基于最佳线性预测器的高光谱图像无损压缩算法

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，本文充分利用了高光谱遥感图像的谱间相关性，设计出对相邻谱段进行预测并将预测残差均方降为最小的一种最佳线性预测器。最后利用整数小波变换，并结合SPIHT算法，有效的去除空间相关性。实验表明该算法可以收到良好的效果，优于3D—SPIHT算法和WINRAR压缩软件。     

基于分段K—L变换的遥感图像压缩

提出了基于分段Karhunen—Loeve变换和整数小波的遥感图像压缩方法。算法的关键是依据高光谱图像的谱间相关性．改变K-L变换的谱段间隔数。与传统的K—L变换相比，改进的分段式的K—L变换使用了较少的相邻谱段，所以能更快更好地恢复原图像。实验结果表明分段式的K—L变换／整数小波变换的图像压缩方法比传统K—L变换／整数小波变换具有更好的性能。     

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。     

基于整数小波和三维自适应的高光谱图像无损压缩算法

考虑到高光谱图像小波子图的谱间相关性,提出了一种新的基于整数小波的三维自适应预测高光谱图像无损压缩算法。首先用5/3整数小波将高光谱每个谱段图像做小波分解,对不同谱段的相同子带,设计一种新的线性预测器。用与待预测像素有较强相关性的相邻像素自适应地估计预测系数的值。消除了大部分的谱间冗余和空间冗余后,再用JPEG-LS进一步去除残差图像的空间冗余。实验表明,该算法能有效去除多光谱图像间的相关性,较其他压缩算法压缩比有很大提高,且算法简单,便于硬件实现。     

方向自适应提升小波在遥感图像中的研究

针对于遥感图像纹理复杂的特点,提出了一种利用自适应方向提升方案的遥感图像压缩编码新方法。传统的提升方法主要在垂直和水平方向上进行,从而降低垂直和水平方向上像素的相关性;与传统的提升方法不同,基于自适应方向提升的方法充分利用了图像其他纹理方向的相关性来进一步提高预测的精度,从而降低高频部分的能量值。该算法首先利用自适应方向提升的方法对遥感图像进行多尺度快速整数小波变换,然后采用子带位平面编码算法来实现遥感图像的高效压缩编码。实验结果表明,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。     

改进的小波变换在多源遥感图像融合中的应用

在分析方向可调的小波变换与不可分离小波变换的基础上,以全色SPOT和多光谱TM遥感影像为数据源,结合可调小波变换与不可分离小波变换的优点,借助Matlab与ERDAS IMAGINE等工具,实现了改进的方向可调的不可分离框架小波变换的遥感影像融合处理.该方法与传统的融合方法相比,具有不可分离小波变换和方向可调性等优点,对图像的多分辨率信息的刻画比较精细,既能保持多光谱图像的光谱信息,又能保持全色图像的空间分辨率特性,从而提高了对影像的解译能力.     

基于三维整数小波与自适应预测的高光谱图像压缩研究

高光谱图像作为一种三维图像,其海量数据给存储和传输带来极大困难,必须对其进行有效压缩。根据高光谱图像的特点,本文提出了一种基于三维整数小波与自适应预测的无损压缩算法。首先利用三维整数小波变换充分消除高光谱图像的谱间冗余和空间冗余,自适应预测编码可以进一步消除变换后低频子带之间的冗余,从而进一步提高压缩性能;最后利用JPEG-LS标准和SPIHT算法分别对数据进行无损压缩。通过改变小波基,也可实现有损压缩。实验结果表明,该算法可以取得较好的无损和有损压缩效果。     

一种基于整数小波变换的图像无损压缩方法

由于第二代小波变换可以实现图像的整数到整数的变换,而且图像的恢复质量与变换时边界采用何种延拓方式无关,完全可以克服由第一代小波变换所带来的缺陷。该文利用这个特性,提出了一种基于整数小波变换的图像无损压缩算法。该方法首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,最后将预测误差进行哈夫曼编码。实验结果表明,该方法算法简单,有较好的压缩性能,与JPEG无损压缩模式相比较,有较大的优势。     

基于IHS变换与小波变换的图像融合

提出一种将IHS变换和小波变换相结合的图像融合算法,适用于多光谱图像和高分辨率图像的融合.算法首先对多光谱图像进行IHS变换,之后利用变换后得到的强度分量和高分辨图像具有较强的相关性的特点,在小波变换域进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像.实验对比数据表明该方法具有较好的融合效果,融合图像优于传统的IHS变换法和传统小波变换方法.     

