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。     

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。     

基于可见光光谱图像的红外多光谱图像仿真生成

阐述了红外多光谱图像仿真技术的意义和原理,研究了一种红外多光谱图像的仿真生成方法.提出了一种基于可见光/近红外波段多光谱、超光谱图像数据的地面场景建模方法,以及无监督分类方法和有监督分类方法相结合的地物像元分类、匹配、标记的策略,可以高效地解决像元地物自动匹配标记的问题.利用RGB彩色图像验证了这一方法,在将图像分割后为每类像元赋予相应的红外发射率数值,生成了4个红外波段的多光谱仿真图像,验证了该方法的可行性,指出了多光谱、超光谱图像数据在仿真应用中的各自特点.从仿真结果可以看出:不同波段图像中目标和背景之间呈现不同的特征.该方法可以生成空间形貌和辐射特征接近真实环境的红外多光谱仿真图像,对长波红外波段的多光谱成像探测仪器的研制和目标、背景光谱特征分析与探测算法的研究具有一定意义.     

用于多光谱、高光谱和超光谱图像的算法

一、探测与识别 1.光谱子空间匹配滤波技术(特邀论文,A.P.Schaum,美国海军研究实验室) 2.配有超光谱自适应匹配滤波器的探测器:实际性能比较(D.G.Manolakis等,美国林肯实验室) 3.利用光学实时自适应光谱鉴别系统进行超光谱成像的自动目标识别系统(D.Gillis等,美国海军研究实验室) 4.定量研究长波红外超光谱成像器的探测性能随波段数的变化(R.T.Mayer,美国海军研究实验室)     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

基于3D-DPCM和变长编码的超光谱图像无损压缩

剖析了干涉成像光谱仪拍摄图像的空间和谱间相关性,提出一种三维DPCM无损压缩方案。首先做谱间DPCM预测,再应用帧内DPCM预测于残差图像,最后对差分码流实施变长编码。实验表明,该算法能完成无损压缩,平均压缩比为1.486,相比整数小波变换（二维）算法提高3.3%,且算法复杂度较低,仅有加、减法和移位运算,便于硬件实现。     

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.     

基于全局结构和自相似性约束的高光谱多光谱图像融合

光谱信息丰富的高光谱图像被广泛应用于航海、军事、农业等领域,但其空间结构信息较为匮乏、图像空间分辨率较低。鉴于此,提出了一种基于耦合稀疏表示策略的高光谱和多光谱图像融合方法。该策略首先将高光谱图像进行光谱学习得到完备字典,其次把多光谱图像的全局结构和光谱自相似性作为约束条件,实现空间结构信息和光谱信息的充分利用,最后进行全局凸优化求解得到高质量融合图像。通过开展非盲融合及盲融合实验,进一步验证上述算法对于高光谱图像重建空间分辨率的提升效果。实验结果表明,本算法的峰值信噪比(PSNR)、全局相对误差(ERGAS)、均方根误差(RMSE)的值分别为46.78 dB、0.77、1.39。相较其他算法而言,基于此算法的融合效果图具有更丰富的纹理细节、重建误差更小。     

纹理特征在多光谱图像分类中的应用

文中介绍了几种纹理特征提取方法，并将图像中的纹理信息作为重要的特征参与多光谱图像分类的过程，通过与单纯基于像元光谱信息的分类结果的比较，证明了此方法可以改善分类的效果。     

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。     

基于双向预测的高光谱图像无损压缩

提出了一种基于双向预测的高光谱图像无损压缩算法。该算法首先采用自适应波段选择算法选出信息量较大的波段,然后利用聚类算法对这些波段的谱向矢量进行分类预处理。为了便于组织谱间预测过程,根据相邻波段相关性大小进行自适应波段分组,采用双向预测的方法去除谱间相关性。通过在参考波段和预测波段中定义三维上下文预测结构,在聚类结果的基础上,对各个像素分别训练最优的预测系数,从而实现当前波段的有效预测。对AVIRIS型高光谱图像的实验结果表明,该方法可获得较好的无损压缩性能。     

一种基于图像DCT域信息熵的盲检测算法

提出了一种基于图像DCT域信息熵的盲检测算法。该算法通过分析JPEG图像隐写前后子块DCT系数信息熵的变化,提取JPEG图像子块DCT系数信息熵的64维特征向量,之后用LSSVM分类器对待测图像进行分类,最终达到检测载密图像的目的。实验表明,该算法能有效地针对各种隐写算法下的载密图像进行检测,同时对低嵌入比例下的载密图像也能达到较高的检测率。     

