超光谱数据压缩技术

超光谱图像是三维立体图像,对其压缩不能简单地套用现有的图像压缩技术或标准。目前,超光谱压缩技术主要有三类：(1)基于变换的压缩方法;(2)基于矢量量化的压缩方法;(3)基于预测的压缩方法。通过各种超光谱压缩技术的比较,可以为超光谱压缩算法的研究打下基础。     

视觉传达技术的多光谱图像高效压缩方法

多光谱图像包含了大量冗余信息，影响多光谱图像存储和传输，为了减少多光谱图像存储空间，提高多光谱图像传输速度，提出了基于视觉传达技术的多光谱图像高效压缩方法。首先采用多光谱图像，并采用视觉传达技术对多光谱图像进行去噪和增强处理，提高多光谱图像质量，然后运用卷积神经网络设计多光谱图像压缩模型，对光谱图像进行有效压缩，最后与经典方法进行了多光谱图像压缩对比实验，结果表明本方法能够实现多光谱图像高效压缩，压缩时间控制20 ms以内，而且多光谱图像压缩率超过40%,远远高于对比方法，同时可以保证压缩后多光谱图像质量，具有十分明显的优越性。     

基于小波变换的超光谱遥感图像数据压缩方法综述

目前,超光谱遥感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。针对当前的压缩方法,本文对基于变换的压缩方法进行了介绍,并着重介绍了基于2维、3维小波变换的超光谱遥感图像的压缩方法,特别还介绍了基于3维的非对称AT-3DSPIHT和AT-3DSPECK。通过对各种方法的分析比较,为今后超光谱遥感图像压缩算法的研究打下良好基础。     

视觉传达技术的多光谱图像高效压缩方法

通过对多光谱图像压缩处理，降低存储空间并提高图像存储质量，提出基于视觉传达技术的多光谱图像高效压缩方法。采用二维小波变换进行多光谱图像的细节层结构融合处理，提取多光谱图像的向量量化特征分布集，采用低频特征分解和视觉传达融合技术实现对多光谱图像的冗余性处理，通过图像编码和子空间降噪技术建立多光谱图像的压缩编码模型，采用结构信息特征重组和无损压缩传输技术实现对多光谱图像的视觉传达重构和多重特征压缩。仿真测试表明，采用该方法进行多光谱图像压缩的无损性较好，对细节特征的保留能力较强，图像码字和原始矢量的匹配度较高，可有效保留图像的细节分量的同时降低了图像的存储开销。     

一种基于主成分分析的高光谱图像压缩方法

探讨将主成分分析方法应用于高光谱图像压缩。对扫帚式高光谱成像仪(PHI)图像应用主成分分析的方法,发现能量主要集中在少数几个特征值中,这就为压缩提供了可能。使用峰值信噪比(PSNR)及分类准确率来评估该方法的可行性。实验证实了该算法的有效性。     

立体图像压缩研究进展

简要回顾了立体图像压缩的研究进展。阐述了人类视觉系统与立体图像压缩密切相关的立体视觉特性，并且指出了立体图像压缩编解码器结构在有无失真情况下的最优性。简要描述了静止立体图像和立体图像序列压缩的研究进展。对将来的研究方向提出了一点建议。     

雷达视频信号压缩编码的研究

现代新体制雷达普遍采用脉压技术使视频回波变窄，因而对雷达图像压缩编码提出了更高的要求。在对雷达图像进行比较深入的分析后，提出了一种新的雷达视频信号压缩编码算法，进行了电路设计及仿真，并分析了该方法的优点，给出了压缩性能。     

基于稀疏分解的高光谱图像压缩方法

目前在设计高光谱图像压缩方法的过程中,没有进行图像的预处理,使压缩的图像质量下降,率失真性能较低。基于此,设计了基于稀疏分解的高光谱图像压缩方法,根据稀疏分解法中的Hilbert-Huang变换模型分离算法进行图像的稀疏分解,接着采用二维散点图对图像信息进行预处理。根据图像信息的处理结果,利用匹配追踪算法搭建高光谱图像压缩优化模型,最后实现高光谱图像的压缩。通过实验发现,采用基于稀疏分解的高光谱图像压缩方法后,图像的率失真性能较高,在Rate最大时,其率失真性能可以达到45以上,而且随着Rate的增多,其率失真性能也会提高,进而提高了高光谱图像质量,对今后的高光谱图像研究有一定的作用。     

