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。     

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。     

整型小波变换应用于遥感图像无损压缩

基于“提升”(Lifting)算法实现整型小波变换(IWT),然后将图像变换到小波域,用零树编码 和算术编码相结合的方式对图像进行无损压缩,并针对遥感图像波段之间的相关性进行了谱间预 测。最后进行了一些相关实验,实验证明将IWT应用于遥感图像无损压缩是有效的。     

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。     

一种基于神经网络模型的遥感图像的快速无损压缩方法

感知器是一种分层的神经网络模型,具有自适应自学习的能力.本文提出一种基于感知器模型的自适应预测的遥感图像无损压缩方法,编码时,先对当前像素进行自适应预测,然后采用快速有效的Rice编码器对误差图像编码.以TM遥感数据为实验对象,实验结果表明,该方法能够有效地去除遥感图像的空间及谱间相关性,压缩效率明显优于基于算术编码的JPEG最优无失真模式;与LOCO-I算法相比,三维预测的平均压缩比和编解码速度也有较大的提高.     

On the statistical decorrelation of the 2D discrete wavelet transform coefficients of a wide sense stationary bivariate random process

We present a second order statistical analysis of the 2D Discrete Wavelet Transform (2D DWT) coefficients. The input images are considered as wide sense bivariate random processes. We derive closed form expressions for the wavelet coefficientsʼ correlation functions in all possible scenarios: inter-scale and inter-band, inter-scale and intra-band, intra-scale and inter-band and intra-scale and intra-band. The particularization of the input process to the White Gaussian Noise (WGN) case is considered as well. A special attention is paid to the asymptotical analysis obtained by considering an infinite number of decomposition levels. Simulation results are also reported, confirming the theoretical results obtained. The equations derived, and especially the inter-scale and intra-band dependency of the 2D DWT coefficients, are useful for the design of different signal processing systems as for example image denoising algorithms. We show how to apply our theoretical results for designing state of the art denoising systems which exploit the 2D DWT.     

基于ARSIS概念的遥感影像小波包融合

研究了基于ARSIS概念的遥感影像的小波包融合方法。利用小波包分解高分辨率影像和多光谱影像,在融合影像的低频小波包系数重构时采用波段间交互构建模式,即包含了多光谱影像低频小波包系数,也包含了高分辨率影像低频小波包系数。融合影像的高频小波包系数以局部方差为规则进行择优选取。融合实验结果证明,新方法在对原多光谱影像信息的保持上优于IHS方法,同时在保持高分辨率影像的细节信息上有所改善。     

Image-based spacecraft pointing model using single-bank dual-band registration

The growing interest in the development of small satellites and the demand for high-resolution imaging has made the pointing and drift rate requirements of a satellite more stringent. To achieve high pointing accuracy, star sensors can be used, but their size and weight are too large for small satellites. The need for keeping the overall cost of the spacecraft down and still achieve adequate pointing accuracies has provoked the development of relatively inexpensive and high-performance attitude systems that can provide competitive pointing accuracies during imaging operations. In order to realize such a system, this research describes a novel approach for finding the attitude of a satellite at any arbitrary rotation by using inter-band offsets from a single multi-spectral imager (MSI). For Earth observational imagery, UK Disaster Monitoring Constellation Earth-pointing MSI is used. This research focuses on the potential use of a narrow angle between the bands of a pushbroom sensor for determining the attitude of a spacecraft. The technique investigated does not require ground control points or knowledge of any ground features, but rather estimates the orientation of the platform through analysis of perspective and timing-based distortions between images. These distortions are assumed translational and affine in nature, with two-dimensional shifts being extracted from imagery using a Singular Value Decomposition-based registration scheme. In order to better understand the effect of attitude on imagery, a model was developed for predicting inter-band shifts given an attitude. This was then used to estimate the shifts between imagery at nominal attitude and given a series of simulated manoeuvres. Several simulations have shown that the row and column offsets represented a straight line. Hence, we expressed the row and column shifts in terms of straight line parameters. These geometric attributes are then represented in terms of Euler axis/angle to find the mapping for the elements of the general rotation matrix. Once the mapping is computed for the elements of the rotation matrix, we used the standard equations to determine the angle of rotation and Euler axis. The accuracy of attitude estimates depends on the magnitude of angular separation between the cameras, orientation of spacecraft, sensor resolution, image texture, and image registration method. The technique proposed in this study may however be applied to any satellite with pushbroom sensors that have a discernable along track separation and sufficient overlap.     

