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.     

小球藻、球等鞭金藻和螺旋藻生物量高光谱成像的可视化研究

微藻高效培养是微藻生物能源开发利用的关键和前提,而在营养充足的培养条件下生长迅速但较易受到环境污染和影响,因此微藻生长过程中对其生长状况进行监测意义重大。高光谱成像技术同时拥有丰富物质品质信号的优点和图像包含丰富品质分布空间信息的优点,可为微藻的快速无损检测提供新的方法和手段。分别采集小球藻、球等鞭金藻和螺旋藻三种微藻各45个样本的高光谱图像,并提取样本感兴趣区域(ROI)的平均光谱。利用连续投影算法(SPA)波长优选之后,取30个建模集样本的光谱数据与其相应的生物量建立多元线性回归(MLR)模型,对15个预测集样本的生物量进行预测,小球藻、球等鞭金藻和螺旋藻预测相关系数(r)分别为0.950,0.969和0.961,预测均方根误差(RMSEP)为0.010 2,0.010 7和0.017 1,获得了较好的预测精度。最后,用所建MLR模型对预测集图像上每个像素点的生物量加以预测,采用Matlab图像编程处理将不同的生物量用不同的颜色表示,最终以伪彩图的形式实现藻液生物量的可视化。研究结果表明,高光谱成像技术对小球藻和螺旋藻藻液生物量的可视化效果较好,对球等鞭金藻的预测效果还需要进一步改进。本研究为实现微藻生长信息的快速获取和进一步开展微藻生物质能源利用奠定了一定的研究基础。