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。     

基于均匀网格编码量化的超光谱图像自适应压缩

提出一种基于小波系数分类的超光谱图像压缩方法．算法首先将各波段小波分解并将所得子带划分成子块,而后根据子块活动性将其分类．在分类基础上,使用预测差分技术去除谱间冗余,此过程中分别求取各子类的预测系数以反映子带的局部相关性,而后利用均匀网格编码量化方法来量化残差系数序列,最后使用自适应算术编码对量化码字进行熵编码,为使编码器能在所有系数序列中最优地分配比特,本文提出一个基于序列统计特性和网格编码量化器率-失真特性的比特分配算法,实验证明该方法能高效地压缩超光谱图像,表现出优异的压缩性能。     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

基于改进演化策略的图像FCM聚类分割方法

提出图像分割算法在充分利用演化策略全局搜索能力的基础上，根据图像的灰度分布，按照模糊聚类的分割策略实现图像的分割。为了保证搜索到更优解，提出了一种新的演化策略改进方法，以提高其全局寻优能力，并将其应用到分割算法。实验结果表明，算法的分割效果很好。     

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。