A Biblock Wavelet Zero Tree Coding for Hyperspectral Imagery Data Compression

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

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。     

An Improved 3D SPIHT Coding for Hyperspectral Imagery Data Compression

1　Ｉｎｔｒｏｄｕｃｔｉｏｎ　　Ｃｏｍｐｒｅｓｓｉｏｎｃａｎｂｅａｃｈｉｅｖｅｄｂｙｅｎｃｏｄｉｎｇｔｈｅｔｒａｎｓｆｏｒｍｅｄｄａｔａ .Ａｆｕｎｄａｍｅｎｔａｌｇｏａｌｏｆｄａｔａｃｏｍｐｒｅｓｓｉｏｎｉｓｔｏｒｅｄｕｃｅｔｈｅｂｉｔｒａｔｅｆｏｒｔｒａｎｓｍｉｓｓｉｏｎｏｒｓｔｏｒａｇｅｗｈｉｌｅｍａｉｎｔａｉｎｉｎｇａｎａｃｃｅｐｔａｂｌｅｆｉｄｅｌｉｔｙｏｒｉｍａｇｅｑｕａｌｉｔｙ,ｅｓｐｅｃｉａｌｌｙａｖｏｌｕｍｅｏｆ 3Ｄｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｒｙｄａｔａｎｅｅｄｓｕｃｈｐ…     

An Improved 3D SPIHT Coding for Hyperspectral Imagery Data Compression

In this paper, an improved 3D SPIHT compression coding method, naming 3D BCSPIHT, based on wavelet zero tree compression coding (EZW), is used to exploit redundancy in 3D hyperspectral imagery data. The experimental results show that this method can obtain the compression ratio 200 for 224 spectral band data without any K-L transformation (KLT) to remove the spectral correlation, and the total compression performance of this method is better than the method of KLT and other two dimensional transformation (such as 2D DCT and 2DWT) to remove the spectral correlation and spatial redundancy. To compare with the total compression ratio of KLT+JPEG method and KLT+BBZTC method, this method reaches 200 folds at the average PSNR of 32.531 dB. This method enhances 2～5 dB in PSNR at same compression ratio to KLT+BBZTC method, and the average compression rate improves above 15 fold.     

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。     

端元提取技术在高光谱图像压缩中的应用

高光谱图像海量数据如何实现大比例有效压缩是限制其应用的主要问题之一,而现有有损压缩方法存在大压缩比与光谱特性信息准确保留的矛盾,即使现有最优有损压缩方法也不能够得到令人满意的结果。文章基于混合像元分解的思想提出基于端元提取技术的数据有损压缩方法来解决该矛盾,首先用顶点成分分析(VCA)方法提取场景中地物的端元光谱,根据各端元与观测像元之间的光谱间余弦角相似性度量方法估计各端元的丰度,接着对端元光谱及丰度数据进行无损压缩,最后利用JPEG2000有损压缩方法对高光谱图像的所有单波段图像进行空间维大比例有损压缩。AVIRIS高光谱图像的仿真结果表明,压缩比得到大幅度提高,光谱信息得到有效恢复。在实现压缩比为50∶1时,大部分像元的光谱角误差在2%左右。     

基于小波包变换的叶片高光谱数据的树种分类

非成像高光谱数据的特点为树种的精细识别提供了可能.非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能.该文利用光谱相关匹配(Spectral correlation matching,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究.结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度.小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息.在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度.     

基于可逆整数变换的高光谱图像无损压缩

将变换矩阵分解为三角可逆矩阵(TERM)实现的整数Karhunen-Loève变换(IKLT),具有结构简单、完全可逆和同址运算的优点.将整数KLT和整数小波结合(IWT),提出了一种基于可逆整数变换的去相关方法：将KLT用于去除谱间冗余,并在对KLT的变换矩阵进行TERM分解的过程中,提出基于全局最大值选择主元的优化分解方法,保证了IKLT的准确度,同时明显降低了计算量;空间维的去相关变换采用基于提升结构的整数小波变换,同样保证了变换的完全可逆.采用不同编码策略,对不同场景的高光谱图像数据压缩的实验结果表明,基于整数混合变换的去相关方法能明显提高无损压缩比.     

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.     

