适于星上应用的高光谱图像无损压缩算法

针对常见基于预测、变换、矢量量化及其组合的高光谱无损压缩算法压缩比低、压缩算法整体耗时以及硬件实现困难的问题,提出一种适于星上应用的高光谱图像无损压缩算法。首先,沿光谱线的第一谱段图像采用中值预测器进行谱段内预测,其他谱段图像采用谱间预测。谱间预测采用两步双向预测算法,第一步预测采用双向二阶预测器得到参考预测值,第二步预测采用本文提出的改进LUT搜索预测算法得出4个LUT预测值,然后将参考预测值与其比较得出最终的预测值。最后,使用XX-X空间高光谱相机的压缩系统试验设备对该文提出的压缩算法进行了试验验证。结果表明,压缩系统能快速稳定地工作,平均压缩比达到3.05 bpp,与传统方法相比,平均压缩比提高了0.14~2.94 bpp。有效的提高了高光谱图像无损压缩比和解决了压缩算法整体实现困难的问题。     

基于1+2维小波变换的多光谱图像压缩

提出利用1+2维小波变换技术对多光谱遥感图像进行近无损压缩.使用嵌入式块截断算法压缩谱内图像;谱间变换使用短滤波器进行1维小波变换,去除多光谱图像的谱间冗余.实验证明,加入谱间的1维变换比不加入变换,而仅仅对每个波段图像进行压缩的压缩比提高20%.整个算法是嵌入式的,复杂度适中.编码的比特流具有渐进式特性,可以过渡为高压缩比的有损压缩.     

基于谱间DPCM和整数小波变换的超光谱图像无损压缩

分析了干涉成像光谱仪所获取图像的谱间和空间相关性,提出了一种混合无损压缩方案.首先进行谱间DPCM预测,再对残差图像采用整数小波变换,最后对小波系数进行二值自适应算术编码.实验结果表明,该算法可实现无损压缩,压缩比平均可达2.018,较二维整数小波变换算法提高40.3%.并且算法复杂度较低,只有加减和移位运算,易于硬件实现.     

一种彩色图像的小波域预测编码方法

彩色图像存在空间相关性和帧间相关性,如何有效的去除这两种相关性是提高彩色图像压缩比的关键。提出一种小波变换域的自适应预测无损压缩方法,分为三个步骤:首先对彩色图像各个分量进行可逆整数小波变换减小空间相关性,然后利用联想记忆神经网络对小波系数图像分别进行空间预测和帧间预测,进一步去除空间和帧间相关性,最后对预测残差进行算术编码。实验证明该算法是可行的和有效的,对测试图像的压缩效果优于JPEG LS标准。     

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。     

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。     

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。     

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。     

适用于楔形滤光片型光谱成像仪的快速无损数据压缩方法

楔形滤光片型光谱成像仪具有无运动部件、低光机复杂度等优点，是低成本微型化光谱成像仪的一个重要发展方向。不同于传统色散型光谱成像仪，楔形滤光片型光谱成像仪获取的数据是光谱-空间混合调制的图像。针对直接应用CCSDS123进行楔形滤光片型光谱成像仪数据压缩时压缩比较低的问题，结合楔形滤光片型光谱成像仪“谱像混合”、“推扫成谱”的特点，通过定义新的局部差向量，构建了一种低运算复杂度适合硬件实现的快速无损压缩方法WCCSDS123。新的局部差向量中参与计算的像元集合代表的是同一被观测点的光谱信息。WCCSDS123方法首先利用局部和与改进的局部差向量对采样点的值进行预测，再利用预测值与真实值计算预测残差并对其进行整数映射，最后采用采样自适应熵编码对映射预测残差进行编码完成压缩。在6组楔形滤光片型光谱成像仪数据上分别采用WCCSDS123和CCSDS123进行了压缩实验。实验结果表明，与CCSDS123相比，WCCSDS123的压缩比提高了约21.62%，压缩耗时没有明显差异。因此，该方法在提高压缩比同时，继承了CCSDS123复杂度低，易于硬件实现的优点。该方法WCCSDS123具有较低的计算复杂度，能够更加有效地利用空间光谱冗余信息，获得更好的压缩效果，是针对楔形滤光片型光谱成像仪的一种良好的快速无损数据压缩方法。     

实时数字图像无损压缩的研究

针对实时数字图像的无损压缩方法进行了分析,采用三级5-3整数提升小波变换,小波变换的高频和低频系数分别采用不同的编码方法。进行了基于DSP和FPGA的压缩系统结构设计,提出了软、硬件并行的方法。进行三级小波变换时,硬件结构能够实现在对当前级小波变换的同时进行前一级小波变换的高频系数编码,提高了压缩系统的实时性。并对压缩系统的关键技术进行了研究。可以对80MB/s的数字图像进行无损压缩,压缩比可以达到1.68~1.8左右。     

