一种干涉高光谱图像的3DSPIHT结合ROI压缩算法

针对大孔径静态干涉成像光谱仪的成像特点,提出了一种基于三维小波变换的3DSPIHT算法结合ROI的图像压缩方案.对干涉高光谱图像序列进行了三维非对称离散小波变换.采用ROI方法对主要的光谱系数进行提升,以保护光谱信息.最后,对3DSPIHT算法进行改进,以有效编码干涉高光谱图像的小波变换系数.实验结果表明,该方法在8:1压缩比下可获得大于40dB的峰值信噪比,同时有效地保护了光谱信息.     

一种干涉高光谱图像的3DSPIHT结合ROI压缩算法

 针对大孔径静态干涉成像光谱仪的成像特点,提出了一种基于三维小波变换的3DSPIHT算法结合ROI的图像压缩方案.对干涉高光谱图像序列进行了三维非对称离散小波变换.采用ROI方法对主要的光谱系数进行提升,以保护光谱信息.最后,对3DSPIHT算法进行改进,以有效编码干涉高光谱图像的小波变换系数.实验结果表明,该方法在8:1压缩比下可获得大于40 dB的峰值信噪比,同时有效地保护了光谱信息.     

一种改进的无链表3DSPITH算法用于高光谱图像压缩

 针对大孔径静态干涉成像光谱仪(LASIS)的成像特点,提出了一种基于三维非对称等长树小波变换的无链表SPITH算法结合ROI的图像压缩方案。首先,对干涉高光谱图像进行三维非对称等长树离散小波变换。其次,采用ROI方法对主要的光谱系数进行保护。最后,采用改进的三维无链表SPITH算法,编码干涉高光谱图像的小波变换域。实验结果表明,该方法在8∶1压缩比下,获得大于40 dB的平均峰值信噪比,同时有效地保护了光谱信息。     

高光谱遥感图像的小波去噪方法

高光谱遥感图像是由二维空间信息和一维光谱信息组成的三维数据。普通的去噪方式通常是分别对空间信息或光谱信息进行去噪,其主要缺点是忽视了高光谱图像强烈的谱间相关性和图谱合一的特点。针对这些特点,文章提出一种基于小波变换的高光谱遥感图像去噪方法。该方法对各波段高光谱图像逐一进行二维小波变换,根据含噪声大的波段与噪声小的波段的波长关系,对小噪声波段的高频系数加权求和,代替噪声大的波段的高频系数,通过小波逆变换得到去噪后的重构图像。该方法运算速度快,能有效地降低噪声。对机载可见红外成像光谱仪数据(AVIRIS)实验表明,与经典的BayesShrink图像去噪方法相比,方法重构图像的信噪比(SNR)高出3.8～10.6 db,节省运算时间一半以上。     

基于分组三维离散余弦变换字典的植物高光谱数据去噪方法EI北大核心CSCD

针对植物高光谱图像各波段噪声强度不同,以及空间域和谱域均存在噪声污染的问题,提出了一种基于分组三维(3D)离散余弦变换(DCT)字典的稀疏表示去噪方法。首先分析了植物光谱特征,根据谱间相关性对波段进行分组;然后采用边缘块剔除的局部均值标准差法对高光谱图像进行噪声标准差估计,为去噪算法提供参考阈值;最后构建三维DCT字典的稀疏表示去噪方法,对植物高光谱图像进行去噪。实验结果表明,与原始数据和二维DCT字典去噪方法相比,谱域噪声评估中平均信噪比分别提高18.2dB和9.2dB。因此,该方法不仅具有较好的空间域去噪能力,也有较好的谱域去噪能力。     

一种大孔径静态干涉成像光谱仪高光谱图像的AT-3DSPIHT压缩算法

针对大孔径静态干涉成像光谱仪(LASIS)的成像特点,提出了一种支持感兴趣区域(ROI)的非对称三维分层树集划分(AT-3DSPI HT)压缩算法。首先,对高光谱干涉图像进行非对称三维离散小波变换。然后,根据光谱信息的分布特点,采用ROI方法对不同区域的变换系数赋予不同的编码精度,以保护光谱信息。最后,采用改进的三维分层树集划分(3DSPI HT)算法编码高光谱干涉图像的小波变换系数。实验结果表明,该方法在8:1压缩比下,获得大于40 dB的峰值信噪比,同时有效地保护了光谱信息。     