一种新的基于HIS和小波变换的图像融合方法*

针对遥感图像影像分辨率低的问题,提出了一种新的基于HIS和小波变换的低分辨多光谱和高分辨全色图像的融合方法.该方法通过对高分辨全色图像小波分解后的低频分量进行低通滤波,将全色图像的低频信息中的高频分量融入到多光谱图像HIS空间的亮度信息的低频中;再将这个融合后的低频和高分辨全色图像的细节信息进行小波反变换,得到融合后的图像.该图像很大程度地保留了多光谱的光谱特性和高分辨图像的空间分辨率.仿真结果表明了本方法的有效性.     

Transform Based Lossy Compression of Multispectral Images

We have composed compression methods, which are based on the one-, two- and three-dimensional wavelet transforms. In addition, clustering the spectra of the image is considered. These compression methods, combining compression in the spectral and spatial domains, are compared by using a dataset of 65 multispectral images. The experimental results show that, at low compression ratios, the best method is based on the three-dimensional wavelet transform, where the spatial and spectral dimensions are transformed simultaneously. At higher compression ratios, a high quality wavelet-based compression method in the spatial dimensions combined with the principal component analysis in the spectral dimension gives the best results. This means that components of compressed images can be used as features in pattern analysis applications. The selection of the compression parameters is image-dependent. The results also show that, for multispectral images, both spectral and spatial compression could be used, and for best results, optimal bit allocation in encoding should be found. The results from the methods suggested are compared to the results found in the literature.     

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。     

整数(5,3)小波变换结合SPIHT的无损图像压缩

讨论了整数(5,3)小波变换的构造方法,在此基础上提出了一种整数(5,3)小波与SPIH T以及自适应编码相结合的无损图像压缩编码方法,该方法运算速度快,硬件实现简单,实验结果表明,与其他的无损压缩方法相比,压缩比均有提高,是一种有效的无损图像压缩方法。     

动态心脏超声波序列图像压缩的脊波方法

在介绍脊波理论的基础上,采用平行束投影(Radon变换)加整数小波变换的方法来实现脊波变换,以此为基础设计出一种压缩方案,并将其应用到动态心脏超声波序列图像的压缩中。由于平行束投影对噪声具有抑制作用,整数小波变换可以节约系数的存储空间,因此在相同的压缩环境下,与直接用2-D整数小波变换进行压缩相比,文中的方法能得到更大的压缩比。编码脊波系数时,提出按投影分度方向来组织和预测脊波系数的思想,使得该方法在实现嵌入式编码的同时还具有了较强的鲁棒性。文中的方法可用于远程医疗、CT、MRI和视频压缩等领域。     

动态心脏超声波序列图像压缩的脊波方法

在介绍脊波理论的基础上，采用平行束投影（Radon变换）加整数小波变换的方法来实现脊波变换，以此为基础设计出一种压缩方案，并将其应用到动态心脏超声波序列图像的压缩中。由于平行束投影对噪声具有抑制作用，整数小波变换可以节约系数的存储空间，因此在相同的压缩环境下，与直接用2-D整数小波变换进行压缩相比，文中的方法能得到更大的压缩比。编码脊波系数时，提出按投影分度方向来组织和预测脊波系数的思想，使得该方法在实现嵌入式编码的同时还具有了较强的鲁棒性。文中的方法可用于远程医疗、CT、MRI和视频压缩等领域。     

基于小波压缩扩展技术的无损图象数据隐藏

文章提出了一种基于小波域压缩扩展技术的无损图象数据隐藏方法。该方法先对图象作整数小波变换;随后使用压缩扩展技术在小波高频子带系数上嵌入数据。小波高频系数的拉普拉斯分布特性不但便利了压缩扩展函数的选择,而且使嵌入较大容量数据后的水印图象仍保持良好的视觉效果。实验结果表明,该方法无论在嵌入容量上还是嵌入数据后的图象视觉效果上,均达到当前世界上最好水平。     

The joint use of IHS transform and redundant wavelet decomposition for fusing multispectral and panchromatic images

Intensity hue saturation (IHS) and wavelet decomposition are two distinct fusion methods used for enhancing the spatial resolution of multispectral images by exploiting a high-resolution panchromatic image. In this paper, a combination of the IHS transform and redundant wavelet decomposition is proposed as a general method for fusing multisensor images. The principle consists of transforming low-resolution multispectral images into IHS independent components. The low-resolution intensity component is fused with the high-resolution panchromatic image in the redundant wavelet domain through an appropriate model. Subsequently, the high-resolution intensity produced is substituted to the low-resolution intensity. High spatial resolution multispectral images are then obtained through an inverse IHS transformation. SPOT images are used to illustrate the superiority of this approach over the IHS fuser in terms of preservation of spectral properties.