形图象压缩方法的基础上,提出了一种基于矢量失真测度的自适应四叉树分割彩色图象分形压缩方法。该方法充分利用ＲＧＢ彩色空间２４位真彩图象的三彩色分量间相关性,实验表明该方法比分别对三彩色分量使用分块分形压缩方法在 重构图象质量方面有很大的改善。     

一种基于局部极大模和分形的混合编码方法

在分析分形理论和小波变换模极大值用于图象压缩方面优缺点的基础上 ,根据它们的特点 ,综合利用两种方法的优点 ,弥补它们不足 ,提出了一种基于小波变换极大模和分形的混合编码方法 .该方法先利用小波局部模极大值提取的图象边缘特性来进行图象编码 ,然后用分形的自相似性对图象的误差图进行压缩 ,以获得高压缩比和质量好的恢复图象 ;同时还简单进行了理论阐述和给出了具体算法的步骤 .实验结果表明 ,采用此方法压缩后的图象不仅视觉效果好、无方块效应 ,而且边缘无振荡现象、图象清晰无模糊 ,压缩比高 .     

分形图像压缩与公有数字水印技术

介绍了分形图像压缩的理论基础：分形空间、迭代函数系统、仿射变换、压缩映射定理和拼贴定理;并介绍和分析了基于分形图像压缩的公有数字水印技术。     

采用谱间预测的高光谱图像压缩方法研究

高光谱图像具有较高谱分辨率的优越性是以其较大的数据量及较高的数据维为代价的,因此有必要研究有效的高光谱图像压缩方法。探讨一种基于谱间预测的高光谱图像压缩方案。考虑到高光谱图像谱间相关性随分辨率的提高而增强,推导出由多个波段对当前波段进行线性预测的预测器系数求解算法,提出了一种参考波段优化选取方法。实验结果表明,该方法能获得较低的最小均方误差,运算速度快,具有实用价值。     

基于KLT和HEVC的嵌入式高光谱图像实时压缩

现有追求高压缩质量的高光谱图像压缩算法普遍存在计算复杂度高、离线式处理、嵌入式平台实现难度大等问题,目前很难得到实际应用。为解决以上问题,设计一种基于KLT和HEVC的嵌入式高光谱图像实时压缩方法。首先基于KLT去除谱间相关性,然后基于HEVC去除空间相关性并完成量化编码的过程。基于NVIDIA Jetson TX1平台,设计并实现了CPU和GPU异构并行压缩处理系统。利用真实数据集对所设计算法和所实现平台进行了性能及可行性验证。实验结果表明:在相同压缩比下,与离散小波变换（DWT）+JPEG2000算法相比,该系统明显提升了重建精度,在峰值信噪比（PSNR）方面平均提高了1.36 dB;同时,相比CPU,在GPU中进行KLT计算也至多可缩短33%的运行时间。     

Comparison of spectral and spatial windows for local anomaly detection in hyperspectral imagery

A new way of implementing two local anomaly detectors in a hyperspectral image is presented in this study. Generally, most local anomaly detector implementations are carried out on the spatial windows of images, because the local area of the image scene is more suitable for a single statistical model than for global data. These detectors are applied by using linear projections. However, these detectors are quite improper if the hyperspectral dataset is adopted as the nonlinear manifolds in spectral space. As multivariate data, the hyperspectral image datasets can be considered to be low-dimensional manifolds embedded in the high-dimensional spectral space. In real environments, the nonlinear spectral mixture occurs more frequently, and these manifolds could be nonlinear. In this case, traditional local anomaly detectors are based on linear projections and cannot distinguish weak anomalies from background data. In this article, local linear manifold learning concepts have been adopted, and anomaly detection algorithms have used spectral space windows with respect to the linear projection. Output performance is determined by comparison between the proposed detectors and the classic spatial local detectors accompanied by the hyperspectral remote-sensing images. The result demonstrates that the effectiveness of the proposed algorithms is promising to improve detection of weak anomalies and to decrease false alarms.     

基于光谱曲线小波系数分维测度的高光谱影像高效分割方法

针对高光谱遥感影像处理效率的问题,提出了一种基于高光谱曲线小波分解低频系数分维特征影像和高频系数分维特征影像相结合的高光谱遥感影像分割方法。对高光谱响应曲线的分形测度进行了分析,提出基于光谱曲线小波分解高频系数的分维算法,得到多尺度高光谱分形特征影像。设计了低频系数分维特征影像和高频系数分维特征影像相结合的高光谱影像分割算法。高光谱曲线小波系数分维特征影像分割实验结果表明:该算法可取得与光谱曲线直接分形测度特征影像分割一致结果,但效率优于直接分维特征影像分割。