改进的对块零树编码压缩方法对超光谱数据压缩

提出了对块零树的预测二值标量量化压缩编码方法，给出了压缩比公式，并应用此压缩编码实现了对超细光谱数据的压缩，该压缩编码方法既具有小波零树压缩编码高压缩比和宜于实时实现的特点，同时具有编码，解码速度快和易于实时传输等优点，实验结果表明，改进的对块零树编码压缩（IBBZTC）方法在不传输剩余误差的情况下，达到190倍的压缩比时，峰值信噪比仍然在30dB以上，压缩性能优于KL变换－静止图像压缩（KLT－JPEG），小波变换－矢量量化（WT－VQ），小波变换一零树矢量量化（WT－ZTVQ）和对块零树编码压缩方法。     

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。     

干涉多光谱图像压缩编码新技术

提出一种基于运动估计的三维小波变换和非对称零树编码的干涉多光谱图像压缩方案.该方案利用大孔径静态干涉成像光谱仪推扫成像特点,对图像进行分区域运动估计的三维小波变换.采用了一种新型非对称零树编码方法,该方法可在较少的图像间建立较长的零树,增加了系数编码时由重要结点变为不重要结点并趋于零的概率,使编码的效果更好.该方案消耗内存少,延时小,有利于卫星上的图像压缩,有效地保护了图像的光谱特性.在8倍压缩下,满足干涉多光谱图像的质量要求.     

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.     

一种基于重叠块的遥感图像压缩算法

以大图像块或整个图像为处理单元的图像编码算法需要大量的内存来缓存图像,且编码过程中也会消耗大量内存,这种直接分块算法往往带来方块效应,影响图像的恢复质量。提出了以重叠块为单位的提升小波变换的方法,重叠分块可减小编码器对大块内存的需求,同时还可去除分块引入的方块效应。在变换中提出了多级并行分解方法,提高了分解效率。在对重叠块提升小波变换后的子带进行了统计分析,采用了DPCM与SPIHT相结合的方法。对直接分块、重叠分块、不分块算法进行了对比实验。结果表明,经重叠分块算法压缩的遥感图像具有较高的恢复质量。     

基于方向角预测三维小波变换的干涉多光谱图像压缩

根据大孔径静态干涉多光谱图像的成像特点,提出一种基于方向角预测的三维小波变换.这种三维小波变换的新颖之处在于它将方向预测结合到三维提升小波中.这样每次提升小波中的预测可在相关性最强的方向上进行而不需总是局限在变换的方向上.实验证明,对于干涉多光谱图像这种方向性很强的立体图像序列,基于方向角预测的三维小波变换比原始三维提升小波变换有明显改进,在相同的量化编码下,基于方向角预测的三维小波变换比原始三维提升小波变换提高1 dB左右.经该种方法压缩的图像的光谱特性也得到明显改善.     

一种改进的无链表3DSPITH算法用于高光谱图像压缩

 针对大孔径静态干涉成像光谱仪(LASIS)的成像特点,提出了一种基于三维非对称等长树小波变换的无链表SPITH算法结合ROI的图像压缩方案。首先,对干涉高光谱图像进行三维非对称等长树离散小波变换。其次,采用ROI方法对主要的光谱系数进行保护。最后,采用改进的三维无链表SPITH算法,编码干涉高光谱图像的小波变换域。实验结果表明,该方法在8∶1压缩比下,获得大于40 dB的平均峰值信噪比,同时有效地保护了光谱信息。     

