应用自适应预测器排序的三阶预测高光谱图像无损压缩

针对图像校正引起的高光谱图像的数据相关性,本文基于三级谱间预测和后向像素搜素(IP3-BPS)两阶预测提出了一种应用自适应预测器排序的三阶预测高光谱图像无损压缩算法。首先,根据高光谱图像相邻波段的相关系数大小进行自适应波段分组。然后,对谱间相关系数大于0.9的分组,利用校正引起的数据相关性和高光谱图像波段缩放因子分别给出一种递归双向像素搜索和一种自适应预测器排序技术;新形成的三阶预测算法将递归双向像素搜索和后向像素搜索作为最后两阶预测的预测器,并自适应调整两者的排序以获得更优的预测值。对机载可见光/红外成像光谱仪(AVIRIS′97)高光谱图像进行压缩的实验结果表明,提出的算法的平均比特率达到3.85bpp,优于其它无损压缩算法0.07~1.28bpp。该算法在计算复杂度较低的情况下,是一种高效的高光谱图像无损压缩方法。     

最佳递归双向预测的高光谱图像无损压缩

提出一种基于最佳递归双向预测的高光谱图像无损压缩算法。首先根据高光谱图像各波段的谱间相关系数,选择相应的压缩方式。谱间相关系数小于0.9的波段使用bzip2模式进行压缩。谱间相关系数大于0.9的波段,对参考波段进行单波段最佳前向预测,非参考波段采用最佳递归双向预测,并对预测残差采用JPEG-LS模式压缩。对AVIRIS高光谱图像进行压缩,实验结果表明该算法的平均压缩比达到3.217倍,优于其他无损压缩算法0.09-1.374倍。     

利用格型递归最小二乘滤波器组的高光谱图像压缩

自适应递归最小二乘滤波器具有预测准确、收敛速度快的特点,该滤波器被多种高光谱图像无损压缩方案作为重要组成部分。然而传统递归最小二乘滤波器无法快速找到每个谱带的最优预测长度,其压缩方案的性能有待提升。针对该问题,本文提出基于格型递归最小二乘滤波器组的高光谱图像压缩方案。首先,该方案使用单边高斯预测器对待测像素点做谱带内预测,去除图像的空间相关性。其次,采用格型滤波器组筛选出每个谱带的最优滤波器,获得预测误差。并根据格型滤波器组链式序列更新的特点,简化最优滤波器的筛选过程,大幅度降低计算复杂度。最后对预测误差做算术编码。以AVIRIS 2006高光谱图像为测试数据集,本文算法对16位校准图像、16位未校准图像的平均压缩结果分别为3.34 bits/pixel和5.61 bits/pixel。该算法在获得良好压缩结果的情况下,计算时间低于同类别的其余算法。     

一种超光谱图像分层压缩方法

根据超光谱图像有很强谱间相关性的成像特点,设计了一种预测算法结合变换编码算法的图像分层压缩方法。采用几个相邻波段图像共享同一有损图像作为预测图像,克服了预测算法对传输误差的敏感性。预测图像是通过对原始图像进行局部熵为代价函数的四叉树分割后,再经小波变换得到的。用各个原始图像减去共享预测图像来去除谱间相关性,并得到相应残差图像,再对残差图像采用局部离散余弦基变换方法去除空间相关性,实现近无损压缩。研究结果表明,各波段峰值信噪比(PSNR)为40dB左右时,压缩比(CR)高于7.2,分层压缩方法具有很好的压缩效果。     

基于谱间预测和码流预分配的高光谱图像压缩算法

为解决高光谱图像数据量巨大带来的传输和存储问题,提出一种波段预测去除谱间冗余和码流预分配的高光谱图像压缩算法。由于波段预测后各波段残差图像分配的码流长度关系到该波段的清晰度,同时该波段作为预测波段对后面波段的预测编码产生影响,因此必须设计一种合理的分配各波段码流长度的算法。首先用DPCM预测求出各波段的预测残差图像的标准差,然后根据标准差的大小对该波段进行SPIHT编码需要分配的码流长度预测。最后基于均方差最小的线性预测器对图像各波段进行预测,根据事先分配的码流长度对各波段预测残差图像进行SPIHT编码。该算法在波段间采用最佳线性预测,有效的去除了高光谱图像的谱间相关性。同时设计的分配码流长度的算法能够根据各波段信息量大小,以及和相邻波段的相关性来分配码流长度。实验表明,重建图像平均PSNR高出3D-SPIHT算法0.9～2.5db。因此该算法对高光谱图像有损压缩非常适用。     

基于内容的高光谱图像无损压缩

提出了一种基于内容的高光谱图像无损压缩算法.采用自适应波段选择算法对高光谱图像进行降维,引入G-means算法对降维后的光谱矢量进行无监督分类.利用单调后向排序算法确定波段的预测顺序,并根据相邻波段的相关系数大小进行自适应波段分组.针对每一类地物,选取类内部分像素进行最优预测系数的训练,采用多波段线性预测的方案去除同类像素的谱间相关性,预测残差进行JPEG-LS无损压缩.对机载可见光/红外成像光谱仪(AVIRIS)与实用型模块化成像光谱仪(OMIS)获取的高光谱图像分别进行实验,并与未进行分类预测的算法比较.结果显示,提出的算法的平均压缩比分别提高约0.11和0.7,验证了该算法在无损压缩方面的有效性.     

