多光谱遥感图像无损压缩技术

1数据无损压缩技术特征 多光谱遥感图像来源于多光谱遥感技术,比如用于气象卫星的成像光谱仪,其产生的图像与一般图像相比多了一维光谱信息,数据量大,远远超出了数据传输和存储等设备的要求,这就必须对其进行压缩;图像的拍摄价格昂贵,且有长远的保存价值,最好对其进行无失真压缩,即无损压缩;日新月异发展的气象观测技术,需要对图像的原始数据进行某些计算和应用,因而需要对原始采集数据进行无损压缩.     

基于小波变换的遥感图像无损压缩算法研究

随着遥感技术的迅速发展,遥感图像数据量日益增大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出。在应用中,常要对遥感图像进行无损压缩存储,但是由于遥感图像自身的特点,其能够达到的无损压缩效率一直较低。文中探讨了利用小波变换对遥感图像进行压缩的技术,并研究三维整型DCT变换的无损压缩方法。     

高光谱图像分布式有损压缩研究进展

星载高光谱图像的有效压缩已经成为航天高光谱遥感领域研究的热点。分布式信源编码(DSC)技术具有较低的编码复杂度、良好的抗误码性以及可并行实现等优点,已被成功应用于高光谱图像的压缩。针对基于分布式信源编码的高光谱图像有损压缩技术进行了研究。首先简要介绍了分布式信源编码的基本理论与实现方式;然后从二元纠错码与多元陪集码两方面综述了高光谱图像分布式有损压缩的研究现状;最后指出了该领域需要进一步研究的问题。     

一种基于CCSDS的遥感图像压缩算法研究

提出了一种遥感图像数据的近无损压缩算法,用于对一幅红外图像进行2倍压缩以及解压.该算法基于CCSDS(空间数据系统咨询委员会)提出的对空间数据无损压缩的标准.实现了无损压缩和有损压缩的兼容,对于简单的图像可以实现无损压缩,且压缩比大于2倍,复杂的图像进行2∶1有损压缩,总体压缩比大干等于2.     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点.针对现有的高光谱图像数据量大和压缩所需运算量大的问题,提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法.首先利用最大相关度频段聚类算法(MCBC)将频段聚类,接着将每一类频段用PCA压缩,然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类,最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码.在不同的压缩比下进行实验,结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下,大幅度降低运算复杂度,实现高光谱图像的快速压缩.     

支持向量奇异检测在图像有损压缩中的应用

为解决现有高光谱图像压缩方法存在的压缩比与恢复信息准确性的矛盾,提出将结合空间信息的支持向量数据描述(SVDD)奇异检测算法用于压缩,首先根据光谱相似性进行空间聚类实现区域分割,大块区域像元光谱取均值作为背景光谱,用SVDD算法检测与局部邻域背景不同的小目标,接着对背景和小目标光谱数据进行无损压缩,最后对整个数据立方体进行大比例有损压缩.HYMAP高光谱图像的仿真结果表明,压缩比可达50:1,重要和主要信息得到有效保留.     

多光谱可见光遥感图像压缩系统设计

为了实现多光谱可见光遥感图像高质量压缩的要求,提出以JPEG2000压缩标准为理论,将FPGA与专用压缩芯片ADV212相结合的空间遥感图像压缩方法.该系统设计采用ADV212,通过小波变换及熵编码实现对大数据量的空间遥感图像进行高质量实时压缩,并且采用FPGA完成图像数据输入、压缩码流输出、图像预处理以及对ADV212的工作模式进行控制.实验结果表明,该系统设计功耗低、成本低、调试简单合理,具有较好的压缩效果,可满足多光谱可见光遥感图像对高质量压缩比的要求.     

