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.     

干涉多光谱图像压缩编码新技术

提出一种基于运动估计的三维小波变换和非对称零树编码的干涉多光谱图像压缩方案.该方案利用大孔径静态干涉成像光谱仪推扫成像特点，对图像进行分区域运动估计的三维小波变换.采用了一种新型非对称零树编码方法，该方法可在较少的图像间建立较长的零树，增加了系数编码时由重要结点变为不重要结点并趋于零的概率，使编码的效果更好.该方案消耗内存少，延时小，有利于卫星上的图像压缩,有效地保护了图像的光谱特性.在8倍压缩下，满足干涉多光谱图像的质量要求.     

干涉超光谱图像分析与近无损压缩CPLD实现

介绍了干涉超光谱卫星遥感图像的成像特性，计算、比较分析了干涉超光谱图象的空间维与光谱维的相关性，提出了一种近无损压缩的局部DPCM算法.选用CPLD在Maxplus Ⅱ使用VHDL语言对该压缩算法进行了硬件描述和仿真.仿真结果表明该压缩算法简单可行，易由硬件实现.     

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。     

基于非局部平均的多光谱遥感图像除噪声

非局部平均除噪声的方法合理利用了图像自身的冗余性和邻域的相似性,可以获得非常好的除噪声的效果。但是目前大多关于非局部平均算法的研究主要集中在对单波段图像的除噪声方面。单独平滑多光谱遥感图像的每个波段会比较严重地损失图像的光谱特征。为此,文章提出了两方面的改进:首先,改进了非局部平均的平滑核函数,让核函数中的加权系数与每个波段建立联系而不是只涉及单一波段;其次,引入相关系数来衡量不同像素邻域的光谱相似性,并把这种光谱相似性作为非局部平均平滑约束的一部分。通过两方面的改进,传统的非局部平均的方法可以适应多光谱遥感图像的平滑除噪声。最后用不同卫星图像在不同的噪声水平下对算法进行了充分的测试,实验证明本文提出的方法更好的平滑掉了噪声而且更好的保持了图像的光谱特征。     

小波包变换与遥感图像融合

探讨了遥感多光谱与全色波段图像的融合问题.分析了多光谱与全色波段成像机理,提出了一种基于小波包变换的遥感图像融合方法,实验结果表明,该方法可有效综合多光谱与全色波段图像的优点,从而获得具有较高空间分辨率的多谱图像.     

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。     

基于非采样Contourlet变换的遥感图像融合算法

为了使融合后的多光谱图像在尽可能保持原始多光谱图像光谱特性的同时,显著提高空间分辨力,提出了一种基于非采样Contourlet变换(NSCT)的遥感图像融合算法。算法首先对全色波段图像进行非采样Contourlet变换,得到全色波段图像的低频子带系数和各带通方向子带系数;然后针对多光谱图像的每一个波段,将其进行双线性插值后作为融合后多光谱图像的低频子带系数,对全色波段图像的各带通方向子带系数采用基于成像系统物理特性的注入模型(调整系数)进行局部调整后,作为融合后多光谱图像的各带通方向子带系数,从而得到融合后多光谱图像的非采样Contourlet变换系数;最后再经非采样Contourlet逆变换得到该波段具有高空间分辨力的多光谱图像。采用IKONOS卫星遥感图像进行了仿真实验,实验结果表明,该算法在光谱保留和空间质量提高方面优于其它传统的遥感图像融合算法。     

遥感图像林地与农田小波特征的神经网络识别

为了解决仅仅依赖遥感图像光谱特征较难正确区分光谱相近的植被覆盖下垫面林地与农田的问题,对美国Landsat 7 ETM卫星遥感图像进行小波变换分解,研究林地、农田样点的小波系数特征的差异,研究BP人工神经网络识别光谱相近的林地与农田的方法。结果表明,小波变换对遥感图像地物的空间变化非常敏感,在一定尺度下能分离林地与农田地物的细节特点的差异,其多波段小波系数特征存在差异,可以构成光谱相近地物林地、农田的识别特征向量,使用BP神经网络对样本训练后可有效地识别光谱相近的林地与农田地物。     