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。     

基于小波的干涉多光谱卫星图像压缩方法

分析了干涉多光谱卫星遥感图像的成像特性,并根据该类图像对压缩效果的要求提出了一种基于小波分层树集合分割排序（Set Partitioning Hierarchical Trees,SPIHT）的局部图像优先编码方法,通过对图像小波域系数的局部增强,获得了对图像重要数据优先编码的特性,在8倍压缩比的条件下获得了满意的效果。用该方法对多幅干涉多光谱图像进行了测试,测试结果表明：该方法性能优于其他多光 谱卫星遥感图像编码方法,并有利于在实时图像编码系统中得到应用。     

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。     

ADV212在大视场多光谱TDICCD空间相机中的应用

针对空间多光谱相机中CCD输出数据量大、谱段间冗余小和行频可变等导致常见基于矢量量化、预测和变换编码的整体压缩方案硬件实现困难的问题,提出了一种基于ADV212的空间相机图像压缩方案。依据ADV212工作原理和CCD图像特点,提出了Custom-specific工作模式,在该模式下,使用提出的图像帧和中断处理策略,并以流水线作业的方式实现单片ADV212处理8通道CCD图像;分析了影响图像压缩质量的2个参数,提出了(10,5)量化步长设置方法,使码率控制误差减小了16.385%;使用地检设备对ADV212压缩系统进行了试验验证。结果表明,压缩系统能快速稳定地工作,在压缩比指标2∶1～32∶1内,PSNR均在30dB以上,与传统方法相比,在正常工作压缩比为1bpp时平均PSNR提高了2.49dB。有效的解决了整体压缩方案硬件实现困难的问题。     

基于提升方案的多光谱遥感图像有损压缩算法

在分析多光谱遥感图像谱间和空间数据特点的基础上,提出了一种DPCM线性预测与基于提升方案的整数小波变换相结合的多光谱遥感图像有损压缩算法。在谱间采用DPCM预测去除谱间相关性;在谱内采用整数小波变换去除空间相关性,根据不同子带对目标识别的重要程度,选择不同的量化阈值和量化步长进行量化,并分别对各个子带量化后的数据和重要图表采用固定比特平面编码和游程编码,实现高效的多光谱遥感图像压缩。实验结果表明,该算法在一定的压缩比下,重构图像具有较高的峰值信噪比,并且算法硬件实现简单,对内存的需求低。     

基于谱间线性滤波的高光谱图像压缩感知

根据高光谱图像较强的谱间相关性,提出一种基于谱间线性滤波的高光谱图像压缩感知方法.高光谱图像进行压缩重构时,利用相邻波谱的谱间相关性,对重构的当前帧与前一谱段的重构图像进行谱间线性滤波,降低了重构帧的噪音信息,纠正了重构帧的轮廓信息,从而提高重构质量.在进行谱间线性滤波时,保留重构帧的低频系数,高频系数与前一波谱重构图像的高频小波变换系数进行线性加权求和,达到滤波的效果.通过实验表明,该方法能够有效提升图像重构质量,并降低重构时间.     

小波分析在灰度遥感图像去云中的应用

针对薄云覆盖的灰度遥感图像其清晰度低、难于判读地物信息等问题, 提出了小波分析方法用于灰度遥感图像去云。以256 pixel×256 pixel的灰度遥感图像为例, 进行1～8级分解, 重构时对细节系数放大1～10倍, 先选定小波函数确定图像信息熵取得最高时的分解级数为7和相应细节系数的放大倍数, 再确定双正交2.2型小波和离散近似Mery小波, 以0.1为步长的细节放大倍数作进一步分析。结果表明, 分解的级数较低时, 图像信息熵对细节系数放大倍数的依赖性很强; 放大倍数为1.1时得到的图像其信息熵取得极大值; 采用离散近似Mery小波, 当放大倍数为4.8和5.7时还出现2个峰值。     

分组Karhun-Loeve变换/整数小波变换高光谱影像准无损压缩新方法

提出了分组Karhunen-Leove变换(KLT)和整数小波变换(IWT)的高光谱图像数据压缩方法,并采用整数小波变换技术和Set Partitioning in Hierarchical Trees(SPIHT)压缩编码,实现了对分组Karhun-Loeve变换后的数据压缩。该压缩编码方法与现有压缩方法相比,既保留了Karhun-Loeve变换压缩性能和整数小波变换高压缩比的特点,也宜于实时传输。实验结果表明,分组Karhun-Loeve变换/整数小波变换/SPIHT在相同压缩比下,峰值信噪比比Karhun-Loeve变换/小波变换/WSFCVQ、Karhun-Loeve变换/小波变换/改进的对块零树编码压缩和Karhun-Loeve变换/WT/FSVQ分别提高了6 dB,9 dB和8 dB,运算时间减少一半,整体压缩性能有了较大的提高。     

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。