超光谱图像数据压缩方法综述

针对目前超光谱图像的编码压缩还没有一个公认的标准或已成熟的压缩方法，本文对主要的几类超光谱图像压缩方法进行了介绍，并给出了各类压缩方法无损压缩的压缩比。随着对超光谱图像压缩研究的深入，多种方法结合使用的趋势愈加明显。通过对各种超光谱压缩技术的分析比较，为超光谱压缩算法的研究奠定了良好基础。     

干涉多光谱图像无损压缩算法

基于干涉多光谱图像成像原理和特点,提出一种干涉多光谱图像无损压缩算法。在压缩编码时,应充分利用图像的列相关性,采用基于列的比特平面编码和游程编码,对多光谱图像进行无损压缩,特别适于低分辨率的多光谱图像压缩。目前无损压缩算法的压缩比基本在1.6～2.4之间,本算法的压缩倍数一般可达到2倍以上,并且具有良好的抗误码性能。     

基于JPEG2000的遥感图像压缩

介绍了JPEG2000静态图像压缩标准的基本情况;对遥感图像的相关性以及小波变换域统计特性进行了分析。得出遥感图像的特点;针对遥感图像的特点,设计了基于JPEG2000无损压缩的高频子带分级量化高保真压缩方案。实验结果表明,此方案在对遥感图像进行压缩时取得了较好的效果。     

Preserving radiometric resolution in remotely sensed data withlossy compression

Recent advances in imaging technology make it possible to obtain remotely sensed imagery data of the Earth at high spatial, spectral, and radiometric resolutions. The rate at which the data is collected from these satellites can far exceed the channel capacity of the data downlink. Reducing the data rate to within the channel capacity can often require painful trade-offs in which certain scientific returns are sacrificed for the sake of others. The authors focus on the case where radiometric resolution is sacrificed by dropping a specified number of lower order bits (LOB) from each data pixel. To limit the number LOBs dropped, they also compress the remaining bits using lossless compression. They call this approach “truncation followed by lossless compression” or TLLC. They then demonstrate the suboptimality of this TLLC approach by comparing it with the direct application of a more effective lossy compression technique based on the JPEG algorithm. This comparison demonstrates that, for a given channel rate, the method based on JPEG lossy compression better preserves radiometric resolution than does TLLC     

基于残差偏置和查找表的高光谱图像无损压缩

为了提高高光谱遥感图像的压缩比,提出一种基于残差偏置和查找表的高光谱图像无损压缩方法。在高光谱图像的第一谱段图像采用了无损压缩标准中值预测器方法进行谱段内预测,其它谱段图像采用谱间预测方法。首先,在多级查找表（LAIS-LUT）预测方法的基础上搜索当前预测值,用当前预测值周围特定的5个像素点和当前像素值周围相同位置的5个像素点进行比较,通过比较结果,得出一个偏置值;然后在预测残差上加上偏置值;最后,将最终预测残差进行算术编码,并进行了理论分析和实验验证。结果表明,针对美国航空航天局的高光谱图像,所提出的方法比LAIS-LUT压缩比平均提高0.05;针对国内高光谱图像,该方法比LAIS-LUT压缩比平均提高0.07。这一结果对提高高光谱图像压缩效率是有帮助的。     

Hyperspectral data compression using a fast vector quantization algorithm

A fast vector quantization algorithm for data compression of hyperspectral imagery is proposed in this paper. It makes use of the fact that in the full search of the generalized Lloyd algorithm (GLA) a training vector does not require a search to find the minimum distance partition if its distance to the partition is improved in the current iteration compared to that of the previous iteration. The proposed method has the advantage of being simple, producing a large computation time saving and yielding compression fidelity as good as the GLA. Four hyperspectral data cubes covering a wide variety of scene types were tested. The loss of spectral information due to compression was evaluated using the spectral angle mapper and a remote sensing application.     

基于感知器的遥感图像无损压缩编码

无损压缩在遥感领域有极其重要的作用。该文提出一种基于感知器模型的遥感图像无损压缩编码方法,该方法利用感知器具有学习能力的特点,自适应地调整图像的预测系数,对遥感图像进行空间和谱间去相关,然后进行熵编码。实验表明,对于多波段的遥感图像,该方法的压缩效果明显优于无损JPEG(Joint of Picture Expert Group)最优预测模式。     

Hyperspectral resolution enhancement using high-resolution multispectral imagery with arbitrary response functions

A maximum a posteriori (MAP) estimation method for improving the spatial resolution of a hyperspectral image using a higher resolution auxiliary image is extended to address several practical remote sensing situations. These include cases where: 1) the spectral response of the auxiliary image is unknown and does not match that of the hyperspectral image; 2) the auxiliary image is multispectral; and 3) the spatial point spread function for the hyperspectral sensor is arbitrary and extends beyond the span of the detector elements. The research presented follows a previously reported MAP approach that makes use of a stochastic mixing model (SMM) of the underlying spectral scene content to achieve resolution enhancement beyond the intensity component of the hyperspectral image. The mathematical formulation of a generalized form of the MAP/SMM estimate is described, and the enhancement algorithm is demonstrated using various image datasets.     

