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。     

一种新的遥感图像无损压缩算法

根据高光谱遥感图像具有空间和谱间相关性的特点,提出了基于三维整型DCT变换的无损压缩方法.首先将空间维和谱间维组合起来形成三维数据,采用三维整型DCT变换消除高光谱图像空间和谱间的相关性;然后,对变换系数进行类似小波的树状系数重组,并按子带顺序进行一阶自适应算术编码.实验结果表明,与已有的无损压缩算法相比,该方法的压缩效率有较大提高.     

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。     

合成孔径雷达原始数据AP-TCQ压缩算法

研究了合成孔径雷达原始数据幅相压缩算法(Amplitude and Phase,AP)和网格编码量化(Trellis codedquantization,TCQ),提出了合成孔径雷达原始数据AP-TCQ压缩算法.将I,Q两路原始数据转化为极坐标下相同大小的幅度一相位数据,根据率失真不等式由拉格朗日乘子法推导了基于幅度微分熵和相位微分熵的最优比特分配公式,然后用对应的比特数分别进行幅度和相位的网格编码量化.文中还探讨了TCQ码书的构成对AP-TCQ压缩算法性能的影响,通过理论分析和实验结果比较指出;幅度数据采用瑞利分布Lloyd-Max码书进行TCQ量化(Rayleigh trellis coded quantization,RTCQ),相位数据采用均匀分布Lloyd-Max码书进行TCQ量化(Uniform trellis coded quantization,UTCQ).具有最佳的量化性能.与I,Q两路原始数据采用TCQ算法和已有的AP算法相比,该方法能够很好地保留原始数据的相位信息,且能够实现幅度相位压缩量化比特自动分配,具有更好的压缩性能.     

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。     

一种准无损压缩图象子带编码算法

针对有损压缩会损失一部分信息而无损压缩又压缩比较低的问题,提出一种实现准无损压缩的方法。该方法就是首先将图象用噪声模型进行去除噪声处理,以提高图象的信噪比,并有利于图象的压缩;然后再使用区域自适应子带编码算法进行编码。由于该算法能快速收敛,因而编码时间相对较少;编码通常能实时执行。实验结果表明,该压缩方案具有高信噪比、高压缩比等优良性能。从算法的理论基础来看,其中基于噪声模型的噪声清除算法对其他编码算法（如DCT、DPCM、JPEG、SPIHT、MPEG等等）同样具有推广意义。     

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。     

高光谱图像无损压缩的DSP优化实现

高光谱遥感技术是当前遥感领域的前沿技术之一,由于高光谱图像的数据量巨大,因此对其进行压缩具有十分重要的意义。基于TI公司的TMS320DM642高性能DSP芯片,采用JPEG-LS压缩算法实现了高光谱图像的无损压缩,并针对DSP硬件特点对算法进行了深入优化,使其达到了较高的压缩速度,从而为高光谱图像无损压缩技术在遥感平台上的实时性应用提供了可能。实验结果表明,优化后的运行效率平均提高了20倍以上,且与通用计算机相比也有明显的优势。     

基于整数小波变换的遥感超光谱图像无损压缩

由于遥感图像信息十分宝贵,应尽可能采用无损压缩或近无损压缩方法。本文提出基于"提升"(Lifting)算法实现整数小波变换(IWT)的方法,将变换方法用于去除空间冗余,保证了小波变换后图像信息无损失,再用算术编码对图像进行无损压缩。由于变换方法的去相关性能良好,实验证明将IWT应用于遥感图像无损压缩是有效的,能达到预期的目的,解码后的图像能无失真的恢复。     

嵌入广义树分类器的集合划分编码

目的 针对现有小波域图像集合划分编码（SPC）方法存在无损编码性能较弱的问题，设计广义树分类器，构建嵌入广义树分类器的集合划分编码方法（SPACS_C）。方法 针对已有SPC方法对坐标集合直接进行"先检测后划分"编码，存在当位平面降低导致数据之间相关性降低后位置比特和不必要比特数量急剧增大问题，SPACS_C对编码过程中产生的坐标集合分类处理，减少对坐标集合的显著性检测次数，从而降低位置比特的输出。SPACS_C对广义树分类处理利用图像小波系数的稀疏度随位平面降低而迅速降低的数据特点，对"先划分后检测"和"先检测后划分"两种方式所需的比特开销进行预测，选用比特开销较少的方式编码坐标集合，减少SPACS_C输出的位置比特数量。结果 采用不同统计特性和不同大小的可见光图像（8 bit）和红外图像（16 bit）测试SPACS_C，结果表明SPACS_C的无损编码性能优于JPEG2000，特别是对红外图像的无损编码平均节省了3.1%的数据空间；性能接近或超过图像无损压缩标准JPEG-LS。结论 SPACS_C对坐标集合的分类处理利用小波域图像低层位平面稀疏度差的数据特点，有效减少位置比特输出，进而提高编码性能。与JPEG2000一样，SPACS_C可以实现图像质量的渐进式压缩。SPACS_C的编码不受图像数据动态范围的影响，可以对任意位深度的图像进行压缩编码。     