基于成像系统物理特性的多光谱图像与全色波段图像融合

提出了一种基于成像系统物理特性的多光谱图像与全色波段图像融合算法。该算法采用àtrous小波变换提取全色波段图像的空间细节信息,并将提取的空间信息按照一定的注入模型调整后添加到各波段多光谱图像中去,得到具有高空间分辨力的多光谱图像。注入模型充分考虑了各波段成像传感器的相对光谱响应函数、地表物体对各波段的光谱反射率以及各波段的辐射调整系数等成像系统的物理特性,使融合后的多光谱图像在显著提高空间质量的同时,最大可能地保留了原始多光谱图像的光谱特性。对IKONOS卫星遥感影像的融合实验结果表明,该算法在光谱保留和空间质量提高方面较其它基于小波变换的融合算法都具有更高的性能。     

基于混沌与快速小波变换的多光谱图像压缩加密算法

针对多光谱图像存储和传输安全性问题,提出一种将混沌思想、小波变换和KL（karhunen-loeve）变换相结合的多光谱图像压缩加密算法。首先,采用K-means聚类方案将多光谱图像聚类为通用像素,通过选择合适的K值使算法的性能最优,同时便于后续处理;然后对通用像素进行二维离散9/7小波变换,对变换后的系数进行Arnold变换以及加密处理,消除多光谱图像大部分空间冗余,减少压缩过程中的块效应;之后对产生的小波系数进行改进的KL变换,消除残余空间冗余和光谱冗余;最后采用差分脉冲滤波器对系数进行编码,并采用Tent映射对码流进行混淆扩散加密。通过实验可知,本算法的信息熵达到11.794 3（选取12位多光谱图像）,信息熵更接近最大值12,优于现有算法,可以更好的隐藏原图特征;该算法的像素变化率（NPCR）和归一化平均变化强度(UACI)分别为99.81%和34.19,优于现有的其他算法,本算法可以更好的抵御差分攻击;输出比特流变化率保持在47.62%～47.71%之间,密文比特流变化率保持在47.45%～47.52%,本算法具有较好的密钥敏感性;在压缩比为4∶1～32∶1范围内,系统PSNR在42 dB以上,具有很高的压缩性能。在4∶1～32∶1范围内,本压缩算法达到很高的峰值信噪比,优于现有的压缩算法,在正常工作压缩比为16∶1时,比现有压缩算法的信噪比提高了0.64 dB以上。为进一步验证算法在高压缩比情况下的压缩性能,该研究测试了压缩比为128∶1时系统的信噪比为31.28,此时,重建后的图像较为清晰,优于现有算法1 dB以上。可见,该算法可行,且特别适合对压缩比要求较高的场合,并在频谱保真方面具有较好的效果。     

基于直方图变换的多光谱图像3D SPIHT压缩编码算法

提出了新的多光谱图像压缩方案,直方图变换的三维分层树的集划分(3D SPIHT)压缩编码算法。基于多光谱图像的成像特点,在去相关之前,提出一种可逆的直方图变换方法对多光谱各波段图像灰度值进行调整,来提高各波段间的相关性,然后再对变换后的图像利用K_L和二维小波变换去除谱间冗余和空间冗余。小波编码采用两种编码方案:3D_SPIHT以及对它进行改进后的三维位平面的SPIHT算法,并对两者进行了比较。实验表明,采用直方图变换的这两种方法都获得了良好的效果,比没变换前有更好的图像质量和压缩性能。     

基于整型可逆时域交叠变换的遥感图像压缩

提出了一种无乘法整型可逆时域交叠变换方法,并以此为核心变换技术设计了一种新的有损到无损渐进的图像压缩系统.利用所提出的压缩系统从一个单一的码流文件中既可以恢复出完全无损的图像,也可以在高压缩比下得到高质量的有损重构图像.算法通过前后向滤波器改进离散余弦变换性能,并在矩阵分解基础上通过多阶提升实现完全可逆整型变换.光学遥感图像的实验结果显示,该算法在绝大多数情况下可以达到优于图像压缩国际标准JPEGJ、PEG2000以及新一代压缩算法HD-Photo的率失真性能以及高质量的主观视觉效果.     