环境卫星多光谱图像压缩算法

基于环境卫星多光谱图像特点的分析,提出了一种新的基于三维等级树集合划分算法(3D-SPI HT)和感兴趣区域(ROI)编码相结合的多光谱图像压缩算法。首先在谱间采用两种小波基相结合的三维离散小波变换(3D-DWT),去除多光谱图像在空间和谱间的冗余信息,减少恢复光谱的误差值,然后采用部分三维等级树集合划分算法和小波系数提升的感兴趣区域编码相结合的方法。该方法对小波系数从空间方向树上按对恢复光谱信息的重要性不同进行合理的码率分配,使得恢复光谱具有更好的分辨率,并依据比特平面层中重要系数的统计概率来自适应地进行3种编码模式的选择,提高了编码效率。实验数据结果表明,该算法比传统算法更好地保护了多光谱图像中的光谱信息,在压缩比为8∶1的情况下,满足了环境卫星多光谱图像压缩系统的要求。     

基于网格编码量化的超光谱图像压缩

提出了一个基于小波网格编码量化的超光谱图像压缩方法。谱间和空间冗余处理构成了超光谱图像压缩算法的主要内容,该算法使用一个谱间差分预测步骤来去除谱间冗余,而后对预测残差图像进行小波变换并利用均匀阈值网格编码量化(trellis-coded quantization)方法来量化各小波子带,最后使用自适应算术编码对量化码字进行熵编码。为使编码器能为所有子带获取率-失真意义上最优的量化阈值,设计了一个基于子带统计特性和网格编码量化器率-失真特性的比特分配算法。在实验中,该算法表现出优良的压缩性能,对于实验的超光谱图像,该方法在压缩比为32时可得到37．1dB的峰值信噪比,这表明本算法能有效压缩超光谱图像,适于超光谱图像压缩应用。     

基于聚类和小波变换的多光谱图像压缩算法

针对多光谱图像压缩算法现存的时空复杂度高、光谱特性利用不充分等问题,研究了多光谱图像的谱间稀疏等价表示及其聚类实现途径,进而设计了一种基于谱间自适应聚类和小波变换的多光谱图像压缩算法。算法利用吸引力传播聚类产生多光谱图像的谱间稀疏等价表示、在低复杂度下去除图像的谱间冗余,使用二维小波变换去除稀疏表示成分的空间冗余,采用分层树集合分割排序算法(SPIHT)进行压缩编码,并通过误差补偿机制提高多光谱图像重建质量。实验表明,该算法在保证较低时间和空间复杂度的基础上,较SPIHT等同类经典压缩算法,在相同的压缩比下,明显提高了重建图像的峰值信噪比,是一种通用有效的多光谱图像压缩算法。     

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。     

基于局部端元提取的遥感影像波段模拟

针对“波谱库-影像”多光谱遥感影像波段模拟方法中波谱库以矿物质类别为主、忽略大气环境和成像时间对地物波谱影响的问题,以及“参考影像-影像”影像波段模拟方法中地物混合像元和不同空间分辨率像元间模拟的尺度效应问题,提出基于局部地物端元提取的遥感影像波段模拟方法。首先对与待模拟影像具有相似地物类别组成的参考影像进行光谱聚类分割,形成影像局部区域;然后提取各个局部区域的地物端元,并对地物端元进行优选形成地物端元样本集;接着利用端元样本集建立地物端元波谱间的关系模型;最后利用关系模型预测目标影像波段。首先通过模拟Landsat TM5影像的蓝光波段,验证方法的稳定性和可靠性;然后通过模拟IRS-P6影像的蓝光波段,验证方法的适用性和推广性;并在实验过程中同已有的“波谱库-影像”波段模拟方法和“参考影像-影像”波段模拟方法进行视觉效果对比和定量统计分析,进一步表明方法对各类地物均有较好的模拟效果,能够准确地表达地物的真实波谱。     

