基于三维集合分裂嵌入式零块编码算法的超光谱图像压缩

基于超光谱图像的特点,提出了一种三维集合分裂嵌入式零块编码(3D SPEZBC)的超光谱图像压缩算法。该算法首先采用三维小波包变换有效地去除超光谱图像的空间和谱间相关性,然后对于所生成的每个二维子带利用基于集合分裂的方法进行零块编码,最后再采用基于上下文的自适应算术编码来进一步提高编码性能。实验结果表明,3D SPEZBC算法具有与三维嵌入式零块编码(3D EZBC)算法相同的压缩编码性能,在各比特率下编码性能均明显优于三维集合分裂嵌入式块编码(3D SPECK)、三维等级树集合分裂(3D SPIHT)和非对称三维等级树集合分裂(AT-3D SPIHT)算法,并且略好于多分量JPEG2000编码(JPEG2000-MC)算法。此外,3D SPEZBC编码算法不但可以提供较好的率失真性能,而且相对于3D EZBC编码算法可以节省大量的存储空间。     

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.     

基于自适应量化的超光谱图像压缩

提出了一种基于谱间预测和小波量化编码的超光谱图像压缩方法。在充分考虑子带图像非平稳特性的基础上,首先实现了子带分类步骤,通过分类设计自适应预测器,提高了谱间去相关效率。由于子带中不同子类表现出了不同的统计特性,所以使用空变均匀阈值量化器完成了量化工作。研究了均匀量化器对不同分布训练样本的率 失真表现,并为相关特性建立了模型描述。基于率失真模型和系数序列的统计特性,提出了一个率分配算法,以便能为不同的子类系数序列设计率失真意义上的最优量化器。实验证明,这种方法能高效地压缩超光谱图像,表现出了优异的压缩性能。     

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.     

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.     

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.     

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。     

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。     

A Remot Sensing Image Compression Method Based on Wavelet Transformation/Vector Quantization

1.IntroductionVectorquantizationprovidesameansofconvertingthedecomposedsignalintobitsinamannerthattakesadvantageofremaininginter--andinter--bandcorrelationaswellasofthemoreflexiblepartitionsofhigherdimensionalvectorspaces.TheimagecompressionmethodofWT VQhasbeenappliedinmanydigitalimageprocessingfields.SubbandcodingwasintroducedbyCroisieretal.inspeechcodingin197611].Croisieretal.firstsolvedthecriticalproblemofaliasingcancellationaf:erdecimationandreconstructioninsubbands,using"Quadraturemirr…     

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。     

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.     

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.     

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.     

实用型模块化成像光谱仪多光谱图像的信噪比估算及压缩方法研究

采用局部标准差法和去相关法对实用型模块化成像光谱仪多光谱图像的信噪比进行估算。这两种方法已将地物变化的影响降低到很低的程度。这样在大气订正后，图像的信噪比性能充分反映出遥感仪器的信噪比性能。针对图像压缩，提出控制各波段恢复图像的峰值信噪比刚好大于原始图像的信噪比，使由压缩算法本身所带来的噪声限制在原始图像的噪声范围之内。结合这种压缩思想，用基于离散余弦变换和基于离散小波变换的压缩算法，对实用型模块化成像光谱仪多光谱图像进行压缩。实验表明，利用这种方法，对于高信噪比的波段，图像信息得到了保真；对低信噪比的波段，压缩倍数提高迅速且恢复图像视觉无失真，对整幅成像光谱图像，压缩性能提升显著——当压缩比等于37．95倍时，峰值信噪比等于45．86dB。