Efficient multi-bands image compression method for remote cameras

In this Letter, we propose an efficient compression algorithm for multi-spectral images having a few bands. First,we propose a low-complexity removing spectral redundancy approach to improve compression performance.Then, a bit plane encoding approach is applied to each band to complete the compression. Finally, the experiments are performed on multi-spectral images. The experiment results show that the proposed compression algorithm has good compressive property. Compared with traditional approaches, the proposed method can decrease the average peak signal noise ratio by 0.36 d B at 0.5 bpp. The processing speed reaches23.81 MPixels/s at the working frequency of 88 MHz, which is higher than the traditional methods. The proposed method satisfies the project application.     

一种适于空间多光谱TDICCD图像压缩算法

针对传统遥感图像压缩算法中小波变换和位平面编码没有考虑图像内容特点而导致多光谱各谱段图像边缘和纹理的模糊的问题,提出一种适于成像谱段数相对较少多光谱TDICCD图像压缩算法。提出的自适应提升DWT可以自适应的选择最佳的提升方向,同时根据图像局部特征使用拉格朗日插值策略进行预测,这种方法可以充分的利用图像的纹理信息。提出的码率控制算法可以根据图像纹理复杂程度进行自适应的码率分配。实验结果表明,提出的压缩算法具有良好压缩性能,对于平滑的图像与传统算法相当,对于边缘和纹理程度复杂的图像,性能高于传统算法,在正常工作压缩比为8∶1时,平均信噪比比传统方法平均提高了3.53 dB。有效的保护了多光谱图像的边缘和纹理信息,非常适于纹理复杂的空间多光谱CCD图像压缩应用。     

自由基聚合型光致聚合物中全息图像质量的动态特性研究

用实验方法研究了光致聚合物中全息存储再现图像质量的动态特性,以信噪比损失作为图像质量变化的衡量指标,进行了暗增长和均匀后曝光过程监测图像实验。实验结果表明,在暗增长和均匀后曝光过程中,再现图像强度和质量经历先增长后下降的动态过程。以噪声光栅的形成和发展对实验结果进行了初步的解释。以信噪比损失不大于3 dB为判据考察了全息图对暗反应和均匀后曝光过程的宽容程度,对于不同的记录条件确定了暗反应和均匀后曝光过程的特征时间。在特征时间内,再现图像的质量和强度都是可以接受的。在复用记录时,为保证所有全息图有均衡的衍射效率和良好的图像质量,必须考虑再现图像质量和强度的动态变化因素。     

红外背景抑制与弱小目标的检测算法

强噪声背景下红外图像中弱小目标的检测一直是研究的重点和难点。根据弱小目标、背景干扰和噪声在红外图像中的差异,研究了三种低信噪比条件下红外图像中弱小目标的检测算法:小波变换、数学形态学、Top—hat算子,分别给出了处理的图像和相应的数据。仿真实验表明:这三种检测算法能十分有效地提高信噪比、增强目标、抑制背景杂波和去除噪声干扰,对信噪比约为2的弱小目标检测能得到很好的结果。三种算法所得结果一致,而且处理速度快,适合于实时图像处理和目标探测。     

