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.     

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RICE的遥感多光谱图像无损压缩算法

目前应用于遥感多光谱图像的无损压缩算法复杂度较高,不利于硬件实现.针对这一不足,这里根据遥感多光谱图像的成像特点,提出一种采用可逆的分量变换(RCT)对谱段信息重新分配,再利用优化的RICE算法对图像数据进行编码的无损压缩算法.实验表明,该算法所采用的分块计算k值、预测器预测和改进的熵编码器较原RICE熵编码器更适于硬件实现,且该算法复杂度低,执行效率高,更好地满足了星载图像无损压缩的要求.     

DSC的超光谱图像无损压缩算法

有效的星载超光谱图像压缩技术对于解决超光谱图像实时传输极为重要。针对超光谱图像传统的联合编解码算法的不足,提出了一种基于分布式信源编码(Distributed Source Coding,DSC)的超光谱图像无损压缩算法。为利用超光谱图像的局部空间相关性,将超光谱图像进行分块处理;引入多元线性回归模型构建编码块的边信息,并为每个编码块选取最优的预测阶数,以有效利用超光谱图像的局部谱间相关性。根据(n,k)线性分组码的原理,通过多元陪集码实现超光谱图像的分布式无损压缩。实验结果表明:该算法能够取得较好的无损压缩性能,同时具有较低的编码复杂度,适合星载超光谱图像的压缩实现。     

基于多波段谱间预测的高光谱图像无损压缩算法

该文提出一种基于多波段谱间预测的高光谱图像无损压缩方案。首先,充分考虑到随着高光谱图像谱间分辨率的提高,其谱间相关性也越来越强烈,推导出由多个波段对当前波段做线性预测的预测器系数,然后给出快速计算求解预测器系数的算法。对AVIRIS图像进行压缩,实验结果表明,该算法压缩比高,运算速度快,具有极高的实用价值。     

高分辨率光谱视频采集研究

相比于当前常用的红、绿、蓝三通道成像技术,光谱采集能够提供更多的颜色通道,从而更加精细地反映光源与场景的物理特性,因此可以广泛应用于遥感、材料、医疗、环境等诸多领域.光谱采集技术需要捕获光线在不同时刻和不同空间位置的光谱信息,主要表现在光谱、时间、空间三个维度上的信息获取.传统的光谱采集设备大多采用时序滤波或空间扫描机制记录光谱信息,需要很长的成像时间,因而不能用于光谱视频信息的采集.近年来,伴随着采样理论和电子元器件技术的迅速发展,光谱的视频(动态)采集成为了可能.本文着眼于近年来刚刚起步的光谱视频采集技术,从采集技术的背景和基本原理出发,对于近年来涌现的高分辨率光谱视频采集方法和系统进行介绍,并对于基于直接采集和计算重构的各类技术手段展开讨论,详细阐述这些方法的光学原理、采集理论以及实际系统构建中的问题.此外,本文对各种方法在光谱视频采集中的一些重要性能指标和系统实际运行优缺点进行对比.最后,本文也对光谱视频采集的相关应用与发展前景进行了讨论.     

基于波段分组的高光谱图像无损压缩

高光谱图像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。针对高光谱图像不同频谱波段间相关性不同的特点,提出一种基于波段分组的高光谱图像无损压缩算法。为了降低波段排序算法的计算量,根据相邻波段相关性大小预先进行分组,采用最佳后向排序算法对各组波段进行重新排序。在当前波段和参考波段中选取具有相同空间位置的邻域结构,在最小二乘准则下,利用邻域像素对当前预测像素进行最优谱间预测。参考波段和预测残差数据进行JPEG-LS压缩。对OMIS-I型高光谱图像进行实验的结果表明,与基于多波段预测算法相比,该算法可进一步降低压缩后的平均比特率。     

视频测量中图像采集系统的设计

随着计算机电子技术的不断发展，视频测量越来越受到人们的重视，应用越来越广泛。设计的视频测量的图像采集部分以DSP芯片TMS320VC5402作为核心处理器、OV5017作为系统的图像传感器，而数据通过PCI桥电路发送给PC机，因此该系统结构简单，具有即插即用、传输速率高的特点。     

基于分类非线性预测的高光谱图像无损压缩

高光谱数据的有效压缩成为遥感技术发展中需要迫切解决的问题.提出了一种基于分类非线性预测的高光谱图像无损压缩算法.针对不同频谱波段间相关性不同的特点,根据相邻波段相关性大小进行波段分组.为提高谱间预测性能,对各组波段进行最优排序.采用自适应波段选择算法对高光谱图像进行降维,并利用k-means算法对降维后波段的谱向矢量进行分类.在参考波段和预测波段中选取具有相同空间位置的上下文结构,在分类结果的基础上,对当前波段进行谱间非线性预测.参考波段采用JPEG-LS标准进行压缩,预测残差进行Golomb-Rice编码.对AVIRIS型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率.     