一种基于小波的多光谱图像压缩方法

文章提出一种基于Karhunen2Loeve变换(KLT)和小波量化编码的多光谱图像压缩方法。该法首先使用KL变换步骤来去除谱间冗余,而后对各变换波段图像进行小波变换,并利用均匀阈值网格编码量化方法来量化小波子带图像,最后使用算术编码对量化结果进行熵编码。为使编码器能为所有谱段各子带获取率- 失真意义上最优的量化阈值,本文提出基于子带图像统计特性和网格编码量化器率- 失真特性的比特分配算法。实验表明,本方法能高效地压缩多光谱图像,表现出优异的压缩性能。     

基于DPCM算法的测井数据压缩

由于现实中测井数据数据量大,数据传输实时性强,这就要求传输效率要尽可能地高。但是目前大多数油田仍采用直接传输采样数据的方式。因此提出了一种基于DPCM算法的测井数据传输方式。针对编码方式的特点,设计了编码流程图。对测井数据进行了相关的预处理,再进行编码实现。经仿真实验后发现,差值编码能够有效地去除数据之间的冗余,在保证编码压缩后的测井数据与原始测井数据误差不超过5%的情况下,经压缩后的测井数据量为原始测井数据量的1/2,因此测井数据的传输效率提高到了2倍。     

基于量化加小波零树的雷达数据压缩

首先介绍雷达数据压缩的必要性和现有压缩方法的优缺点,再简要介绍基于小波零树的数据压缩方案。然后针对雷达数据压缩的实际特点,对现有的小波零树压缩方案进行改进,工程实验表明该算法取得了较好的压缩效果,能满足雷达组网工程实际的需要。     

红外图像动态范围压缩算法研究综述

红外图像的动态范围压缩是红外图像可视化研究领域的重要研究方向。红外图像的动态范围压缩算法将直接决定原始红外图像的细节保留、整体观感等重要可视化指标,某种意义上也可以说是细节增强的基础及保障。基于此,本文调研了当前主流的宽动态红外图像的动态范围压缩算法,将其分为基于全局压缩算法和基于局部压缩算法两大类,并对这两类算法的核心思想、发展过程及优缺点分别进行研究分析并提出了改进方向及发展趋势,为相关研究者提供参考。     

宽带回波信号的非线性幅相压缩性能分析

为了在雷达回波数据压缩中较好地保留目标的相位信息,研究了基于非线性离散余弦变换(DCT)和自适应小波贪婪(AWG)算法的幅相压缩性能。运用上述2种算法对宽带回波信号分别进行了正交I/Q压缩和幅相压缩实验。通过性能指标CSNR(压缩信噪比)和CPSD(压缩相位标准差),比较了I/Q压缩和幅相压缩的压缩性能。结果表明,同传统的I/Q压缩相比,幅相压缩能很好地保留目标的幅相信息;上述2种幅相压缩方法在不同信噪比情况下各有优势,非线性DCT幅相压缩适宜于压缩低信噪比宽带回波信号,基于AWG算法的幅相压缩则适宜于压缩高信噪比回波信号。     

一种SAR图像灰度压缩性能的统计检验方法

提出两种性能检验统计参数，用来衡量各种合成孔径雷达(SAR)图像灰度压缩算法速成的直方图差异。首先对原始图像直方图进行动态范围变换，求得其相对均值与相对方差，后将压缩图像直方图的均值和方差与之比较，得到相对均值偏量与相对方差偏量。计算机仿真结果与目视判读一致，可用于对SAR图像灰度压缩算法的性能检验。     

基于K-S检测的SAR图像灰度压缩性能评估

根据灰度压缩前后图像直方图间的形态差异,提出一种衡量各种合成孔径雷达(SAR)图像灰度级压缩算法性能的两步检验方法。首先,基于柯尔莫哥洛夫-斯米尔诺夫(K-S)检测原理,在给定置信界限下,选出压缩后图像分布与原始分布满足一致性的算法。其次提出等效均值偏量、等效方差偏量、等效偏态差三个检验指标,对经第一步选择出的方法做进一步定量评价,从而得到最终的算法性能检验结果。计算机仿真表明,该方法能有效衡量压缩前后图像灰度分布函数间的形态差异。