一种基于形态小波的遥感影像压缩编码算法

与一般图像不同,由于遥感影像具有纹理复杂、局部相关性较弱的特点,而且影像经过小波变换后系数的空间聚类特性较明显,因此遥感影像压缩具有一定的特殊性,可是目前大多数基于小波的压缩编码算法都没有考虑小波系数的空间聚类特性,为了进一步提高编码效率,提出了一种基于形态小波的遥感影像压缩算法。该算法首先对遥感影像进行多尺度快速小波变换,然后依据遥感影像的小波能量聚类特性,采用一种形态膨胀编码算法来实现遥感影像的高效压缩编码。试验结果表明,对一般遥感图像,该算法在高倍率压缩的情况下要优于目前的JPEG2000算法;而且对多波段的遥感影像,该算法也取得了较好的压缩效果。     

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。     

新的基于分裂层树编码图像的传输方案

提出了一种新的基于分裂层树编码（SPIHT）的实时图像传输方案。该方案首先将图像数据进行小波变换,然后将变换后的小波系数进行合理分块并分别采用 SPIHT编码,以防止在无线信道传输中产生误码扩散。最后为了提高重构图像的恢复质量,提取每一个块中最高一级的小波系数数据进行重复传输,同时采用最优的帧长,提高图像传输系统的吞吐量。理论分析和仿真结果表明,提出的方案比传统的基于SPIHT算法的图像传输方案具有更高的抗误码特性,重构图像的峰值信噪比提高约10dB。     

DCT算法及其与小波编码在图像处理中的比较

由于数字媒体的不断普及，DCT编码在JPEG，MPEG，H．26x等编码标准中有着越来越广泛的应用。但随着Shapiro关于小波的嵌入式零树小波编码以及Said等人提出的集合分裂等级树编码的成功应用，图像及视频信号的压缩编码迎来了一个新的阶段，这显然对传统DCT编码提出了挑战。然而，Xiong等人利用嵌入式DCT块变换之间直流系数（DC）的高度相关性也能获得较高的编码性能，因为对DCT后的系数进行重组，同样具有小波多分辨率图像的特性。文中主要提出DCT与DWT的比较，以及基于DCT与小波变换在图像中的性能比较。     

一种基于小波零树编码和K-mean聚类的图像压缩的实现

针对在低比特率时图像存在严重的方块效应等不足,本文提出了一种基于小波零树编码和K-mean聚类的图像压缩算法。其中基于小波零树的图像编码克服了图像JPEG标准压缩算法在统计值较少时的方块效应现象,通过K-mean聚类算法可以改善小波零树编码算法中没有充分考虑到小波系数同一子带中相邻元素之间相关性的缺陷。实验结果表明,此改进的图像编码算法具有较好的信噪比和压缩比。     

一种基于形态学的小波域静态图像编码算法

零树小波编码器EZW和SPIHT是近年来最优秀的两个编码算法,不足之处在于其表示父子关系使用了较多的辅助位.基于形态学表示的编码器MRWD是另一成功的编码算法,其不足之处在于没有利用带间小波系数相似性.利用这些编码器的优点,并基于小波数据的形态学表示,开发了一个新的高效小波编码器.新的编码算法的主要特点在于充分利用了带内小波系数的聚类特性和带间小波系数的相似性以及幅值衰减性.最突出的特点是利用形态算子和带间相似性进行聚类预测,从而克服了前述3个编码器的不足.具体数值实验结果表明,该算法的编码效率优于上述3     

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Log-Gabor滤波器的SAR图像变化检测研究

合成孔径雷达(SAR)图像具有良好的操作性能和较高的分辨率.针对多时相SAR图像,提出了一种多尺度多方向的图像变化检测方法.通过斑点抑制各向异性扩散滤波(SRAD)和离散小波变换(DWT)对SAR图像进行预处理,利用Log-Gabor(LG)滤波器组对处理后的无斑点图像进行多尺度多方向设计,将多个方向的最大幅值相加得到基于特征的尺度表示.通过设计最小重叠的传输函数来扩大覆盖广泛的滤波器带宽,对每个尺度进行多方向处理得到差分图像系数,将各尺度的差分系数序列相加进而计算差分图像.最后,利用真实的武汉市SAR图像数据集验证了该方法的性能.     