微分算法的艾比湖湿地自然保护区土壤有机质多光谱建模

针对以往利用高光谱数据来来反演土壤有机质（SOM）的可行性与可靠性,结合微分处理对光谱数据信息提取的高效性,提出了直接对多光谱遥感影像进行微分处理就可得出SOM建模研究,旨在为今后SOM速测提供参考。采用Landsat 8_OLI 多光谱遥感影像数据,对多光谱遥感影像进行辐射定标、几何校正、大气校正、镶嵌和裁剪,运用IDL软件对影像进行一阶微分处理和二阶微分处理,发现一阶微分图像能够更好地表达地物的真实情况,更好地区别水体与土壤。原始遥感影像包含大量的信息其中还包括噪声,通过微分处理后的遥感影像剔出了原始影像中反射率值突兀变化的部分。在研究区采用五点法采集土壤样品。室内实验用重铬酸钾氧化-容量法测得SOM数据。多光谱数据结合地面实测SOM数据,分析SOM与多光谱数据反射率的关系,发现一阶微分处理后的遥感数据与SOM含量的相关性存在敏感波段,说明一阶微分处理可以将原始遥感图像数据在多光谱范围内的一些隐含的土壤有机质信息释放出来。选取相关性高的数据建立基于原始遥感数据、一阶微分数据、二阶微分数据的单波段多光谱线性模型和多波段多光谱线性模型,选取最优模型来估算和反演土壤有机质含量。结论如下：（1）通过对原始影像进行微分处理发现,微分处理后的影像变化明显,一阶微分处理的影像噪声降低,更加突出了影像中土壤有机质隐藏的信息。二阶微分处理的影像抑制了土壤有机质信息。（2）原始遥感影像各波段数据对土壤有机质含量的相关性较低,一阶微分处理后的遥感影像数据反映出土壤有机质敏感波段即部分波段数据相关性明显高于原始数据,二阶微分处理后的遥感影像各波段数据对土壤有机质含量的相关性较弱。（3）多波段建模效果要优于单波段建模;一阶微分多波段模型预测精度最优,其模型的决定系数和模型拟合的决定系数分别为0.898和0.854,该模型对估算研究区内的SOM含量效果较好;综合比较了单波段模型和多波段模型的拟合精度,发现无论在单波段模型还是多波段模型一阶微分处理后的模型都具有更好的预测能力。（4）基于一阶微分多波段模型对研究区SOM进行反演,反演结果与实际情况相符合,对干旱区SOM含量制图提供了切实可行的方法和参考。     

OMIS图像条带噪音消除方法研究

分析了OMIS高光谱图像条带噪音产生的主要原因及条带噪音的特点.提出了两种改进的空域和小波域OMIS条带噪音消除新方法.比较了实验图像和数据.结果表明,两种新方法均具有良好的消除OMIS条带噪音的能力,并能较好地保持图像的纹理细节信息,效果明显优于原有方法.     

一种八谱段滤光片成像系统设计

针对多光谱滤光片阵列成像采样率低,原始(Raw)数据稀疏所导致的重建图像模糊,高频信息丢失等问题,提出了一种新八谱段滤光片阵列分布方案,利用基于邻域梯度延伸方法对光谱Raw图像进行重建.首先基于二叉树生成法,在重复排列的4×4阵列中设计了一种等空间概率比的八谱段滤光片分布方案;然后针对传感器直接获取的稀疏Raw图像,计算各谱段采样点的梯度信息,在保持图像结构特征和纹理信息的基础上,利用邻域采样点的像素值和梯度值对未采样点进行重建,从而获得完整的光谱图像信息;最后,基于已重建的八谱段光谱图像,采用伪逆矩阵法重构各像素位置的31波段光谱值.结果表明,相对于主流图像重建方法,本文算法提高了重建八谱段光谱图像的峰值信噪比、复合峰值信噪比,降低了光谱均方差,更好地保留了图像的纹理和边缘,有效降低了多光谱滤光片阵列成像中的颜色伪影和图像模糊等现象.     

Noise suppression and details enhancement for infrared image via novel prior

Infrared images always suffer from blurring edges, fewer details and low signal-to-noise ratio. So, sharpening edges and suppressing noise become the urgent techniques in infrared image technology field. However, they are contradictories in most cases. Hence, to depict correctly infrared image features under low signal-to-noise ratio circumstance, a novel prior, which is immune to noise, is presented in this paper. The proposed method scopes noise suppression and details enhancement. In noise suppression, the prior is introduced into Bayesian model to obtain optimal estimation through iteration. In details enhancement, based on the proposed prior, the final image is obtained by the improved unsharp mask algorithm which enhances adaptively details and edges of optimal estimation. The effectiveness and robustness of the proposed method is analyzed by testing the infrared images obtained from different signal-to-noise ratio conditions. Compared with other well-established methods, the proposed method shows a significant performance in terms of noise suppression, actual scene reappearance, enhancing the details and sharpening edges.     

Improvement of signal-to-noise ratio in digital holography using wavelet transform

The basic problem in optical and digital holography is the presence of speckle noise in the reconstruction process, which reduces the signal-to-noise ratio (SNR). The presence of speckle noise is serious drawback in optical and digital holography since it substantially reduces the SNR in the reconstructed image. In this paper, we present wavelet filtering to improve SNR in the reconstructed images from digital holograms. Experimental results are presented.