超光谱图像的三维小波嵌入零块压缩编码

超光谱图像作为一种三维图像,其海量的数据导致在有限带宽信道上传输和存储非常困难,必须对它进行有效的压缩编码.提出了一种基于非对称三维小波变换(3D wavelet transform,简称3DWT)和三维集合块分裂的超光谱遥感图像压缩方法.因为大多数超光谱图像在各个方向上具有非对称的统计特性,所以利用非对称三维小波变换去除图像的谱间和空间冗余.与传统的对称三维小波变换相比,非对称的三维小波变换能够更有效地去除相邻谱段间的冗余.提出了一种改进的3DSPECK(3D set partitioning embedded block)算法--非对称三维集合分裂块算法(asymmetric transform 3DSPECK,简称AT-3DSPECK),并被用于编码变换后的系数.根据变换系数的能量分布特点,三维零块分裂和三维octave子带分裂方法被有效地结合在所提出的AT-3DSPECK算法中.为了优化率失真和加速编码速度,也给出了一种零块优化排序的快速算法.实验测试表明:AT-3DSPECK算法的平均PSNR(peak signal to noise ratio)分别比AT-3DSPIHT(asymmetric transform 3D set partitioning in hierarchical trees)和3DSPECK算法高0.4dB和1.4dB.此外,AT-3DSPECK还具有比零树算法更快的编码速度.     

基于DPCM与S+P变换的图像无损压缩

S+P变换是由AmirSaid犤7犦提出的一种多分辨表示方法,能够实现整数到整数的变换,从而成功地应用于图像的无损压缩,其性能优于基于线性预测的JPEG标准。为了进一步提高压缩性能,论文提出了一种基于DPCM与S+P变换的图像无损压缩算法。首先,对原始图像进行线性预测,得到差值图像;其次,对差值图像进行S+P变换;最后,对变换系数进行熵编码压缩。新算法利用像素间的相关性,给出了一种新的利用一维S+P变换实现图像变换的方法,减少了变换增加的数据量,有效地解决了边界处理问题。实验结果与性能比较表明:新算法有效的,优于其它著名的基于多分辨分解的无损图像压缩编码算法犤7,10,12犦。     

基于3维上下文预测的高光谱图像无损压缩

如今高光谱数据的有效压缩已成为遥感技术发展中需要迫切解决的问题,为了对高光谱数据进行有效压缩,提出了一种基于3维上下文预测的高光谱图像无损压缩算法。该算法首先根据相邻波段间的相关性大小进行波段分组,同时对各个分组重新进行波段排序;然后采用自适应波段选择算法对高光谱图像进行降维,再利用k-means算法对降维后的波段谱向矢量进行聚类;最后在参考波段和当前波段中通过定义3维上下文预测结构,在聚类结果的基础上,对各个分类分别训练其最优的预测系数。实验结果表明,该方法可显著降低压缩后图像编码的平均比特率。     

A progressive transmission capable diagnostically lossless compression scheme for 3D medical image sets

This paper presents a novel and efficient diagnostically lossless compression for 3D medical image sets. This compression scheme provides the 3D medical image sets with a progressive transmission capability. An automated filter-and-threshold based preprocessing technique is used to remove noise outside the diagnostic region. Then a wavelet decomposition feature vector based approach is applied to determine the reference image for the entire 3D medical image set. The selected reference image contains the most discernible anatomical structures within a relative large diagnostic region. It is progressively encoded by a lossless embedded zerotree wavelet method so the validity of an entire set can be determined early. This preprocessing technique is followed by an optimal predictor plus a 1st-level integer wavelet transform to de-correlate the 3D medical image set. Run-length and arithmetic coding are used to further remove coding redundancy. This diagnostically lossless compression method achieves an average compression of 2.1038, 2.4292, and 1.6826 bits per pixel for three types of 3D magnetic resonance image sets. The integrated progressive transmission capability degrades the compression performance by an average of 7.25%, 6.60%, and 4.49% for the above three types. Moreover, our compression without and with progressive transmission achieves better compression than the state-of-the-art.     

