成像光谱数据无损%2f近无损压缩技术的研究 (1)

《成像光谱数据无损%2f近无损压缩技术的研究 (1)》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、北京工业大学硕士学位论文成像光谱数据无损/近无损压缩技术的研究姓名：柴焱申请学位级别：硕士专业：信号与信息处理指导教师：沈兰荪;张晓玲20060401摘要成像光谱数据具有高空间分辨率和高光谱分辨率、超多波段和图谱合一等特点，这些特点使得成像光谱数据量急剧增长，给传输和存储带来了极大的挑战。为了解决海量成像光谱数据日益增长的问题，满足不同应用的需要，本论文针对成像光谱数据的特点，研究了高光谱图像的无损压缩和近无损压缩技术。主要工作包括：1．从有效去除谱间相关性出发，论文提出了一种基于混合整型变换和3D．sPIHT算法的高光谱图像嵌入式无损压缩方法。高光谱图像不同波段间

2、的相关性不同，作者将全部波段进行分组，采用不同的整型变换技术针对不同波段进行谱间去相关，尝试了9／7和5／3两种小波滤波器进行空问去相关，再对图像进行3D．sPIHT扫描和基于上下文算术编码，实现了渐进传输的码流，取得了较好的压缩结果。2．从基于对象的压缩出发，论文提出了一种新颖的基于空间局部纹理模型预测的高光谱图像无损压缩方法。针对高光谱图像不同波段具有相同或相似纹理结构的特点，论文构建了基于像素的空间局部纹理模型，利用模型进行三维预测，根据预测残差对模型进行修正或重构，提高了预测精度，取得了一定的压缩结果。3．为了提高谱间预测精度，论文提出了一种新的基于2D，3

3、D混合自适应预测的无损压缩方法。该方法在二维预测和三维预测的基础上，利用预测波段与当前波段邻域块间相关性对两种模式的预测结果进行了误差校正，采用基于上下文模型的GoloInb编码有效的去除了高光谱图像的空间／谱间相关性，不仅取得了较好的压缩结果，而且便于硬件实现，有很高的实用价值。实验结果表明，对四种不同的遥感器所获取的图像，该方法都自&够有效的去除其空间，谱间相关性，与最优的无损压缩国际标准JPEG．Ls相比，压缩后的平均比特率能够降低0．2～1f3bpp，与3D．APA方法相比，压缩后的平均比特率能够降低O．O弘0．4bpp。另外，为了满足某些应用的需要，论文还

4、采用均匀量化对上述无损压缩算法进行了近无损改进，在保证图像重建质量的基础上，大大提高了压缩比，取得了令人满意的结果。关键词：高光谱图像；无损压缩；近无损压缩；混合预测；自适应预测；3D-SP矾T北京工业大学工学硕士学位论文AbstractWimtlletedmologicalprogressofremotesensir培，hyperspectralimages，gcneratedbyspectrometerathlmdredsofnarrowballdsofwavelengtll，makehuge锄oumofdataavailableatmcreasingspati

5、aIandspecn叫rcsol砸omw11ichresultsiⅡhe哪burdenfordatatransmission髓dstorage．Therequestsfore伍cientcompressionschemes，whichcanalsosatiflydiffercmapplicationdemaIlds，becomemoreandmorepressing．Therefore，lossless趾dnear—losslesscompressiontechrdqucsarestudiedin也isthesis．1。Tbelimina土cthespec垃alco

6、rrelationeffbicentlⅥanembeddedlosslesscompressionalgorithmbasedonhybridintegertraIlsf0册ationand3D—SPIHTispresented，Sincecorrelatio璐betweendiffbremadiaccntbaIldswavemuch，wedividetllewholebaIldsmtoseveralgroupsandchoosev耐oushybridimeger仃{msfo姗toeliminatetheredundallcybasedondi行bremspectr

7、alfeatures．Me锄Ⅵdlile，9／7and5／3integermcersareadoptedtogethi曲erabilityofspectralredlllldancyelimination．111en，3D-SPIHTa11dconteXt_baseda珊uneticcodingareusedtoacllievebettercompressionresult．2．Enli出edbymeideasofobject出asedcodillg，wepresentanew3D—predictionalgorit№basedonmemodelingof10c