一种新的高效干涉多光谱图像压缩算法

基于干涉多光谱图像特点和应用环境要求,提出一种干涉多光谱图像压缩算法.采用小波域匹配预处理来去除帧间推扫平移带来的数据冗余性,采用基于码率预分配的编码方法,按照预分配到的码率大小控制码块的T1编码深度,减少编码计算量和存储器使用量,易于硬件实现和星上环境的应用.实验数据表明,码率为1 bpp时,该算法提高了恢复光谱的分辨率,满足卫星干涉多光谱图像压缩系统要求.     

基于运动补偿和码率预分配的干涉多光谱图像压缩算法

提出了一种基于运动补偿的三维小波变换和基于码块预测的码率预分配的图像压缩算法.利用干涉多光谱图像成像推扫平移特性,在小波变换中使用运动补偿来减少帧间相关性,并对图像组中各个图像小波变换和量化后EBCOT编码码块的有效比特平面进行独立的熵估计.以图像估计熵总和指导整个图像组码率预分配,以解决平均分配码率对重建图像质量带来的影响.实验结果表明:该算法在8倍压缩时,图像序列的平均峰值信噪比比3D-SPIHT提高了0.85～1.25 dB,比单帧JPEG2000提高了1.91～4.25 dB, 算法复杂度低,易于硬件实现.     

基于运动估计和ROI编码的干涉多光谱图像压缩

根据干涉多光谱图像的谱间相关性和光谱分布特点,提出一种基于运动估计和感兴趣区域编码的干涉多光谱图像压缩方法.为了去除多光谱图像的谱间相关性,采用运动估计法,对补偿后的图像(即预测误差)进行小波变换及率失真优化截取内嵌码块编码.同时采用率失真斜率提升的感兴趣区域编码方法,更好地保护光谱信息,使图像在相同的光谱分辨率下具有更好的空间分辨率.实验结果与基于三维小波变换的压缩方法以及比特平面移位的感兴趣区域编码方法相比,本文所提方法能有效改善恢复图像质量,提高编码效率,更好地保护光谱信息.     

一种支持干涉多光谱图像ROI的压缩编码方法

提出了一种基于EBCOT(率失真优化截取内嵌码块编码)算法的矩形ROI(感兴趣区域)编码的干涉多光谱卫星遥感图像压缩方法.该方法不需要对小波域的系数进行提升,而是在码流组织时通过对多光谱区域的误差跟踪提高恢复图像的质量.误差的跟踪完全是自适应的,可以根据用户给定的恢复图像多光谱区域的峰值信噪比最低要求自动实现码流的组织,解码器不需要知道该图像是否存在ROI,而且该方法保留了EBCOT的优良特性.实验结果表明,这种编码方式在干涉多光谱卫星图像压缩中可获得非常理想的效果.     

基于率失真斜率提升的干涉多光谱图像压缩

提出了一种基于优化截取内嵌块编码的矩形感兴趣区域编码的干涉多光谱卫星图像压缩方法,不需要对小波域的系数进行提升,而是在码流组织时通过对多光谱区域自适应失真跟踪实现。解码器不需要进行小波域系数的逆提升,即可达到感兴趣区域的恢复质量要求。改变感兴趣区域的失真指标,只需要再次进行码流组织,而不需要重复进行优化截取内嵌块编码的T1编码,因此更为有效、灵活。同时提出了一种整型率失真斜率估计值快速算法,既可以保证率失真优化截取的精度,又避免了率失真斜率的浮点除法计算和浮点表示,降低了系统的复杂度。该算法适合干涉多光谱卫星图像压缩。     

遥感干涉超光谱图像压缩编码

基于卫星干涉超光谱成像光谱仪成像原理的分析,提出了一种新的遥感超光谱图像压缩方案，利用成像推扫平移特性提出一种低存储量，帧间小波域匹配的序列压缩，只需存储两帧图像，比起单帧处理提高图像PSNR 3-4dB.为了保护图像的光谱特征，系统采用了一种新的感兴趣区域（Region of interest, ROI） 编码技术，使系统的压缩比提高8倍以上.该感兴趣区域（ROI）编码采用率失真优化斜率提升，而不是比特平面移位，使图像在相同的光谱分辨率下拥有更好的空间分辨率.试验数据表明，算法大大保护了图像的光谱特性，在8倍压缩比情况时，满足卫星干涉超光谱遥感图像要求.     

基于自适应分类曲线拟合的干涉多光谱图像压缩

分析了干涉多光谱图像数据的两个特性,并提出一种基于自适应分类曲线拟合的压缩算法.首先采用均方差准则自适应地将干涉多光谱图像分为强、弱两类干涉区域,并分别构造不同的拟合函数.对强干涉区域,选择典型曲线,并采用最小二乘原理对典型曲线进行拟合,而其余曲线则根据典型曲线进行匹配预测;对弱干涉区域,则分别对所有干涉光强曲线独立进行拟合.最后将所有误差数据进行熵编码.实验结果表明,与JPEG2000相比,该算法能够减少无损压缩输出码率约0.2 bit/pixel,明显提高有损压缩的重建图像质量,降低光谱失真.     