利用线性预测与查表法的高光谱图像压缩

提出了一种线性预测和多谱带查表相结合的高光谱图像无损压缩算法.首先,根据高光谱图像谱带间具有强相关性的特点,建立基于Yule-Walker方程的线性预测模型,其中方程系数矩阵为非Toeplitz形式的对称矩阵,需要使用改进的Levinson算法进行求解.其次,针对校正后的高光谱图像具有稀疏直方图的特点,提出了多谱带查表法,对线性预测的结果进行修正,去除这些图像中因校正引起的信息冗余;而对未校正图像,则不使用该步骤处理.最后,使用熵编码器对预测误差进行编码.分别使用自适应算术编码和Golomb-Rice编码作为熵编码器进行了测试,结果表明:本文算法具有较高的压缩比,压缩效果好于国际空间数据系统咨询委员会(CCSDS)的标准算法.     

基于海杂波图像的海表层流信息提取算法研究

海表层流信息提取是X波段雷达测量海浪信息的关键技术之一.为了获取实时、高精度的海表层流信息,解决目前常用算法依靠经验选取阈值精度不高、适应性差的缺点,提出了基于自适应阈值选取技术与平均加权最小二乘法的海表层流反演算法.自适应阈值选取技术能够根据图像中海浪信号的强弱不同,实现雷达图像谱中海浪信号与背景噪声的准确分离,从而最大限度地提取海浪谱,反演海表层流信息.平均加权最小二乘法考虑整体海浪谱影响,将所有的谱分量同等对待,得出测量海区的平均表层流.运用实测X波段雷达图像进行实验,结果表明改进算法的反演精度较常用算法有较大的提高.     

基于多波段预测的高光谱图像分布式无损压缩

提出了一种基于分布式信源编码的高光谱图像无损压缩算法,用于星载高光谱数据的有效压缩.为充分利用高光谱图像较强的谱间相关性,引入多波段谱间线性预测方案获取当前编码块的预测值,有效降低了编码块的最大预测残差值.在此基础上,根据最大预测残差值确定编码块各像素所属陪集的索引,通过传输每个像素所属陪集的索引代替预测残差,实现高光谱图像压缩.对星载可见/红外成像光谱仪(AVIRIS)获取的高光谱图像进行实验,并与已有的典型算法进行比较,结果显示该算法能够取得较好的无损压缩效果,同时具有较低的编码复杂度,适用于星载高光谱图像的无损压缩.     

近红外光谱法测定三元混合物中氯苯的含量

利用近红外光谱分析结合偏最小二乘法测定甲苯、氯苯和正庚烷构成的三元混合体系中氯苯的浓度。通过考察混合物吸光度与氯苯浓度的相关性,以预测残差平方和为评价指标,对光谱进行了变量筛选,并将选择的33个波长变量建立的定量校正模型与全谱范围的校正模型进行比较。结果表明本方法可使最终所得的模型中变量数大大减少,通过波长变量优选最小化冗余信息、提高预测精度及建模效率。     

近红外光谱法测定三元混合物中氯苯的含量

利用近红外光谱分析结合偏最小二乘法测定甲苯、氯苯和正庚烷构成的三元混合体系中氯苯的浓度。通过考察混合物吸光度与氯苯浓度的相关性,以预测残差平方和为评价指标,对光谱进行了变量筛选,并将选择的33个波长变量建立的定量校正模型与全谱范围的校正模型进行比较。结果表明本方法可使最终所得的模型中变量数大大减少,通过波长变量优选最小化冗余信息、提高预测精度及建模效率。     

基于上下文窗口中反向搜索的高光谱图像无损压缩

针对基于单波段预测的高光谱图像无损压缩压缩比低的问题,提出基于上下文窗口中反向搜索的高光谱图像无损压缩算法。首先,对待测像素设定上下文窗口,计算其预测参考值并进行反向搜索预测得到待测像素的候选预测值。然后,选取与预测参考值最接近的候选预测值作为待测像素的最终预测结果。最后,对预测残差图像进行一阶算术编码完成压缩过程。利用提出的算法对AVIRIS 1997高光谱图像进行了实验,结果显示,提出的算法通过对上下文窗口、等效系数和有效像素阈值的优化取值,使反向搜索预测的效果达到最好,经过算术编码器编码后,可以得到一个3.63倍的平均压缩比。该方法具有较低的算法复杂度和内存需求,优于当前已报道的基于单波段预测的其他各种高光谱图像无损压缩算法。     

汽油多参数拉曼光谱分析仪中的稳健支持向量机方法

由于拉曼光谱可以反映汽油各有机物基团丰富的信息,拉曼光谱更加适合于汽油质量指标的快速分析,并可同时测定多种参数.为避免少量异常训练样本对校正模型的影响,本文采用了一种迭代的稳健支持向量机算法.该方法首先求取训练样本的回归残差,然后利用残差的正态分布置信区间来鉴别异常样本并选取正常样本,最后用选出的正常样本作为训练样本并建立最小二乘支持向量机模型,对测试样本进行预测.将本文的算法应用于汽油多参数拉曼光谱快速分析仪中,结果证明:该方法具有很好的稳健性,同时具有很好的预测精度.     