基于可见光的多波段偏振图像融合新算法

采用了一种新的基于小波变换的偏振图像融合算法.首先,将两个波段中的每一波段三幅偏振图像利用小波变换分解成低频和高频部分,低频的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数,得到一个波段一幅图像.接着,将得到的图像再进行小波分解,采用低频图像的小波系数最小值作为融合后的低频系数,高频图像根据纹理一致性测度的纹理检测确定融合规则,用来调整高频小波系数,将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价.实验结果表明,融合后的偏振图像不仅反映了场景的偏振信息,而且还包含了丰富的光谱信息,目标与背景的衬比度也得到了增强,为进一步的目标检测和识别提供了便利.     

基于谱间和帧内差分脉冲编码调制的超光谱图像无损压缩

以超光谱遥感图像为研究对象,分析了干涉成像光谱仪获取图像的谱间和空间相关性,提出一种三维差分脉冲编码调制（ DPCM）无损压缩方案。首先进行了谱间DPCM预测;然后,对残差图像进行帧内DPCM预测;最后,对差分码流进行二值自适应算术编码。实验表明,该算法可实现无损压缩,压缩比平均可达1.662,较二维整数小波变换算法提高了15.6％,且算法复杂度较低,仅有加减和移位运算,易于硬件实现。     

Performance analysis of multi-spectral and panchromatic image fusion techniques based on two wavelet discrete approaches

During the past few years, many fusion algorithms have been proposed to combine a high-resolution panchromatic image with a low-resolution multi-spectral image to generate a high-resolution multi-spectral image. Among them, the wavelet-based algorithm has gained its popularity due to its ability of multi-resolution decomposition. More specifically, the wavelet transform is first applied to images. The wavelet coefficients are then combined based on a certain rule to produce the fused image. In this paper, we evaluated the performances of both the wavelet transform discrete approaches and the coefficient combination methods when they are applied to fuse multi-spectral and panchromatic images. For the discrete approaches of the wavelet transform, Mallat and “à trous” algorithms are chosen. For the coefficient combination, the additive wavelet method, the additive wavelet intensity method and the additive wavelet principal component method are selected. To evaluate the spectral quality of the fused images, correlation coefficient and Q_avg index are used as a local and global measure, respectively. Meanwhile, average gradient and standard deviation are used to evaluate the spatial quality. Our experiments show that keeping the combination method the same, the “à trous” algorithm works better than the Mallat algorithm for the fusion purpose. In addition, if keeping the wavelet discrete algorithm the same, the combination methods mentioned above are found to have different advantages between the spatial resolution improvement and the spectral quality preservation.     

SFCVQ and EZW coding method based on Karhunen-Loeve transformation and integer wavelet transformation

A new hyperspectral image compression method of spectral feature classification vector quantization (SFCVQ) and embedded zero-tree of wavelet (EZW) based on Karhunen-Loeve transformation (KLT) and integer wavelet transformation is represented. In comparison with the other methods, this method not only keeps the characteristics of high compression ratio and easy real-time transmission, but also has the advantage of high computation speed. After lifting based integer wavelet and SFCVQ coding are introduced, a system of nearly lossless compression of hyperspectral images is designed. KLT is used to remove the correlation of spectral redundancy as one-dimensional (1D) linear transform, and SFCVQ coding is applied to enhance compression ratio. The two-dimensional (2D) integer wavelet transformation is adopted for the decorrelation of 2D spatial redundancy. EZW coding method is applied to compress data in wavelet domain. Experimental results show that in comparison with the method of wavelet SFCVQ (WSFCVQ),the method of improved BiBlock zero tree coding (IBBZTC) and the method of feature spectral vector quantization (FSVQ), the peak signal-to-noise ratio (PSNR) of this method can enhance over 9 dB, and the total compression performance is improved greatly.     

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。