基于搜索最优双预测波段的超光谱遥感图像无损压缩

该文针对超光谱各波段成像图像之间的相关性强弱程度互不相同这一特点,提出了基于搜索最优双预测波段的超光谱图像无损压缩算法。该算法通过建立一个搜索最优双预测波段的二叉树模型,搜索与每一波段相关性最强的两个波段,并用这两个波段对该波段进行预测。实验表明,与目前研究的其它超光谱图像压缩算法相比,该算法有着很好的压缩性能。     

基于帧间去相关的超光谱图像压缩方法

针对超光谱图像的特点和硬件实现的实际需要,提出了一种基于小波变换的前向预测帧间去相关超光谱图像压缩算法。通过图像匹配和帧间去相关,消除超光谱图像帧间的冗余,对残差图像的压缩采用基于小波变换的快速位平面结合自适应算术编码的压缩算法,按照率失真准则控制输出码流,实现了对超光谱图像的高保真压缩。通过实验证明了该方案的有效性,基于小波变换的快速位平面结合自适应算术编码的压缩算法速度优于SPIHT,而且易于硬件实现。     

一种新的鲁棒性、低复杂度超光谱图像压缩算法

星载超光谱遥感图像编码系统要求具有一定压缩比、无失真、低复杂度的特点.更为重要的是要求图像压缩算法应当尽可能减少码流比特错误造成的错误扩散,根据这些特点,本文提出一种易于硬件实现、低复杂度、抗误码强的变长游程编码算法,能够满足这类图像的压缩要求,同时将码流比特错误的扩散限制在有限几列,从而大大减少了地面像素信息的损失.实验结果表明,本算法具有很好的抗误码性能,压缩效率比JPEG-LS和JPEG2000略有下降.因此本算法非常适合星载超光谱图像压缩,也可用于其它基于无线传输的无损图像压缩.     

离散小波变换域非负张量分解的高光谱遥感图像压缩

该文提出一种基于非负张量分解的高光谱图像压缩算法.首先将高光谱图像的每个谱段进行2维离散5/3小波变换,消除高光谱图像的空间冗余.然后将所有谱段的每级小波变换的4个小波子带看作为4个张量.对每个小波子带张量采用改进HALS(Hierarchical Alternating Least Squares)算法进行非负分解,来消除光谱冗余和空间残余冗余,同时保护了光谱信息.最后,将分解的因子矩阵进行熵编码.实验结果表明,该文提出的压缩算法具有良好压缩性能,在压缩比32:1～4:1范围内,平均信噪比高于40 dB,与传统高光谱图像压缩算法比较,平均峰值信噪比提高了1.499 dB.有效地提高了高光谱图像压缩算法的压缩性能和保护了光谱信息.     

基于位平面的嵌入式超光谱图像压缩系统

针对超光谱图像压缩系统实时性差的缺点,提出一种基于位平面的嵌入式超光谱图像压缩系统。对高位位平面首先采用DPCM去相关,然后再进行游程编码,对低位位平面首先采用四叉数分割,然后再进行LZW编码,最后混合码流进行数据输出。结合实际应用,以高性能DSP芯片TMS320C6455作为中央处理器,结合现场可编程门阵列FPGA构成外围电路逻辑控制,搭建了嵌入式高速图像压缩处理平台。基于该平台用真实图像验证了文中提出的算法,实验结果表明,该系统在保持较高重建精度的同时,有效降低了算法运行量,减少了算法运行时间,能够满足工程项目的要求。     

基于灰度指纹图像信噪特征的无损压缩算法

本文提出了一个有效的针对灰度指纹图像的无损压缩算法.该算法通过将指纹图像的信噪特征融于新一代国际无损图像压缩标准的基本算法(基于上下文预测编码)而实现.该算法主要包括三个特色技术:基于纹线局部走向的分类预测、体现指纹微观纹理的扩展上下文以及基于成像仪器的分类熵编码器概率模型初始化.对一组真实数据及ISO标准图像的压缩结果表明该算法的压缩比居于国内外文献中的领先水平.     

