高光谱图像空谱联合去相关压缩算法研究
文献类型：学位论文
| 作者 | 陈永红 |
| 学位类别 | 博士 |
| 答辩日期 | 2010-01-21 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 中国科学院沈阳自动化研究所 |
| 导师 | 史泽林 |
| 关键词 | 高光谱图像压缩 空谱联合去相关 三维预测编码 无损压缩 有损压缩 |
| 其他题名 | Joint Spatial-Spectral Decorrelation-based Compression for Hyperspectral Image |
| 学位专业 | 模式识别与智能系统 |
| 中文摘要 | 高光谱遥感技术也叫成像光谱技术，是20世纪80年代初发展起来的一门新的遥感科学和技术。在精准农业、地质探测、城市调查、军事目标识别等领域得到了广泛应用。 随着成像光谱仪的光谱分辨率和空间分辨率的提高，所获取的高光谱图像数据量急剧增长。海量高光谱图像数据严重制约了星上图像处理、存储和传输技术的发展，因此，有必要开展高光谱图像压缩技术研究，进一步推进星载高光谱遥感的广泛应用与发展。 论文以高光谱遥感应用需求为背景，开展了高光谱图像的空谱联合去相关压缩算法研究，旨在减轻海量高光谱图像数据对星载存储设备容量和有限传输带宽带来的压力。研究内容包括：高光谱图像数据特征分析、Rice熵编码算法在高光谱图像压缩中的应用与优化、空谱联合去相关的高光谱图像三维预测编码、以及基于三维整数小波变换的高光谱图像3DSPIHT有损压缩算法。具体的创新性成果概括如下： 1. 提出了一种空谱联合预测的高光谱无损压缩Rice算法。通过对各种熵编码算法的特征分析与比较，重点研究了经典Rice算法在高光谱图像压缩中的应用。针对Rice算法低维预测器的弱去相关能力，提出了一种空谱联合预测器，有效降低了高光谱图像的空间和谱间冗余，提高了无损压缩比；优化了Rice算法中最优编码参数选择策略，减少了计算量。该方法应用于预测编码和变换编码可进一步提高压缩比。 2. 针对经典三维预测算法3D-CALIC的不足，从高光谱图像的空谱相关性出发，提出了一种改进的空-谱混合预测算法。通过计算局部相关系数进行空谱预测模式选择，并优化了谱间预测系数的计算和空间预测方法，在相同高光谱图像测试集中，取得了比3D-CALIC算法更高的无损压缩比。 3. 将一维最小均方算法推广到三维，提出了适合三维图像处理的自适应三维最小均方算法(3DLMS)。建立了基于3DLMS算法的高光谱图像三维预测模型，并通过去局部因果集均值方法实现了模型优化，可进一步提高无损压缩比。对不同场景的AVIRIS图像测试结果表明，基于3DLMS预测模型的高光谱图像无损压缩算法同时消除了高光谱图像的空间和谱间冗余，取得了更高的无损压缩比。所提出的3DLMS算法可应用到三维信号处理中。 4. 针对3DSPIHT算法直接应用于高光谱图像压缩时存在的复杂度高等问题，提出了一种优化的3DSPIHT高光谱图像有损压缩算法，将波段重组和基于空谱统计特性的三维小波分解结构应用于3DSPIHT算法中，进一步提高了算法的压缩性能。仿真结果表明，在同等码率下，优化后的3DSPIHT算法的解码图像具有更高的信噪比，且更好地保留了原始图像的光谱信息。 |
| 索取号 | TP391.4/C49/2010 |
| 语种 | 中文 |
| 公开日期 | 2012-07-27 |
| 分类号 | TP391.4 |
| 源URL | [http://ir.sia.ac.cn/handle/173321/9226]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 推荐引用方式 GB/T 7714 | 陈永红. 高光谱图像空谱联合去相关压缩算法研究[D]. 中国科学院沈阳自动化研究所. 中国科学院沈阳自动化研究所. 2010. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。