一种结合空间与光谱信息的改进CVA变化检测方法

基于变化向量分析（CVA）的变化检测方法通过直接比较像素差异，能够快速提取多时相影像间的变化信息。尽管如此，由于忽略了像素领域的空间上下文信息及波段之间的差异性和互补性，导致检测结果中难以消除噪声等因素产生的“伪变化”。为此提出了一种结合空间和光谱信息的改进CVA方法。首先，采用主成分分析法对影像进行增强，继而通过构建一种新的多方向差分描述子来提取中心像素的空间上下文信息；在此基础上，提出一种基于相关性的加权融合策略，获得统一的变化强度差分影像；最后，采用EM算法求得变化像素的阈值，继而得到二值检测结果。实验结果表明：所提出的算法能够有效应对“伪变化”的干扰，显著提高变化检测的精度及可靠性。     

高斯Copula的多光谱遥感影像分割

为了充分利用多光谱影像波段间的相关性,提出高斯Copula的多光谱遥感影像分割方法.首先,建立基于马尔可夫随机场的标号场模型,使用Potts模型刻画该标号场.然后,建立表征像素光谱测度的特征场,利用高斯Copula建立像素光谱测度的多变量统计模型以刻画该特征场.结合标号场、特征场模型及各模型参数的先验概率,利用贝叶斯定理建立多光谱影像分割的后验概率模型.最后,设计适用于模拟后验概率模型的M-H算法,在最大后验概率策略下获取最优分割结果.对模拟和真实多光谱影像分割结果表明,文中方法描述波段间相关性的能力较强,准确性较高.     

一种结合空间与光谱信息的改进CVA变化检测方法

基于变化向量分析（CVA）的变化检测方法通过直接比较像素差异,能够快速提取多时相影像间的变化信息。尽管如此,由于忽略了像素领域的空间上下文信息及波段之间的差异性和互补性,导致检测结果中难以消除噪声等因素产生的“伪变化”。为此提出了一种结合空间和光谱信息的改进CVA方法。首先,采用主成分分析法对影像进行增强,继而通过构建一种新的多方向差分描述子来提取中心像素的空间上下文信息;在此基础上,提出一种基于相关性的加权融合策略,获得统一的变化强度差分影像;最后,采用EM算法求得变化像素的阈值,继而得到二值检测结果。实验结果表明：所提出的算法能够有效应对“伪变化”的干扰,显著提高变化检测的精度及可靠性。     

基于Ov6620的图像采集系统的设计

数字图像处理技术在电子与通信领域得到了飞速发展,视频图像的出现极大的提高了工程实现的效率。本文设计了基于飞思卡尔MC9S12XS128单片机及OV6620数字摄像头的视频图像采集系统,实现了无线监测系统的图像采集、图像处理及图像显示。文中针对图像去噪处理功能,对相应的图像滤波算法进行了阐述。实验表明,该系统可以满足图像监测的需要。     

基于嵌入式Linux远程图像监控系统的设计

系统以嵌入式微处理器S3C2440和Linux为核心平台,采用USB摄像头作为图像采集设备,利用Linux下视频设备应用编程接口V4L2和Qt/Embedded实现图像的采集,实时显示和JPEG格式图片保存,利用libjpeg库来实现视频数据的编解码以及通过以太网进行远程传输,实现一种功耗低、可靠性高和低成本的网络图像采集与传输系统设计方案。