基于同类邻点预测的高光谱图像无损压缩

提出了一种基于聚类、对类波段重排、搜索同类相邻点预测的高光谱数据无损压缩方法。根据谱向特征,进行高光谱图像按像素聚类,对各个分类,根据波段间相关系数,利用最大生成树进行波段重排。对每种分类像素,搜索同类邻点,训练预测系数,并进行三维预测。残差采用Golomb-Rice编码。实验证实了算法的有效性。     

基于聚类的高光谱图像无损压缩

高光谱海量数据的有效压缩成为遥感技术发展中需要迫切解决的问题。该文提出了一种基于聚类的高光谱图像无损压缩算法。针对高光谱图像不同频谱波段间相关性不同的特点,根据相邻波段相关性大小进行波段分组。由于高光谱图像波段数量较多,采用自适应波段选择算法对高光谱图像进行降维,以获取信息量较大的部分波段,利用k均值算法对降维后的波段谱矢量进行聚类。采用多波段预测的方案对各组中的波段进行预测,对于各个分类中的每个像素,分别选取与其空间相邻的已编码的部分同类点进行训练,从而获得当前像素的谱间最优预测系数。对AVIRIS型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率。     

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。     

图像监控系统视频采集压缩卡

视频采集压缩设备是图像监控系统的前端,是整个系统的核心部分,采集压缩设备的性能直接关系着整个监控系统的性能。本文介绍一种采用小波变换压缩算法的视频卡,用于完成模拟视频采集量化和压缩的全部工作。该卡只需配置一台工控主机及操作系统、驱动程序、应用程序等软件系统和一个摄像头,就可构成整个图像监控系统前端。该卡还带有ＰＣＩ总线接口,可直接插入主机ＰＣＩ扩展槽。卡上有全电视信号输入口和全电视信号输出口。 该视频卡能在编码和解码两种状态下工作：编码时,实时采集摄像头从模拟视频输入口输入的全电视信号,对全电视…     

基于三维自适应预测的高光谱图像无损压缩算法

利用高光谱图像具有较强的谱间相关性的特点,本文提出一种基于三维自适应预测的高光谱图像无损压缩方法,首先根据相关系数计算波段预测顺序,然后利用相关性较强的空间邻点和谱间邻点,采用基于神经网络模型的自适应预测方法进行三维预测编码.实验结果表明,该方法能够有效的去除高光谱图像的空间和谱间相关性,与现在最优的无损压缩国际标准JPEG-LS相比,压缩后的平均比特率能够降低0.3bpp左右.     

结合预测误差反馈的高光谱图像无损压缩研究

高光谱图像的海量数据给存储和实时传输带来极大困难,必须对其进行有效压缩.提出了一种结合预测误差反馈的高光谱图像无损压缩算法.根据高光谱图像相邻波段相关性强弱进行波段分组,有效降低了波段排序算法的计算量.通过研究波段排序算法的性能,采用最佳后向排序算法对各组进行波段排序.为有效去除高光谱图像相关性,采用JPEG压缩标准中的无损预测模式对各波段进行谱内预测,利用参考波段预测误差对当前波段谱内预测值进行反馈校正,可进一步提高预测精度.最后,利用JPEG-LS标准对参考波段和预测残差进行无损压缩.对AVIRIS型和OMIS-I型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率.     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题,提出一种机器学习理论的超光谱遥感图像无损压缩方法.利用机器学习中的聚类算法进行第一次压缩,减少超光谱遥感图像中的冗余波段光谱,并降低图像维度;再利用机器学习中的人工神经网络进行第二次压缩,将不同图像子块送入不同压缩率的神经元当中,通过隐含层自主...     

基于运动补偿和帧内编码实现视频图像的无损压缩

小波变换以其高效率和可控性广泛应用于图像压缩编码，但在对视尖图像的压缩编码中不可避免地存在一些“宏块”，这些“宏块”需要帧内编码，以消除时间相关性，本文结合实例，提出实用的图像压缩编码方案。     

基于USB接口的视频图像采集系统设计

介绍了一种实用的基于通用串行总线(USB)的传输的图像采集系统的设计与实现方法,其中包括图像采集卡的硬件结构以及主机上的基于MFC的应用软件开发.     

基于双估计值的查找表高光谱图像无损压缩

提出一种基于双估计值的查找表预测高光谱图像无损压缩算法。首先,在高光谱图像的第1谱段图像采用JPEG-LS中值预测器进行谱段内预测,其他谱段图像采用谱间预测。谱间预测采用以下步骤,利用3个LUT预测值求出第一个估计值;其次用当前谱段内和前一谱段内特定的8个像素点计算出第二个估计值,将谱段内预测和谱间预测有效地结合,去除了高光谱图像的谱间相关性。然后,用3个LUT预测值和最终的预测估计值比较,选出最终的预测值。最后,将预测残差进行算术编码。实验结果表明,针对NASA的AVIRIS高光谱图像,用本文算法比LAIS-LUT的压缩比平均提高了0.03~0.11,针对国内OIMS-I高光谱图像,比LAIS-LUT压缩比平均提高了0.01~0.09,有效的提高了压缩比。     

视频图像采集系统的设计研究

随着计算机软件、硬件技术的日新月异,人类已经进入一个高速发展的信息化时代,人类大概有80%的信息来自图像,科学研究、技术应用中图像处理技术越来越成为不可缺少的手段。运用SOPC设计视频图像采集系统是非常必要的。