干涉超光谱图像的压缩算法

《干涉超光谱图像的压缩算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、维普资讯http://www.cqvip.com第25卷第3期计算机应用与软件Vo1．25NO．32008年3月ComputerApplicationsandSoftwareMar．2o08干涉超光谱图像的压缩算法宋杨符华儿(海南大学信息科学技术学院海南海口570228)摘要干涉超光谱图像的数据呈现非平稳特性，相邻谱线之间的相关性较弱，所以直接采用小波变换不利于去除数据之间的相关性。提出了一种将光谱数据采用EMD预处理，并对处理后的数据采用分类处理的算法，将每根谱线分为主干涉区域和非主干涉区域两部分，分别采用相似匹配和二次曲线拟合的方法对数据进行分解，避免了相似匹配中不利于硬件实现的开方

2、运算。仿真结果表明：该算法可降低无损压缩输出码率达0．3bpp左右，并且可以提高有损压缩的效率。关键词图像处理图像压缩EMD相似匹配无损压缩二次曲线拟合ACoMPRESSIONALGOlUTHMFoRINTERFERENCEHYPER．SPECTRALIMAGESSongYangFuHuaer(CollegeofInformationScienceandTechnology，HainanUniversity，Haikou570228，Hainan，China)AbstractThespectraldataofinterferencespectralimagesisnon—linear，a

3、ndthecorrelationsbetweenthespectrallinesareweak，whichmakesithardtoeliminatethecorrelationsbywavelettransformationdirectly．AnovelmethodfordataclassificationafterEMDpretreatmentisproposed．Thedataofeachspectrallinearedecomposedintotwoclasses．main．interferenceclassandnonmain．interferenceclass．Thesimi

4、lari-ty—basedmatchingmethodandthe2-ordercurve—fittingalgorithmareseparatelyemployedforcompressingthedataofeachclass．Theextrac—tionoperationofsquarerootthatgoesagainsthardwareimplementationinthesimilarity—basedmatchingmethodisavoided．Theexperimentalresultsshowthatthemethodcandecreasetheoutputrateo

5、flosslesscompressionby0．3bppandimprovetheeficiencyoflosscompression．KeywordsImageprocessingImagecompressionEMDSimilarity·-basedmatchingLosslesscompression2-ordercurve·fitting辨率的频谱分析又要求长的时间序列，因此不能采用传统傅氏0引言谱分析去除光谱图像的干扰。本文采用经验模分解方法EMD(EmpiricalModeDecomposition)，通过数据自身的变换分离出突随着航空遥感图像技术的发展，超光谱成像技术在资源

6、勘变成份，借此可以很好去除因局部突变引起的干涉超光谱图像测、环境调查、灾害预报、军事侦察等领域得到越来越广泛的应的干扰，以实现平滑光谱图像的目的。用。干涉超光谱图像的光谱宽度大约为10nm，图像光谱数量基于上述分析，先采用EMD(经验模分解方法)对光谱进行多，可获取分辨率极高的信息，但是由于图像的数据庞大，不但预处理，对处理后的数据再进行分类，然后对主光谱区域和非主给机上数据存储和传输带来过重的负担，而且使地面的数据存光谱区域分别采用相似匹配和曲线拟合的数据分析方法，结合储和传输难以应付，因此必须考虑对其图像数据进行压缩。EBCOT(内嵌比特平面压缩算法)实现干涉超光谱图像压缩。近年来，

7、基于小波变换的图像编码技术在静态图像压缩领域得到了广泛的应用，具有代表性的是国际静态图像压缩标准1经验模分解简介JPEG2000_1—63，小波变换都能够充分利用图像冗余，去除数据之间的相关性，如果图像数据间相关性较强，可取得较好的压缩效EMD是1998年诺顿·黄等人提出了一种适合于分析非平果。但是干涉超光谱图像相邻谱线间的相关性较弱，尤其对于稳与非线性信号的自适应的分解方法，用于去除信号的突变非主干涉区域，数据呈现缓慢变化的特点，