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。     

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.     

基于分布式信源编码的干涉多光谱图像压缩

根据干涉多光谱图像的特点.提出一种基于分布式信源编码的干涉多光谱图像压缩箅法.干涉多光谱图像序列的相邻图像之间具有明显的平移特性,编码端通过块匹配算法检测出相邻帧间的相对位移量,联合块匹配算法估计的边信息帧进行比特平面码率估计,采用基于率失真提升的感兴趣区域编码,调整图像不同区域的率失真斜率来进行更合理的码率分配.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,在不同压缩比的情况下.满足卫星干涉多光谱图像压缩系统要求.易于硬件实现,更适于星上环境的应用.     

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.     

卫星干涉多光谱图像压缩新算法

根据卫星干涉多光谱图像的成像特性,提出一种基于分类权值率失真优化截取和自适应编码深度控制的部分SPIHT光谱图像压缩算法.首先根据干涉区域类型和编码平面的重要性,对各棵零树各个编码过程赋予不同的重要性权值,然后采用部分SPIHT算法对每棵零树独立编码,编码时根据比特平面层中重要系数的统计概率自适应地进行3种编码模式的选择,同时依据重要性权值和深度控制因子自适应地控制每棵零树的编码深度,最后在编码深度内,根据不同干涉区域的零树对恢复光谱的失真贡献,采用分类权值率失真方法对码流进行优化截取,使码流分配与失真达成最优.实验结果表明,本算法比传统算法更好地保护了光谱信息.     

易于硬件实现的遥感图像JPEG2000压缩编码

讨论了易于硬件实现的JPEG2000内嵌码块编码压缩系统方案，提出了一种针对遥感图像特点的基于比特平面加权的EBCOT算法。本文算法采用比特平面提升减少遥感图像压缩中小目标的丢失问题，比JPEG2000建议的视觉加权率失真斜率提升方法相比有更好的效果。实验证明算法完全继承了JPEG2000高客观质量、分辨率渐进性、好的抗误码性能等优良特性，同时降低了T1编码器的编码时间，有利于硬件的实现，在遥感图像压缩领域具有实用价值。     

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。     

感兴趣区域提升幅度确定及编码

基于小波变换的星载图像压缩中，感兴趣区域编码实现面临主要问题之一是如何确定小波域系数提升的幅度.提出了一种比特平面熵估计值计算模型及计算算法，能够有效逼近比特平面编码实际输出码率，同时提出了系数提升幅度的算法，从而解决了基于比特平面提升的感兴趣区域编码中系数提升幅度确定问题，可以保证感兴趣区域重建质量要求的前提下，背景和总体重建质量更好.该算法是根据图像内容和用户要求计算系数提升幅度，不需要进行人工干预，图像的复杂度不同，提升幅度也会不同.该算法适合感兴趣区域确定如干涉高光谱图像这类图像的编码.仿真结果表明，尽管不同图像具有不同的复杂度，本文算法都能够准确确定感兴趣区域系数的提升幅度，从而有效保证了总体编码效果更好.     

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.     

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。     

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.     

A low complexity block-based adaptive lossless image compression

For low power and lossless image compression, in this paper, a low complexity, block-based decomposition of subbands technology is proposed for embedded compression (EC) algorithm, which is ready for being implemented on a single-chip of FPGA. The proposed algorithm is based on high-speed pipeline architecture of 2-D lossless integer wavelet transformation (IWT) with 2-D Lossless Hadamard Transformation (LHT). In the proposed algorithm, the coefficients of a 2-D IWT are decomposed by 4 × 4 blocks to further remove redundancy, compared with direct encoder by EBCOT of JPEG2000. Considering the feature of the 2-D IWT, a different strategy is designed for LL-subband and non-LL subbands, which denotes DC prediction (DCP) and adaptive transformation method (ATM), respectively. DCP is used to remove the correlation between two adjacent blocks of LL-subband, and ATM is used to transform non-LL subbands by 2-D LHT selectivity. After further transformation, the coefficients are decomposed as truncated integer part (TIP) and truncated residue parts (TRP), considering the complexity of hardware implementation, TIP is encoded by Zero Running Length (ZRL) and Exp-Golomb (EG). TRP is encoded by a fixed length (FL) encoder after removed redundancy by the feature of 2-D LHT, when seen as bit patterns [1]. Experimental results show that the proposed EC algorithm can achieve a good compression performance as JPEG2000, and the coding latency can be decreased at an average of 43.9%. Another innovation of this paper is EC's hardware-friendly feature and easy hardware implementation, which are presented by a simple addition or subtraction of the LIWT and LHT, and need a small on-chip memory.