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。     

改进自适应LBG矢量量化算法在干涉高光谱图像压缩中的应用

在基于点到线模型扩展LBG(linde-buzo-gray algorithm)矢量量化算法的基础上,提出了一种更为高效的新型自适应LBG矢量量化算法,并给出了该算法在干涉高光谱图像无损压缩中的实际压缩方案.该算法在LBG算法码书中利用点到线的垂线关系基础上进行了改进,执行进一步的自适应化迭代进而获得了更小的残差.将自...     

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。     

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。     

基于双边信息的分布式视频压缩感知模型研究

针对传统视频编码技术计算量大和复杂度高的缺点,提出一种基于双边信息的分布式视频压缩感知算法。该算法将压缩感知技术与分布式视频编码技术相结合,把视频序列分为Key帧和CS帧,Key帧运用传统的帧内编码和解码,CS帧编码端运用压缩感知编码,解码端运用视频块内与视频块间的双边信息和梯度投影算法进行优化重构。通过双边信息的运动估计和压缩编码器的设计,实现基于双边信息的分布式视频压缩感知模型的构建。仿真结果表明该模型既可以实现高效编码,又可以实现复杂度由编码端向解码端转移,在较低的采样率下,提高视频的压缩能力和传输速度。     

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.     

基于QR码和算术编码的图像加密无损恢复方法

将QR码作为数据容器引入光学图像加密系统,可以移除光学系统在解密图像时产生的散斑噪声,使得解密图像无损恢复,是一种非常理想和实用的去除噪声的方法。但由于QR码的存储容量有限,只能存储一些字母和简短的句子或者一幅尺寸很小（32×32像素）的灰度图像,严重制约了该技术的进一步应用。为了将一幅更大的灰度图像存入到QR码中,提出一种基于算术编码的图像无损压缩方法。首先将灰度图像以文件的形式读取为二进制数据,然后转换成十进制数据并利用算术编码的方法压缩为二进制数据,最后再转换成十进制数据。实验结果表明,此方法具有较高的压缩效率,能够成功将一幅64×64像素的具有丰富灰度值的图像存入到一张31版QR码中进行加密和解密。     

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。     

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.     

基于ROI编码的干涉超光谱图像近无损压缩

针对干涉超光谱成像仪所成图像的特点,提出了一种基于ROI（Region of Interest,感兴趣区域）编码的干涉超光谱图像序列压缩方法.利用帧内差值变换,结合矩形ROI编码,在提高遥感图像压缩比的同时,使压缩后的重建图像质量达到近无损的技术要求.实验结果表明,这种压缩方法在干涉超光谱图像压缩中当相对光谱二次误差为2.04％时,干涉图像的压缩比达到9.66∶1.     

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。     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用, 为提高压缩效率, 进一步存储传输, 提出了WF系列编码方法, 设计了APWS_RA算法, 进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理, 提出了色感应失真准则和视觉特性矩阵W;同时, 优化了APWS编码算法的码率分配, 形成APWS_RA编码算法;最后, 结合以上技术, 以色度误差准则指导编码, 对视觉加权后的多光谱图像数据进行aPWS_rA编码, 命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W, 利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余, 小波变换去除其空间冗余, 最后结合误差补偿机制和码率分配策略进行小波编码。实验表明, 在相同比特率下, 较现有低复杂度经典编码算法, WF系列编码方法能更有效地保留光谱中的色度信息, APWS_RA算法的重建光谱误差最小, WF_APWS_RA算法的重建色度精度优势明显。     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用,为提高压缩效率,进一步存储传输,提出了WF系列编码方法,设计了APWS_RA算法,进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理,提出了色感应失真准则和视觉特性矩阵W;同时,优化了APWS编码算法的码率分配,形成APWS_RA编码算法;最后,结合以上技术,以色度误差准则指导编码,对视觉加权后的多光谱图像数据进行aPWS_rA编码,命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W,利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余,小波变换去除其空间冗余,最后结合误差补偿机制和码率分配策略进行小波编码。实验表明,在相同比特率下,较现有低复杂度经典编码算法,WF系列编码方法能更有效地保留光谱中的色度信息,APWS_RA算法的重建光谱误差最小,WF_APWS_RA算法的重建色度精度优势明显。     

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。