一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.     

基于二代曲波变换和PCNN的高光谱图像融合

为了解决高光谱图像的高数据维给后续图像分析和处理带来的困难,提出了一种基于二代曲波变换和脉冲耦合神经网络(PCNN)的融合新算法.利用各波段数据间的局部相关性将整个数据空间划分为若干个相关性较强的独立子空间,在对子空间内的各波段光谱图像进行曲波多分辨率分解的基础上,分别依据各波段图像所含有的信息量对曲波粗尺度系数进行加权融合和利用PCNN的全局耦合特性与脉冲同步特性对细尺度系数进行智能选取,最后由曲波逆变换得到各子空间的融合图像.AVIRIS数据融合实验表明,该算法能有效地实现高光谱数据维数减少和特征提取,相比于提升小波融合算法、主成分变换算法和基于典型融合准则的曲波融合算法,其所提取的图像特征在高光谱异常检测时能得到更多的真实目标.     

基于谱间预测和小波变换的成像光谱图像压缩算法

提出了一种基于谱间预测和小波变换的成像光谱图像压缩算法,利用谱间预测和二维小波变换分别去除图像的谱间和空间相关性,并结合波段排序预处理和一种高效的基于四叉树分裂的逐小波子带编码方法,取得了较好的编码效果.实验结果表明,在相同压缩比条件下,采用该算法得到的重建图像的峰值信噪比比JPEG2000标准平均提高3.69dB.该算法的压缩码流具有一定的抗误码性能,比较适合面向遥感平台的应用.     

基于局部上下文的超光谱图像压缩方法

根据超光谱遥感图像有很强谱间相关性成像特点,及局部上下文三维预测方法的思想,设计三种适合超光谱图像的预测方法,并进行比较,选择其中的谱间LOCO-I预测方法.该方法是将前一波段像素值作为预测像素的基准值,根据谱间像素变化规律来选择修正梯度项.实验表明该预测方法具有很好的压缩效果.     

基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合

针对高光谱多波段图像融合的问题,提出了一种基于小波变换和多通道脉冲耦合神经网络模型的新融合方法。该算法利用小波变换对图像进行多尺度分解,将得到的低频和高频系数分别采用多通道PCNN模型进行非线性融合处理,对低频子带直接利用其点火频率图得到融合结果,对各高频子带则利用点火频率图的直方图矢量重心及偏差计算自适应阈值并进行区域分割,对不同的区域采用不同的融合规则进行融合处理;最后进行小波重构得到融合图像。对OMIS高光谱图像的实验结果表明:所提方法能够有效地融合高光谱多个波段图像信息,且纹理细节信息突出。     

基于人工蜂群算法高光谱图像波段选择

为减少高光谱遥感图像光谱空间冗余、降低计算复杂度,提出一种基于人工蜂群算法的高光谱图像波段选择方法.首先,根据波段相关性矩阵对全波段进行预处理,获得相关性较小的波段子空间;然后,利用人工蜂群算法以最佳指数与JM距离的加权和为适应度函数在各子空间进行邻域搜索,不断更新至收敛为止,从而获得最优波段组合.最后,利用AVIRIS数据和ROSIS数据对提出的算法与基于蚁群,粒子群,拟态物理学算法的波段选择方法进行实验.仿真结果表明:基于人工蜂群算法的波段选择能够在保证良好收敛性的同时,大大降低计算花费,所获得的波段组合用于高光谱图像分类时,可以得到较好的分类精度.     

5/3小波图像压缩及DSP实现

对于高分辨率相机所成图像来说,数据量是非常巨大的,光用软件来进行压缩远远不能满足实时性的要求。离散小波变换是当今许多图像处理和压缩技术的基础。JPEG2000是最新的静态图像压缩标准,其核心算法是小波变换,5/3小波提升方法在JPEG2000中主要用于无损图像压缩。提出对基于因式分解的提升格式(第二代小波的构造方法)的5/3小波的改进,并采用了TMS320C6416实现的了该算法。DSP实验结果证明该提升5/3小波变换具有处理速度快、实时性强、压缩比大、恢复效果好的特点。     