基于光谱梯度角的高光谱影像流形学习降维法

为了挖掘高光谱数据的光谱局部特征,从高光谱遥感数据内在的非线性结构出发,提出了一种基于光谱梯度角的高光谱影像流形学习降维方法。采用局部化流形学习算法局部保持投影（LPP）对高光谱遥感数据进行非线性降维,对距离度量进行改进,将能够更好刻画高光谱影像光谱局部特征的光谱梯度角相似性度量应用于LPP方法,并用真实高光谱图像进行降维实验,取得了优于LPP方法和采用光谱角的LPP方法的结果。结果表明,在光谱规范化特征值方面,所提方法优于LPP方法和采用光谱角的LPP方法;在信息量的保持方面,具有更好的局部细节信息保持量。采用光谱梯度角的流形学习方法用于高光谱影像降维能取得较好的降维效果。     

Efficient spatial-spectral compression of hyperspectral data

Mean-normalized vector quantization (M-NVQ) has been demonstrated to be the preferred technique for lossless compression of hyperspectral data. In this paper, a jointly optimized spatial M-NVQ/spectral DCT technique is shown to produce compression ratios significantly better than those obtained by the optimized spatial M-NVQ technique alone     

高光谱线性解混研究进展

受高光谱遥感仪器空间分辨率的限制以及复杂地物的影响,高光谱图像中存在大量混合像元,成为阻碍高光谱遥感技术应用和发展的关键因素。高光谱混合像元分解技术已成为高光谱图像处理中的关键技术。系统地整理近年来高光谱解混的相关算法,从端元提取和丰度估计两个方面介绍高光谱解混的研究进展。对高光谱解混的相关算法进行分类总结,并对其原理和优缺点进行了对比分析。结合当前研究现状针对存在的问题做出了展望,指出今后可从模型共存、空谱结合、时效性以及工程实用化的角度对高光谱解混作进一步研究。     

DSC的超光谱图像无损压缩算法

有效的星载超光谱图像压缩技术对于解决超光谱图像实时传输极为重要。针对超光谱图像传统的联合编解码算法的不足,提出了一种基于分布式信源编码(Distributed Source Coding,DSC)的超光谱图像无损压缩算法。为利用超光谱图像的局部空间相关性,将超光谱图像进行分块处理;引入多元线性回归模型构建编码块的边信息,并为每个编码块选取最优的预测阶数,以有效利用超光谱图像的局部谱间相关性。根据(n,k)线性分组码的原理,通过多元陪集码实现超光谱图像的分布式无损压缩。实验结果表明:该算法能够取得较好的无损压缩性能,同时具有较低的编码复杂度,适合星载超光谱图像的压缩实现。     

Practical transform coding of multispectral imagery

We present an implementable three dimensional terrain adaptive transform based bandwidth compression technique for multispectral imagery. The algorithm exploits the inherent spectral and spatial correlations in the data. The compression technique is based on Karhunen-Loeve transformation for spectral decorrelation followed by the standard JPEG algorithm for coding the resulting spectrally decorrelated eigen images. The algorithm is conveniently parameterized to accommodate reconstructed image fidelities ranging from near-lossless at about 5:1 CR to visually lossy beginning at about 30:1 CR. The novelty of this technique lies in its unique capability to adaptively vary the characteristics of the spectral correlation transformation as a function of the variation of the local terrain. The spectral and spatial modularity of the algorithm architecture allows the JPEG to be replaced by a alternate spatial coding procedure. The significant practical advantage of this proposed approach is that it is based on the standard and highly developed JPEG compression technology