四叉树分块的高光谱图像分布式无损编码

目的 近年来随着光谱成像技术的快速发展,使得高光谱遥感图像能够提供更加丰富的地物信息,然而其所具有的极大数据量给图像的存储、传输和实用带来较大的困难。因此,如何对高光谱遥感图像进行有效编码成为研究热点。方法 基于陪集码的分布式信源编码因其具有良好的压缩性能和较低的编码复杂度而受到重视,在此基础上提出一种基于自适应四叉树分块的高光谱图像分布式无损编码方案。设每个高光谱帧组的第1帧为关键帧,其他帧为普通帧,首先对关键帧进行自适应四叉树分块,然后对每一块与普通帧相应的块进行最佳线性预测,进而根据预测残差确定所需传输的陪集码索引位数以及每个像素的k个最低比特位。结果 本文通过自适应四叉树分块,增强了所形成陪集码的自适应性。所提出的编码方案很好地实现了压缩效果和编码效率的折中。结论 提出的方案能够较好地适应低复杂度环境下对高光谱图像无损编码的需求。     

基于D^2PCM的数字减影图象序列无损压缩算法

充分利用数字减影（ＤＳＡ）图象序列在时间域上的减影图象之间仍然存在一定的相似性,提出了一种基于二阶差分ＰＣＭ（Ｄ＾２ＰＣＭ）的编码方式。方法在空间坐标与时间坐标上构成了一个二阶差分,能够有效地减少图象在空间以及时间域上的冗余度,从而实现对ＤＳＡ序列的无损压缩,减少了存储空间与传输时间。实际应用证明该处法是稳定和实用的。     

基于K-AP算法的高光谱图像波段选择方法

在高光谱图像分析领域中，波段选择是一种能有效减少高光谱图像维度的方法。K类仿射传播算法是一种高效的聚类算法，已成功地应用于人脸识别和数据分析等领域，但在高光谱图像分析领域还少有成功的应用。提出将K-AP算法应用于高光谱图像波段选择，对高光谱图像进行有效的数据压缩。针对K-AP算法的特点，基于Kullback-Leibler散度定义了新的相似度矩阵，对波段进行度量，再使用K-AP算法进行聚类，选择最有代表性的波段。实验结果表明，与常用的波段选择方法相比，所提出的方法有更好的表现。     

HEVC-based lossless intra coding for efficient still image compression

Latest advancements in capture and display technologies demand better compression techniques for the storage and transmission of still images and video. High efficiency video coding (HEVC) is the latest video compression standard developed by the joint collaborative team on video coding (JCTVC) with this objective. Although the main design goal of HEVC is the compression of high resolution video, its performance in still image compression is at par with state-of-the-art still image compression standards. This work explores the possibility of incorporating the efficient intra prediction techniques employed in HEVC into the compression of high resolution still images. In the lossless coding mode of HEVC, sample- based angular intra prediction (SAP) methods have shown better prediction accuracy compared to the conventional block-based prediction (BP). In this paper, we propose an improved sample-based angular intra prediction (ISAP), which enhances the accuracy of the highly crucial intra prediction within HEVC. The experimental results show that ISAP in lossless compression of still images outclasses archival tools, state-of-the-art image compression standards and other HEVC-based lossless image compression codecs.     

基于分类重排LZW的图像无损压缩算法

在遥感、医学等许多应用领域中,出于对图像质量的要求,图像一般必须进行无损压缩。针对现有方法的局限,提出了一种无损压缩算法。该算法利用图像灰度分布对压缩比的影响,首先对像素进行灰度分类并用掩膜图记录类别信息,然后采用Hilbert曲线将各类像素进行块间和块内重排,最后采用LZW(lempel-ziv-welch)算法对掩膜图与各类像素的数据流进行编码。经过对多幅标准测试图像以及遥感图像的实验结果表明,本文算法在总体上具有比LZW、行程编码RLE(run length encoding)和霍夫曼(Huffman)等方法更高的压缩比,并且易于实现。