结合APO算法的高光谱图像波段选择

提出了结合拟态物理学优化(APO)算法的高光谱图像波段选择方法．该方法中采用了类间可分性和波段组合的信息量两个主要性能指标的权重组合作为适应度函数．此外,在波段选择之前对高光谱图像进行了子空间划分,使得最优解中的波段间相关性较小,冗余度低．利用AVIRIS图像对提出的算法与经典算法中蚁群算法、遗传算法和粒子群算法进行实验,实验结果证明了本文算法较经典算法在所选波段性能和计算耗时方面都获得令人满意的效果．     

基于自适应第二代小波的超声回波信号特征识别

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二代小波预测器和更新器,利用选择的预测器和更新器对信号进行预测和更新运算;根据每层自适应第二代小波分解的超声回波信号噪声水平,选取自适应匹配超声回波信号噪声特点的降噪阈值,对信号进行降噪和恢复,提取信号时域特征。该方法成功地准确识别出超声回波信号回波至点的时刻和时间间隔特征信息。结果表明,第二代小波自适应阈值方法对强噪声背景下超声回波信号特征的识别效果优于经典小波方法。     

多光谱图像的3D EBCOT压缩编码算法

提出了一种新的多光谱图像压缩方案,三维率失真优化截取码块编码(3D EBCOT)算法根据多光谱图像的成像特点,利用非对称的三维离散小波变换去除多光谱图像的空间冗余和频域的相关性,再通过拓展改进最新的静止图像压缩标准JPEG2000中的二维率失真优化截取内嵌码块编码(2D EBCOT)算法,在比特平面编码器中引入谱间上下文,使用相应算术编码器并对经过三维小波变换后的系数进行编码,提高了多光谱图像的压缩效率．根据具体要求组织的内嵌码流,可继承获得JPEG2000标准内嵌码流抗误码等优良特性．使用该方法对一组6波段多光谱图像压缩编码后的重建图像显示,具有比三维小波分层树集合分割排序编码的算法(3D SPIHT)具有更好的图像质量和压缩性能．     

基于提升算法的超谱遥感图像融合分类研究

超谱遥感技术的发展对遥感图像处理算法提出了新的挑战,超谱遥感图像所特有的高光谱维数,使适用于多光谱图像的算法不适合直接用于超谱图像.利用数据融合技术可以将超谱图像从高维降到低维,因而有利于图像的分析和处理.提升算法是构造第2代小波的关键技术,该文研究了其用于超谱遥感图像融合分类的可行性,利用提升算法将第1代小波改造成第2代小波,并对标准的AVIRIS超谱遥感图像实现图像融合,在融合的同时,提取图像的光谱特征用于分类,在相同的实验标准下在像素层和特征层上分别对图像进行了第2代小波融合分类,并用分类精度对实验结果进行了客观的评价.实验结果表明,以提升算法构造的特征层小波融合分类比像素层分类精度提高了7.78%.     

一种基于提升格式的双正交小波设计方法及应用

提升格式是一种新的小波构造方法，它是因构造紧支的第二代小波之需而产生的。Sweldens等人提出的提升格式设计方法只能设计基于Lazy小波的插值小波，为了满足各种应用需要，提出了一种基于任意双正交小波，而非仅针对Lazy小波的增加小波消失矩的新算法。利用小波消失矩和与其对应滤波器在z=1处零点阶数之间的关系，通过求解一组简单的线性方程组来设计基于任意双正交小波的提升系数；根据最佳提升格式的唯一性，给出了求最佳提升系数的迭代算法。     

整数小波图像压缩算法性能研究

提升格式是一种新的双正交小波的构造方法,为整数小波提供了更为广阔的应用空间,以其独特的结构,有效的减少了运行时间,是一种快速有效的小波实现方法。介绍了整数小波的构造,从传统的Mallat算法出发,引入提升格式构造新的小波。并且在现有小波的基础上,给出了利用提升格式增加小波函数消失矩,提高小波函数性能的方法。     