基于NSCT、KFCM和多模型LS-SVM的红外小目标检测

为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法.首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型ILS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标.给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较.结果表明该方法具有更高的检测概率和信噪比增益.     

PLS-近红外漫反射光谱法对氢氧化铝粉末药品非破坏定量分析

本文采用近红外漫反射光谱法对氢氧化铝粉末药品中主要成分氢氧化铝进行快速、无损定量分析。采用偏最小二乘法（PLS）建立近红外光谱信息与待测组分含量间的最佳数学校正模型。讨论了光谱的预处理方法和主成分数对PLS定量预测能力的影响,并对预测集样品含量进行预测,得到了较为满意的结果。     

基于小波分解与多约束改进的序列图像配准

序列图像配准是光学影像超分辨率重建应用中的关键技术,针对如何提高序列图像超分辨率重建过程中配准的速度和精度问题,提出了一种基于小波分解和改进的多约束准则相结合的配准方法.首先对参考帧和待配准帧进行小波分解,生成小波图像金字塔以缩小搜索空间.其次,从金字塔最高层开始利用由局部灰度熵准则、灰度相似性准则和简化欧式距离比例不变准则构成的改进多约束准则提取同名特征点对,利用最小二乘法计算初始配准参数,然后逐层向下,对配准参数进行修正,实现由粗到精的配准.最后,利用模拟生成图像序列与实际获取图像序列进行测试.实验结果表明该方法在参数获取达到较高精度的情况下能有效提高配准速度,具有较好的效果.     

最小化预测残差的图像序列压缩感知

提出了一种最小化预测残差的图像序列压缩感知算法以实现高速相机输出图像的实时压缩.首先,在编码端仅使用映射矩阵对原始输出图像进行压缩,将压缩得到的观测向量通过信道传输到解码端.接着,在解码端对相邻帧进行运动估计和运动补偿,得到一幅待重建图像的预测图像,利用压缩感知算法对原始图像和预测图像之间存在的预测残差图像进行重建.最后,用迭代的方法优化预测残差图像的重建结果,直到连续两次的重建结果之差小于设定阈值,从而获得重建的原始图像.采用DALSA公司的CR-GEN0 H6400相机进行的实验表明,该算法可以实现1 000 frame/s图像的实时压缩,并且图像重建质量比独立地重建每张图像至少提高了2～6 dB,有效地实现了对高速相机输出图像的实时压缩与高质量重建.     

基于粒子群优化算法的直线拟合及应用

将粒子群优化算法和传统最小二乘法相结合,采用残差平方和准则、绝对残差绝对值和准则、相对残差绝对值和准则建立了一种基于粒子群优化算法的直线拟合方法,获得了比传统最小二乘法拟合要好得多的估计结果,实验证明了该方法的有效性及高精度性。     

特征谱区筛选在近红外光谱检测茶叶游离氨基酸含量中的应用研究

在近红外光谱快速检测茶叶游离氨基酸含量过程中,为了提高检测的精度和稳定性,研究利用特征谱区结合偏最小二乘法建立预测模型。研究分别尝试联合区间偏最小二乘法和遗传偏最小二乘法等特征谱区筛选方法,通过交互验证法确定偏最小二乘模型的主成分因子数和筛选区间,以预测均方根误差RMSEP和相关系数R作为模型的评价指标。试验结果表明：两种方法建立模型的预测能力都好于传统PLS模型;利用联合区间偏最小二乘法建立的预测模型最佳,预测时的相关系数(R)和预测均方根误差(RMSEP)分别为0.9542和0.2560。研究结果表明,近红外光谱结合特征谱区筛选方法可以快速准确地测定茶叶中游离氨基酸含量。     

基于最小二乘支持向量机预测器的传感器故障检测与数据恢复

本文介绍了最小二乘支持向量机（LS-SVM）回归的基本原理，提出了一种基于LS-SVM回归的时间序列预测器，并将其用于传感器的故障检测和数据恢复。论述了LS-SVM预测器的实现方法和步骤，并且将其应用于压力传感器的故障检测和数据恢复，同线性神经网络预测器、RBF神经网络预测器和BP神经网络预测器的比较结果表明，LS-SVM预测器具有更高的预测精度，更好的外推能力，计算效率最高，因此，LS-SVM预测器是传感器故障检测和短期数据恢复的一种有效方法。