星上大视场TDICCD相机的多光谱图像无损压缩系统

提出了一种适于成像谱段数相对较少的多光谱TDICCD图像的无损压缩系统。所提出的压缩系统主要分为两步:第一步采用SPE架构的5/3提升整数小波变换去除空间冗余;第二步根据小波系数统计依赖性模型对小波系数进行预测,来消除残余空间冗余和小波系数的谱段冗余。然后将其与预测值做差进而得到预测残差,同时将预测残差进行熵编码得到最终的压缩码流。最后,使用地检检测设备对多光谱TDICCD图像无损压缩系统进行了试验验证。结果表明,压缩系统能快速、可靠稳定地工作,无损压缩比达到1.544 bits/pixel,比现有压缩系统压缩比提高了0.336 bits/pixel。相机工作在不同的侧摆下,压缩系统可以稳定正常地工作,压缩一帧图像最大耗时仅为26.446 ms。本文所提出的压缩系统有效地解决了多光谱TDICCD图像无损压缩比低和压缩算法整体硬件实现困难的问题。     

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.     

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。     

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。     

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.     

光谱信息数据压缩方法—二真值线性预测法

本文针对线性预测压缩存在的游长短、压缩比低、恢复精度差等问题,提出了一种新的压缩方法—“二真值线性预测法”,其特点是恢复精度高、压缩比大、算法简捷、实时性好,适用于可由线性逼近表示的测量过程的实时压缩。经对典型光谱数据压缩实验表明,平均游长一般比线性预测压缩高1倍,在压缩恢复过程中可保留光谱特征信息,在1%恢复精度时,压缩后数据未编码的情况下一般可获得大于2:1的压缩比,编码后可获得4:1～5:1的压缩比。     

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。     

高光谱图像的分布式近无损压缩

星载高光谱图像的有效压缩已经成为高光谱遥感领域亟待解决的难题。分布式信源编码具有较低的编码复杂度与良好的抗误码性,在高光谱图像压缩领域具有广阔的应用前景。提出了一种基于多元陪集码的高光谱图像分布式近无损压缩算法。根据多元陪集码的Slepian-Wolf无损编码的压缩过程,提出了面向高光谱图像分布式近无损压缩的最优量化方案,使得高光谱图像在给定目标码率条件下的失真达到最小,在此基础上对量化值进行Slepian-Wolf无损编码,从而实现了高光谱图像的分布式近无损压缩。实验结果表明,与典型的传统算法相比,该算法取得了较好的近无损压缩性能和较低的编码复杂度。     

干涉光谱图像序列压缩的实验研究

基于均匀值量化压缩算法和AR模型算法,对干涉型超光谱成像仪直接产生的实际干涉图像序列进行了近无损压缩仿真实验.AR模型算法对残差采用Lloyd-Max量化器进行量化,对量化输出结果用Huffman编码器进行编码.分析了AR模型阶数对压缩性能的影响.结果指出,均匀值量化和AR模型算法均能满足干涉光谱图像序列压缩的要求.     

基于快速层次交替最小二乘非负张量Tucker分解的干涉高光谱图像光谱信息压缩方法

提出一种基于快速层次交替最小二乘非负张量Tucker分解的高光谱图像光谱信息压缩算法。首先,将干涉高光谱图像光程差方向的三维信息采用三维光程差方向提升小波变换(3D OPT-LDWT)进行分解,将三维小波子带系数看作三阶非负张量,采用快速层次交替最小二乘非负张量Tucker分解(FHALS-NTD)算法对进行分解,得到核心张量和模式矩阵。对每个模式矩阵进行量化,对核心张量采用比特平面重要系数编码算法进行编码,得出最终的压缩码流。结果表明,此压缩算法可以稳定可靠地工作。与传统压缩算法比较,平均信噪比提高了1.23 dB。有效的提高了干涉高光谱图像压缩性能。     

凸面光栅成像光谱仪图像数据实时压缩技术

凸面光栅成像光谱仪图像数据量巨大,给数据的传输和存储带来了压力,因此要对图像数据进行实时压缩。首先根据成像原理对图像数据的特点进行了分析,得出去除空间相关性和谱间相关性的压缩途径;然后,进行了压缩算法分析,提出了在谱间进行一阶线性预测、谱内进行JPEG2000压缩的三维压缩方案;最后,设计了基于FPGA+ADV212的实时压缩系统,其中FPGA用于逻辑控制和预测算法实现,ADV212用于JPEG2000压缩。分析结果表明:该系统具备无损和有损压缩能力,能够实现图像数据实时压缩。     