有效图像压缩的提升小波优化设计

提出了多种群遗传算法和蚂蚁算法融合的提升格式小波优化设计方法。首先采用多种群遗传算法对构成小波的提升步进行优化；并提出局部适应度和全局适应度的概念，将其和蚂蚁算法中蚂蚁选择路径时对全局启发信息和局部启发信息的利用有机地结合起来；采用蚂蚁算法对遗传优化的结果进一步寻优，精确求解适合给定变换问题的最优小波，形成一种时间效率和求解效率都比较好的启发式随机优化方法。将所设计的小波应用于基于小波的图像编码器对指纹及医学图像压缩，实验结果验证了设计方法的有效性和图像压缩性能的优越性。     

A hyperspectral image compression algorithm based on wavelet transformation and fractal composition (AWFC)

Starting with a fractal-based image-compression algorithm based on wavelet transformation for hyperspectral images, the authors were able to obtain more spectral bands with the help of of hyperspectral remote sensing. Because large amounts of data and limited bandwidth complicate the storage and transmission of data measured by TB-level bits, it is important to compress image data acquired by hyperspectral sensors such as MODIS, PHI, and OMIS; otherwise, conventional lossless compression algorithms cannot reach adequate compression ratios. Other loss-compression methods can reach high compression ratios but lack good image fidelity, especially for hyperspectral image data. Among the third generation of image compression algorithms, fractal image compression based on wavelet transformation is superior to traditional compression methods, because it has high compression ratios and good image fidelity, and requires less computing time. To keep the spectral dimension invariable, the authors compared the results of two compression algorithms based on the storage-file structures of BSQ and of BIP, and improved the HV and Quadtree partitioning and domain-range matching algorithms in order to accelerate their encode/decode efficiency. The authors' Hyperspectral Image Process and Analysis System (HIPAS) software used a VC 6.0 integrated development environment (IDE), with which good experimental results were obtained. Possible modifications of the algorithm and limitations of the method are also discussed.     

基于多尺度提升小波的边缘检测

通过比较第一代和第二代小波的特点,研究了第二代小波在边缘检测中的方法.基于多尺度提升小波的边缘检测弥补了传统边缘检测算法的不足,有效地抑制了噪声并且提高了其边缘定位精度.提出了一种提升方案的边缘检测算法.最后,通过仿真验证了该算法的有效性和快速性.     

Remote Sensing image Deblurring Based on Grid Computation

1 Introduction At present, remote sensing image real-time processing is not only data-intensive but also com- puting-intensive. The emergence of grid computing technology makes real-time remote sensing image data processing more readily available. The method has two outstanding advantages. One is the strong data-processing capability, which can provide a stable high-performance and high-throughput computing environment. The other is the capability to distribute mass quantity space data with a…     

基于提升小波构造在图像去噪的应用研究

在图像处理中，基于离散小波变换的提升算法比传统的卷积算法运算简单、实时性好、易于实现，因而被新的图像去噪所采用。小波提升算法是一种新的双正交小波构造方法，通过预测算子，确定高频信息，并初步确定低频信息，然后通过更新算子，对初步确定的低频信息进行修正，从而确定低频信息。笔者以该提升方法为基础，通过对初始D4双正交滤波器组进行提升和对偶提升，来获得不同的提升算子和对偶提升算子，从而构造出具有理想特性的新小波。通过实验数据和分析表明：笔者提出的算法和软阈值法结合比其他小波更能有效地取出图像噪声。     

基于提升方案的整数小波图像编码

随着互联网的普及和图像应用范围的不断扩大，对图像的编码提出了新的要求，即不仅要求具有高的压缩比，还要求有许多新的功能，如渐进编解码、从有损压缩到无损压缩等。小波编码较好地实现了这一思想，因此奠定了它在图像编码中的地位。提升框架可以实现整数到整数的小波变换，克服了第一代小波变换所带来的缺陷。该文利用第二代小波变换的特性，提出了一种基于整数小波变换的图像压缩方法。首先充分利用小波系数的分布特性，将图像进行整数小波变换，然后对最低频子带采用DPCM预测编码，对其它子带采用零树加熵编码的方法进行编码。实验结果表明，该方法有较好的压缩性能。