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。     

A Biblock Wavelet Zero Tree Coding for Hyperspectral Imagery Data Compression

1　ＩｎｔｒｏｄｕｃｔｉｏｎＤｉｇｉｔｉｚｅｄｉｍａｇｅｓｎｅｅｄｓｔｏｒｉｎｇ ,ｔｒａｎｓｍｉｔｔｉｎｇａｎｄｐｒｏｃｅｓｓｉｎｇ ,ａｎｄｄａｔａｃｏｍｐｒｅｓｓｉｏｎｉｓｕｓｕａｌｌｙｉｍｐｌｅｍｅｎｔｅｄ ,ｏｂｔａｉｎｉｎｇｔｈｅｂｉｔｒａｔｅａｎｄｍａｉｎｔａｉｎｉｎｇａｎａｃｃｅｐｔａｂｌｅｆｉｄｅｌｉｔｙｏｒｉｍａｇｅｑｕａｌｉｔｙ .Ｃｏｍｐｒｅｓｓｉｏｎｃａｎｂｅａｃｈｉｅｖｅｄｂｙｔｒａｎｓｆｏｒｍｉｎｇｔｈｅｄａｔａ,ｐｒｏｊｅｃｔｉｎｇｉｔｏｎａｂａｓｉｓｏｆｆｕｎｃｔｉｏｎｓ…     

基于Karhunen-Loève变换和小波谱特征矢量量化的三维谱像数据压缩

提出了基于Karhunen Lo埁ｖｅ变换的小波谱特征矢量量化三维谱像数据压缩方法耍幔颍瑁酰睿澹?Lo埁ｖｅ变换 /小波变换 /小波谱特征矢量量化方法应用了Karhunen Lo埁ｖｅ变换的消除谱相关性优良性能 ,应用二维小波变换消除空间相关性 ,在小波变换域内应用二维集分割嵌入块编码和一维谱特征矢量量化对三维谱像数据压缩 ,获得较高的压缩性能。实验结果表明 :Karhunen Lo埁ｖｅ变换 /小波变换 /小波谱特征矢量量化编码比Karhunen Lo埁ｖｅ变换 /小波变换 /改进对块零树编码和Karhunen Lo埁ｖｅ变换 /小波变换 /快速矢量量化编码方法在同样压缩比条件下 ,峰值信噪比提高 2dB和 1dB以上 ,而速度提高了 1.5和 8倍 ,整体压缩性能有较大的提高     

Soft Compression for Lossless Image Coding Based on Shape Recognition

Soft compression is a lossless image compression method that is committed to eliminating coding redundancy and spatial redundancy simultaneously. To do so, it adopts shapes to encode an image. In this paper, we propose a compressible indicator function with regard to images, which gives a threshold of the average number of bits required to represent a location and can be used for illustrating the working principle. We investigate and analyze soft compression for binary image, gray image and multi-component image with specific algorithms and compressible indicator value. In terms of compression ratio, the soft compression algorithm outperforms the popular classical standards PNG and JPEG2000 in lossless image compression. It is expected that the bandwidth and storage space needed when transmitting and storing the same kind of images (such as medical images) can be greatly reduced with applying soft compression.     

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.     

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.     

光谱去相关技术在高光谱图像小波压缩中的应用

随着数据量的不断增长,如何有效压缩高光谱图像成为影响其普及应用的一个关键问题。近年来,小波压缩技术已经被证明是高光谱图像压缩方法中很有发展前景的一个,但由于其对高光谱图像特性的利用较为有限而使其性能的进一步提升受到了限制。文章根据高光谱图像的光谱特征,提出了一种基于光谱去相关的高光谱图像小波压缩方法,设计了分块预测方法来同时去除光谱间相关性和空间相关性,并将其应用于小波压缩方法之中。首先,将高光谱图像分为几个具有高谱间相关性的图像块。然后推导出各块中波段的近似成比例的特性,并在各块分别进行基于这一特性和超光谱图像其他特性设计波段预测编码。最后,将预测用的参考波段和预测后获得的偏差数据,通过小波编码技术进行压缩。实验结果表明,所设计的方法与目前先进的超光谱压缩技术相比其性能有显著的提升。与AT-3DSPIHT算法比较,最高PSNR或SNR提升幅度均能达到4.2 dB左右。此外,此方法在低比特率下的优势也十分突出。