两步双向查找表预测的高光谱图像无损压缩

提出一种基于两步双向查找表预测的高光谱图像无损压缩算法。将谱段内预测和谱间预测有效地结合,去除了高光谱图像强的谱间相关性。根据高光谱图像特点,首先,在光谱线的第1谱段图像采用JPEG-LS中值预测器进行谱段内预测,其它谱段图像采用谱间预测。谱间预测采用两步双向预测算法,第1步预测,采用一种双向四阶预测器,利用该预测器得到参考预测值;第2步预测,采用一种8级查表(LUT)搜索预测算法,得出8个LUT预测值。然后,将参考预测值与其比较得出最终的预测值。最后,将预测差值进行熵编码。实验结果表明,本文算法的平均压缩比达到3.05bpp(bits per pixel),与传统高光谱图像无损压缩算法比较,平均压缩比提高了0.14～2.91bpp,有效提高了高光谱图像无损压缩比低的问题。     

基于Matlab的小波变换在图像压缩中的应用

近十几年来小波理论研究已成为应用数学的一个新方向。通过对二维离散小波分解与重构快速算法及其在工程图像处理应用中的介绍,分析了二维离散小波分解与重构的算法,最后在Matlab数学分析工具环境下,从实验角度出发探讨了算法在图像压缩中的应用方法并分析了应用实例。结果表明,应用该算法可以获得较大的图像压缩比。     

基于FPGA的红外序列图像动态压缩显示

高位宽红外相机数字视频信号在向8位宽模拟信号线性压缩显示转换时存在细节丢失的现象。针对这一问题,提出了一种新算法,即先利用高斯滤波器对红外数字图像进行低通滤波,然后将低频图像进行线性压缩后再进行直方图均衡运算,之后与滤波产生的高频细节信号进行叠加后送到D/A芯片进行模拟显示。详细讨论了该算法在FPGA嵌入式系统上的具体硬件结构和实现方法,并对12位相机采集的图像进行了实时压缩显示实验。最终实验结果证明,该系统在进行压缩显示时可以很好地显示传统压缩算法无法显示的细节信息,并有效抑制了图像的高频噪声。     

基于双边滤波的多尺度分层色调映射算法

为增强高动态范围图像(High dynamic range,HDR)的显示效果,本文提出一种多尺度梯度域色调映射算法。首先提取高动态范围图像的亮度信息,利用双边滤波将高动态范围图像的亮度数据进行多尺度分解,得到基本层和细节层。由于视觉上的亮度变化体现为图像数据的梯度变化,因此可在梯度域对基本层图像进行自适应动态范围压缩,然后加上细节层图像信息,最后再通过色彩校正算法恢复图像色彩,实现HDR图像的动态范围压缩。通过对比算法的定量分析表明,本文算法的方差和信息熵的客观指标分别提高了30.8%和5.9%,因此,本文方法在压缩HDR图像的动态范围的同时,可以更好地保留边界、纹理等细节信息。     

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。     

基于能量树编码的小波图像压缩算法

针对小波变换的空间能量聚集特性,提出了一种基于能量树编码的小波图像压缩算法。该算法在离散小波变换的基础上,分别对图像的各高频子带按其局部能量构建分层能量树,利用总能量和各层的能量角等效表示子带的小波系数;根据给定的压缩比,选择合适的代价函数构建最佳能量树,然后对其进行量化和编码,通过自适应的比特率分配实现小波图像压缩。实验结果表明,该算法实现简单,重构图像质量好,与当前多种主流的小波图像压缩算法相比,压缩性能有了明显提高。