高光谱图像压缩方法研究

《高光谱图像压缩方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP751.1密级公开UDC621.39学位论文编号D-10617-308-(2016)-01055重庆邮电大学硕士学位论文中文题目高光谱图像压缩方法研究英文题目ResearchonCompressionMethodofHyper-spectralImage学号S130101060姓名胡灿学位类别工学硕士学科专业信息与通信工程指导教师陈善学教授完成日期2016年6月8日重庆邮电大学硕士学位论文摘要摘要高光谱遥感图像在获得地表图像信息的同时，也获得其光谱信息，通过对光谱数据进行合理、有效的分析处理，

2、可以广泛应用于众多领域。然而高光谱图像所拥有的庞大数据量对其传输与存储造成了极大的困难，严重限制了其应用与发展，因此必须对其进行有效的压缩，高光谱图像压缩处理等相关技术已经成为现代科技的重要组成部分。本文在现有研究成果的基础上，对高光谱图像压缩方法进行了深入研究。文章的主要内容有：第一，针对现有算法对高光谱图像的谱间特性利用不够充分的问题，提出了一种自适应波段聚类PCA(PrincipalComponentAnalysis,PCA)结合JPEG2000的高光谱图像压缩方案。该方案在吸引力传播(Affin

3、ityPropagation,AP)算法的基础上设计了一种自适应波段聚类分组算法，对聚类后的各个波段组分别进行PCA运算，最后利用静态图像压缩标准JPEG2000对所有主成分进行编码压缩。实验结果表明，该方案与对比算法相比，显著提高了压缩效果。第二，针对在传统的数据压缩框架下，所包含的高速采样过程必然造成资源的严重浪费，编码端过于复杂等问题，将压缩感知理论引入高光谱图像压缩中，对现有的基于压缩感知模式的高光谱图像压缩算法进行了深入研究。第三，提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方

4、案。编码端将高光谱图像所有波段聚类成若干组，每组的类中心即为参考波段，其余的则为普通波段，然后对不同波段分别采用不同精度的分块压缩感知以获取测量值。解码端，参考波段直接采用稀疏度自适应匹配追踪(SparsityAdaptiveMatchingPursuit,SAMP)算法进行重构，而对于普通波段，则设计了一种优化谱间预测结合SAMP算法的新模型进行重构：首先通过重构的参考波段双向预测普通波段，并对其进行压缩投影，然后计算预测前后普通波段投影值的残差，最后利用SAMP算法重构该残差，以此修正预测值。实验结

5、果证明，该方案与同类算法相比明显改善了整体的压缩性能。关键词：高光谱图像压缩，自适应波段聚类，压缩感知，优化谱间预测，稀疏度自适应匹配追踪I重庆邮电大学硕士学位论文AbstractAbstractHyperspectralremotesensingimagesobtainimageandspectralinformationoftheearth’ssurfaceatthesametime,throughanalyzingandprocessingthespectraldatareasonablyande

6、ffectively,theimagescanbewidelyusedinvariousfields.However,thelargeamountofdatainthehyperspectralimagehascausedgreatdifficultiesinitstransmissionandstorage,whichseverelylimitsitsapplicationanddevelopment,therefore,itisnecessarytocarryouteffectivecompress

7、ion,hyperspectralimagecompressionandprocessingtechnologyhasbecomeanimportantpartofthemodernscienceandtechnology.Basedontheexistingresearchresults,thisthesisstudiesthemethodofhyperspectralimagecompressiondeeply.Themaincontentsofthearticleare:First,inviewo

8、ftheexistingalgorithms,thespectrumcharacteristicsofhyperspectralimagesarenotfullyutilized,ahyperspectralimagecompressionschemebasedonadaptivebandclusteringPCAcombinedwithJPEG2000isproposed.BasedontheAPalgorithm,anadaptiveb