基于Curvelet变换的图像压缩感知重构

压缩感知主要采用离散余弦变换(DCT)和正交小波进行图像的稀疏表示,但是DCT时频分析性能不佳,小波方向选择性差,不能很好地表示图像边缘的信息。为此,利用Curvelet变换具有的多尺度、各向奇异性、更高稀疏表示性能等特性,提出基于Curvelet变换的图像压缩感知重构算法,采用Curvelet对图像进行稀疏表示和小波域阈值处理,以此解决信号重构噪声问题。实验结果证明,与传统小波变换和Contourlet变换相比,该算法在Lena图像上峰值信噪比平均提高了1.86 dB和1.15 dB。将Curvelet变换应用于压缩感知,能使图像边缘和平滑部分得到最优的表示,图像细节部分重构效果得到大幅提升,有效提高图像整体重构质量。     

基于块自适应量化的SAR复数图像实时压缩算法

随着合成孔径雷达（SAR）分辨率的提高，实时成像处理器单位时间内产生的图像数据越来越多，需要有效的复数图像压缩算法来降低数据存储、传输的负担。复数图像压缩算法可以在保证数据有效性的前提下减少数据量，复数图像的压缩有相位保持的特殊问题。普通光学图像的压缩方法不适用于复数图像的压缩，同时SAR图像的斑点噪声和相位的随机性也增加了压缩难度。通过考察复数图像数据的特性提出了在消除频率域冗余的基础上使用块自适应量化的SAR复数图像压缩算法。块自适应量化方法很好地适合复数图像数据动态范围大的特性，减小了量化误差。压缩前后SAR图像参数指标，如分辨率、积分旁瓣比、相位干涉效果图等表明，本文的方法可以有效地保留复数图像相位和模值信息，在一些情况下压缩比能够达到16：1。而且该算法复杂度不高，易于实时实现。     

基于压缩感知的SAR图像鲁棒编码传输

目的 尽管传统的联合信源信道编码方案可以获得高效的压缩性能,但当信道恶化超过信道编码的纠错能力时会导致解码端重构性能的急剧下降;为此利用压缩感知的民主性提出一种鲁棒的SAR图像编码传输方案,且采用了一系列方法提高该方案的率失真性能。方法 考虑到SAR图像丰富的边缘信息,采用具有更强方向表示能力的方向提升小波变换(DLWT)对SAR图像进行稀疏表示,且为消除压缩感知中恢复非稀疏信号时存在的混叠效应,采用了稀疏滤波方法保证大系数的精确恢复,在解码端采用了高效的Bayesian重建算法获得图像的高性能重建。结果 在同等码率下,与传统的联合信源信道编码方案CCSDS-RS相比,本文方案可以实现更加鲁棒的编码传输,当丢包率达到0.05时,本文方案DSFB-CS获得的重建性能明显要高于CCSDS-RS;与基于Bayesian重建算法TSW-CS的传统方案相比,本文方案可提高峰值信噪比(PSNR)3.9 dB。结论 本文方案DSFB-CS 实现了SAR图像的鲁棒传输,随着丢包率的上升,DSFB-CS获得的重建性能缓慢下降,保证了面对不稳定信道时,解码端可以获得相对稳定的重构图像。     

基于小波包分解的 SAR图像压缩 *

针对 SAR图像含有丰富的中、高频信息 ,而基于小波变换的图像压缩方法会丢失高频细节信息 ,提出了基于小波包分解的 SAR图像编码算法。小波包变换对 SAR图像进行完全分解 ,再用与后续编码器相关联的代价函数进行最佳基搜索 ,然后根据各子带小波包系数的重要性进行加权 ,采用多级树集合分裂算法 ( SPIHT)编码。实验结果表明 ,该算法更好地保留了 SAR图像的细节信息 ,获得了同压缩比下优于传统 SPIHT算法的编码性能 ,更有利于后续图像处理。     

Multi-polarimetric SAR image compression based on sparse representation

The use of sparse representation in signal and image processing has gradually increased over the past few years.Obtaining an over-complete dictionary from a set of signals allows us to represent these signals as a sparse linear combination of dictionary atoms.By considering the relativity among the multi-polarimetric synthetic aperture radar(SAR)images,a new compression scheme for multi-polarimetric SAR image based sparse representation is proposed.The multilevel dictionary is learned iteratively in the 9/7 wavelet domain using a single channel SAR image,and the other channels are compressed by sparse approximation,also in the 9/7 wavelet domain,followed by entropy coding of the sparse coefficients.The experimental results are compared with two state-of-the-art compression methods:SPIHT(set partitioning in hierarchical trees)and JPEG2000.Because of the efficiency of the coding scheme,our method outperforms both SPIHT and JPEG2000 in terms of peak signal-to-noise ratio(PSNR)and edge preservation index(EPI).     