基于压缩感知与扩展小波树的自适应压缩成像

为了在现有的采样条件下,通过新的压缩采样方式获得计算量小且质量更好的图像,提出了基于压缩感知与扩展小波树的自适应压缩成像方法。首先将图像投影到分区控制的DMD上,获得图像在低分辨率下的测量值,并通过压缩感知重构算法重构出低分辨图像,接着利用扩展小波树预测重要小波位置,通过DMD在小波域采样获取图像的细节信息,最后由小波逆变换恢复高分辨率图像。将该方法与最小化全变分算法（TVAL3）和近来提出的基于扩展小波树的自适应成像算法（EWT-ACS）效果进行对比,实验结果表明,以boat图像为例,在压缩感知采样率为0.75,整体采样率为10%的无噪声条件下,该方法相较于TVAL3、EWT-ACS算法信噪比提高了4.63 dB和2.87 dB,在附加噪声条件下成像效果也较好。该方法能极大地降低压缩感知重建算法的运行时间,同时减少采样次数,具有较好的抗噪性。     

基于MAP的高光谱图像超分辨率方法

高光谱图像得到了越来越广泛的应用,但较低的空间分辨率严重地影响着它的应用效果;其超分辨率方法受到学术界的高度重视,但一直没有得到很好的解决。为此重点研究了建立低分辨率资源图像与高分辨率目标图像之间的关系模型;引入关联感兴趣光谱端元的算子进行空间变换;应用最大后验概率(MAP)算法实现超分辨率复原。实验表明,该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点。     

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.     

一种基于单似然检验的高光谱图像小目标检测器

针对背景和目标的先验光谱特征未知的条件,给出一种基于单似然检验的高光谱图像小目标检测器。小目标相对于背景的低概率性使得高光谱图像数据对目标光谱信号的矩特征几乎不施加约束,可在最大熵条件下将广义似然比检验简化为对背景似然的单似然检验;利用全部数据样本建立无参估计模型以充分利用样本信息,从而得到基于单似然检验的高光谱图像小目标检测器。该检测器避免了统计模型误差和不明确物理含义特征对实际高光谱图像数据检测带来的影响。使用可见光/近红外波段机载I型实用型模块化成像光谱仪(OMIS-I)高光谱图像进行了实验,实验结果及相应理论分析表明该算法可有效检测高光谱图像中的空间低概率目标。     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

基于光谱分类和局部DPCM的干涉超光谱数据压缩

为了获得较高的压缩比,针对干涉超光谱图像数据的空间维相关性和干涉光谱维相关性,提出了一种将光谱分类与局部DPCM相结合的联合压缩算法。先对整个光谱数据进行光谱分类,得到一个与二维空间对应的分类号矩阵和一个与干涉光谱对应的光谱类别库,然后利用局部DPCM对光谱类别库进行进一步压缩。分类作为第一步压缩对整个压缩算法的压缩效果至关重要,本文分析了不同分类标准和分类精度下的压缩效果,相对欧氏距离标准优于夹角标准和干涉RQE标准。文中最后选取了合适的分类标准编程实现联合压缩算法并与JPEG2000进行比较,联合压缩算法的压缩效果优于JPEG2000。     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.     

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     

基于高斯马尔科夫模型的高光谱异常目标检测算法研究

随着光谱成像技术的发展,高光谱异常检测在遥感图像处理中的应用越来越广泛。传统RX异常检测算法忽略影像空间相关性,而且由于没有经过有效数据降维,运算耗费大,对于高光谱数据有效性不高。高光谱影像在空间和光谱上符合高斯-马尔科夫模型。通过建立马尔科夫参数能够直接计算协方差矩阵的逆矩阵,避免了高光谱海量数据的庞大计算。提出一种基于三维高斯-马尔科夫随机场模型的改进RX异常检测算法。该方法用高斯-马尔科夫随机场模型模拟高光谱影像数据,用最大似然近似法估计高斯-马尔科夫随机场参数,由高斯-马尔科夫随机场参数直接构造检测算子,并以待检测像元为中心设置局部优化窗口,称为马尔科夫检测窗。取窗口内数据计算均值向量和协方差逆矩阵,得到中心像元的异常度,通过移动窗口进行逐像元检测。应用AVIRIS高光谱数据对传统RX算法、高斯-马尔科夫模型背景假设异常检测算法和该算法进行了仿真实验对比。结果表明,该算法能够有效提高高光谱异常检测效率,降低虚警率。运行时间较传统RX算法提高了45.2%,体现出更好的计算效率。