基于感兴趣区域的海洋卫星遥感图像压缩算法

针对海洋监视卫星遥感图像的特点,提出了一种基于感兴趣区域的自适应遥感图像近无损压缩算法。该算法利用红-黑小波提升方法检测出目标的边缘,采用阈值法将目标和背景分割,使用外接矩形来描述目标,从而自动确定感兴趣区域。感兴趣区域采用Rice无损熵编码方法,背景区域采用比特平面编码的有损压缩方法。实验结果表明,该算法能有效地划分感兴趣区域,其压缩比较无损压缩有了很大提高,目标无失真,整幅图像的峰值信噪比都在40dB以上。算法的计算复杂度较低,易于硬件实现,而且还具有自适应性和数据包独立的优点,适合于海洋监视卫星遥感图像近无损压缩应用。     

基于可逆整数变换的高光谱图像无损压缩

将变换矩阵分解为三角可逆矩阵(TERM)实现的整数Karhunen-Loève变换(IKLT),具有结构简单、完全可逆和同址运算的优点.将整数KLT和整数小波结合(IWT),提出了一种基于可逆整数变换的去相关方法：将KLT用于去除谱间冗余,并在对KLT的变换矩阵进行TERM分解的过程中,提出基于全局最大值选择主元的优化分解方法,保证了IKLT的准确度,同时明显降低了计算量；空间维的去相关变换采用基于提升结构的整数小波变换,同样保证了变换的完全可逆.采用不同编码策略,对不同场景的高光谱图像数据压缩的实验结果表明,基于整数混合变换的去相关方法能明显提高无损压缩比.     

Distributed Lossless Compression Algorithm for Hyperspectral Images Based on Classification

This article addresses the problem of distributed lossless compression for hyperspectral images and proposes an effective lossless compression algorithm based on classification. First, a band selection algorithm was performed on the hyperspectral images to select those bands with considerable information. Next, the K-means algorithm was performed on those selected bands to obtain the classification map. To make full use of the spectral and spatial correlation, a multilinear regression model was introduced to construct the high-quality side information of each class within the identical block according to the classification map. Subsequently, the (n, k) linear grouping codes were employed to perform the distributed source coding for each class separately. The experimental results showed that the proposed algorithm has a competitive lossless compression performance compared with other state-of-the-art algorithms.     

Joint Lossless Image Compression and Encryption Scheme Based on CALIC and Hyperchaotic System

For efficiency and security of image transmission and storage, the joint image compression and encryption method that performs compression and encryption in a single step is a promising solution due to better security. Moreover, on some important occasions, it is necessary to save images in high quality by lossless compression. Thus, a joint lossless image compression and encryption scheme based on a context-based adaptive lossless image codec (CALIC) and hyperchaotic system is proposed to achieve lossless image encryption and compression simultaneously. Making use of the characteristics of CALIC, four encryption locations are designed to realize joint image compression and encryption: encryption for the predicted values of pixels based on gradient-adjusted prediction (GAP), encryption for the final prediction error, encryption for two lines of pixel values needed by prediction mode and encryption for the entropy coding file. Moreover, a new four-dimensional hyperchaotic system and plaintext-related encryption based on table lookup are all used to enhance the security. The security tests show information entropy, correlation and key sensitivity of the proposed methods reach 7.997, 0.01 and 0.4998, respectively. This indicates that the proposed methods have good security. Meanwhile, compared to original CALIC without security, the proposed methods increase the security and reduce the compression ratio by only 6.3%. The test results indicate that the proposed methods have high security and good lossless compression performance.     

适于干涉多光谱图像压缩的自适应率控制算法

提出了一种基于优化截取内嵌码块编码（EBCOT）的感兴趣区域（ROD编码干涉多光谱图像压缩方法。小波变换后,对1级分解的高频系数感兴趣区域即包含光谱信息区域进行垂直方向的分解,再对感兴趣区域进行比特平面提升。T1编码器对不同比特平面的编码过程（Codingpass）赋予不同的重要性权值,由高到低依次编码,T2编码器根据所得的比特率自适应地反馈控制T1的编码深度,最后进行率失真优化截取。实验结果表明,该方法提高了恢复图像质量,有效地减少了优化截取内嵌码块编码算法的计算量和内存使用量（bpp-1时,测试图像的整体、感兴趣区域和背景区域平均峰值信噪比均提高0．1dB以上,计算量和内存使用量平均减少40％和60％以上）,编码方式适合干涉多光谱图像压缩系统硬件实现。