基于不等权重率失真斜率提升的干涉多光谱图像压缩算法

基于空间干涉调制成像光谱仪的成像特点，提出了一种适合于千涉多光谱图像的不等重要性权值率失真斜率提升图像压缩算法．该算法根据退卷积技术对复原光谱信噪比的影响，推导出时域中随着光程差的增大，干涉图像压缩失真对频域中光谱曲线的信噪比影响越大．对各个码块的率失真斜率按空间域中各光程差对恢复光谱信息的贡献重要性不同赋予不同的重要性权值，增大对光谱信息的保护程度，使图像在相同的光谱分辨率下拥有更好的空间分辨率．实验结果表明，该算法比传统算法更好地保护了多光谱图像的光谱信息，在8倍压缩比下，满足该类干涉多光谱图像压缩系统的质量要求．     

大孔径静态干涉光谱仪图像压缩技术

从图像压缩的角度分析了大孔径静态干涉成像光谱仪成像原理，并提出了一种新的遥感多光谱图像压缩方案。新方案利用大孔径静态干涉成像光谱仪推扫成像特点提出了一种低存储量，帧间小波域匹配的图像序列压缩方法，提高图像质量3～4dB。为了保证图像的光谱信息在8倍压缩比下有效应用，系统采用了一种新的感兴趣区域(ROD编码技术。感兴趣区域编码时，由于方案中采用率失真优化斜率提升，而不是比特平面移位，从而使图像在相同的光谱分辨率下拥有更好的空间分辨率。实验结果表明，算法大大保护了图像的光谱特性，在8倍压缩比下，满足了该类干涉多光谱遥感图像的质量要求。     

干涉多光谱卫星图像序列编码

星载干涉多光谱图像序列通过图像匹配实行定位形成光谱序列,相邻图像之间具有很强的相关性,与一般图像序列不同的是,相邻图像之间具有明显的平移特点。为了充分利用这一特点实现有效的图像压缩,同时减少编码系统复杂度,提出了一种新的图像序列编码方法,通过小波域系数匹配算法检测出相邻图像之间的相对位移量,然后对差值图像进行类似于单幅图像的编码,从而提高了总体编码效率。本算法具有与相同单幅图像编码算法相当的低复杂度特点,只需要对单幅图像与模板的差值进行基于小波变换的编码,从而避免了基于三维小波变换的编码算法对系统存储量要求大以及编码延时大的缺陷。仿真结果表明,本算法比基于三维小波变换的编码算法效果更好。     

An efficient adaptive arithmetic coding image compression technology

This paper proposes an efficient lossless image compression scheme for still images based on an adaptive arithmetic coding compression algorithm. The algorithm increases the image coding compression rate and ensures the quality of the decoded image combined with the adaptive probability model and predictive coding. The use of adaptive models for each encoded image block dynamically estimates the probability of the relevant image block. The decoded image block can accurately recover the encoded image according to the code book information. We adopt an adaptive arithmetic coding algorithm for image compression that greatly improves the image compression rate. The results show that it is an effective compression technology.     

基于二进制小波变换和改进SPIHT算法的图像编码方法

提出了一种基于二进制小波变换和改进SPIHT算法的图像编码方法.二进制小波变换将图像从实数域变换到实数域,消除像素之间的空间冗余性,得到了具有整数准确度的紧致描述.针对传统SPIHT算法解码图像视觉效果差的缺点,提出了改进方法.根据图像分析结果,将二进制小波变换变换系数按视觉重要性重新排序,通过对视觉重要系数优先编码,把量化误差集中在视觉不敏感区域,从而在不影响编码率失真性能的同时,有效地提高了解码图像的视觉效果.实验结果表明,和其它流行的编码算法相比,本文算法对不同性质的图像具有最优的编码性能和视觉效果.     

基于Markov性质的一阶安全算术编码及应用

基于压缩编码的加密方式能够同时完成加密和压缩的功能,通过压缩减少了信息的冗余,同时引入加密使对试图推测出明文信息和找到密钥的攻击具有非常好的鲁棒性.本文提出了一种基于一阶Markov模型的安全算术编码,在编码过程中通过随机密钥保证图像压缩编码的安全性,且显著提高编码的压缩效率,使其方便在网络中安全传输.实验结果和安全性分析表明,算法能够抵抗现有的各种基于算术编码的安全性攻击和其他密码学分析。     

基于分类和曲线拟合的干涉超光谱图像压缩

根据干涉超光谱图像的特点,提出了一种基于图像分类与曲线拟合的干涉超光谱图像数据分解算法,结合内嵌比特平面编码技术实现干涉超光谱图像的压缩。与JPEG2000一样,该算法实现了有损、无损压缩的兼容。将干涉超光谱图像数据分为主干涉区域与非主干涉区域两类,针对主干涉区域提出了一种相似匹配算法,而对非主干涉区域采用经验模式分解和二次曲线拟合方法进行数据分析,两种分析算法结合起来能够有效地对谱线数据进行分解,从而有利于取得更好的压缩效果。仿真结果表明,提出的算法可以使无损压缩的输出码率降低0.2~0.4bit/pixel,而近无损、限失真压缩的重建图像质量相应提高。     

A Stochastic Model for Block Segmentation of Images Based on the Quadtree and the Bayes Code for It

In information theory, lossless compression of general data is based on an explicit assumption of a stochastic generative model on target data. However, in lossless image compression, researchers have mainly focused on the coding procedure that outputs the coded sequence from the input image, and the assumption of the stochastic generative model is implicit. In these studies, there is a difficulty in discussing the difference between the expected code length and the entropy of the stochastic generative model. We solve this difficulty for a class of images, in which they have non-stationarity among segments. In this paper, we propose a novel stochastic generative model of images by redefining the implicit stochastic generative model in a previous coding procedure. Our model is based on the quadtree so that it effectively represents the variable block size segmentation of images. Then, we construct the Bayes code optimal for the proposed stochastic generative model. It requires the summation of all possible quadtrees weighted by their posterior. In general, its computational cost increases exponentially for the image size. However, we introduce an efficient algorithm to calculate it in the polynomial order of the image size without loss of optimality. As a result, the derived algorithm has a better average coding rate than that of JBIG.