基于小波域空间树结构的合成孔径雷达图像压缩

空间树结构SOT(Spatial-Orientation Tree)在基于小波的SAR图像压缩中扮演着及其重要的角色,包括EZW(Embedded Zero-tree Wavelet)和SPIHT(Set Partitioning in Hierarchical Trees)的图像压缩编码方法,都利用了SOT中的父子关系。斑点噪声的存在,严重降低了SAR图像的质量和可压缩性。作为研究不同分辨率小波系数的空间相关性的非常有效的数据结构,SOT在斑点噪声去除中并没有得到很好的利用。提出一种新的SAR图像压缩方法,该方法结合基于SOT结构的斑点噪声去除和EZW嵌入式零树编码算法,对机载合成孔径雷达图像压缩实验的结果显示,该方法优于JPEG和标准EZW算法。     

基于多小波域SOT结构的SAR图像去噪与压缩算法*

合成孔径雷达（SAR）图像固有的相干斑噪声严重影响了SAR图像的判读和进一步压缩处理,提出一种在多小波域将空间方向树（SOT）去噪与压缩相结合的SAR图像压缩算法。首先利用SOT对高频子带的多小波系数进行软阈值去噪,滤除相干斑噪声;然后采用改进的多级树集合分裂（SPIHT）算法编码形成嵌入式码流。利用大量的机载SAR图像对该算法进行了仿真验证,实验结果表明采用该算法进行SAR图像压缩提高了重建图像的PSNR,同时对相干斑噪声进行了有效的抑制。     

基于稀疏重构框架下剪切波的SAR图像去噪

SAR图像很容易被乘性噪声多污染,进而影响SAR图像后序的分析与处理。本文中提出了一种基于剪切波稀疏编码的SAR图像移除乘性噪声的新模型。首先通过压缩感知理论建立SAR图像去噪模型;其次通过剪切波变换获得剪切波系数,每个尺度的系数视为一个单元;对于每个单元,通过剪切波域的贝叶斯估计对稀疏系数进行迭代估计。重现的单元最后结合起来构造去噪后的图像。SAR图像去噪效果显示了该算法有良好的表现性,对噪声具有鲁棒性;本文提出的算法不仅有较好的去噪效果,而且还保存了更多的边界信息。     

基于稀疏表示的SAR图像压缩方法研究

基于过完备字典的图像稀疏表示是一种新的图像表示理论,利用过完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示。采用基于过完备字典稀疏表示的方法实现SAR图像的压缩。为了得到表示图像所需要的信息,只需要存储稀疏分解的系数极其对应的坐标,实现压缩的目的。采用K-SVD算法实现过完备字典的构造。K-SVD算法是一种基于学习的算法,由于训练样本全部来自于图像本身,因此字典能够更好地逼近图像本身的结构,实现稀疏表示。仿真表明对于SAR图像的压缩,算法是有效的,并且优于基于DCT的Jpeg算法和基于小波变换的EZW和SPIHT算法。     

基于HVS和交叉掩蔽的彩色图像编码算法

以层树分集（SPIHT）编码方案为基础,结合人类视觉系统（HVS）模型和人类视觉对彩色图像分量亮度和色度的不同敏感性,提出了一种基于非对称编码和交叉掩蔽的小波域彩色图像压缩编码算法。该算法首先将原始图像从RGB空间转换到YCbCr空间,然后对YCbCr空间的各分量进行离散小波变换;之后根据人类视觉对彩色图像的亮度分量的敏感性,用交叉掩蔽模型对亮度分量的小波系数进行加权处理;与此同时,利用非对称编码和SPIHT编码思想完成图像的压缩。仿真实验结果表明,文中算法是一种高效的图像压缩编码方法,其压缩效果明显优于SPIHT编码方案。     

The compression of raw SAR and SAR image data

Space-based instrumentation is often capable of generating more data than the spacecraft telecommunications downlink can handle. This means that potentially valuable data has to be discarded before it can be looked at, or that expensive instrumentation is not working to full capacity. Data compression can help to increase the effective productivity of space-based instrumentation. However data compression is not free: it requires additional on-board processing to perform the compression and may result in some degradation of image quality. Synthetic Aperture Radar (SAR) instruments with high resolution and all weather, day and night capability produce very large volumes of data on-board a satellite. This paper looks at several different methods of raw SAR data compression. These methods were implemented and tested on a set of raw SAR data. The effects of the different forms of data compression on final SAR image quality were assessed. The results of this evaluation are presented here together with comparable results from other groups investigating raw SAR data compression. Data compression techniques which operate directly on the raw SAR data, on partially processed data or on image data are considered.