自适应提升小波在干涉高光谱压缩中的应用

为了更好地提高干涉高光谱图像的压缩性能,针对干涉成像光谱仪的成像原理,提出了一种自适应方向预测提升小波变换的方法,在帧序列方向的提升小波变换中,以自适应方向获得最佳预测值,并且改变传统三维提升小波的变换顺序,消除大部分干涉条纹冗余,大量实验证明本文方法得到的高频子带小波系数相对于传统方法在指定码率的情况下重构图像可以获得更高的信噪比,恢复的光谱曲线具有更小的均方误差.

基于CCSDS的高光谱压缩空谱联合FPGA设计与实现

分析了CCSDS-123.0-B压缩规范,对空域和谱间联合预测模型进行模块划分,提出了一种现场可编程逻辑阵列(FPGA)设计与实现方法。对局部和与局部差的计算方法进行改进,简化了原计算方法的实现过程。对权重更新过程进行了优化,用DSP48E进行乘法计算,缩短了更新过程内部延时。给出了空谱联合预测器的逻辑结构,实现过程采用流水线设计。实验结果表明:无损压缩平均码率5.14b/p,与二维JPEG-LS相比码率减少2.38b/p,工作时钟80 MHz,预测器平均吞吐率1.69Gb/s。

融合多尺度特征卷积神经网络的多光谱图像压缩方法

不同于普通图像压缩,多光谱图像压缩除了需要去除空间冗余同时还需要去除光谱间冗余,近年来研究表明端到端的卷积神经网络模型在图像压缩方面具有很好的性能,但对于多光谱图像压缩其编解码器并不能有效解决同时高效提取到多光谱图像空间和光谱间特征的问题,同时也会忽略图像局部特征信息。针对以上问题,本文提出了一种融合多尺度特征卷积神经网络的多光谱图像压缩方法。所提出网络在压缩模型的编解码器中嵌入了可以提取出不同尺度下空间和光谱间特征信息的多尺度特征提取模块,以及可以用来捕捉局部空间信息和光谱信息的空间光谱间非对称卷积模块。实验表明,与传统算法如JPEG2000和3D-SPIHT以及深度学习方法相比,在Landsat-8的7波段和Sentinel-2的8波段数据集上所提出模型的峰值信噪比(PSNR)指标高于传统算法1-2dB。在平均光谱角度(MSA)指标的衡量下,所提出的模型在Landsat-8数据集上优于传统算法约8×10^(-3)rad,在Sentinel-2数据集上优于传统算法约2×10^(-3)rad。满足了多光谱图像压缩对空间和光谱间特征提取以及局部特征提取的要求。

一种光谱图像压缩和重建的新过渡连接空间:MLabPQR

多光谱图像比常见的三通道图像能够携带更多的数据信息来表示颜色,因此大大提高了存储与传输此类信息所需要的难度。为了解决以上问题,研究人员提出一种将多光谱数据在存储与传输前进行压缩,并在使用时通过过渡连接空间(ICS)对压缩数据进行重建,而过渡连接空间决定了转换的效果。Derhak等[JIST,50:53-63,2006]提出了一种名为LabPQR的6个维度的ICS。这个空间的前三个维度是给定光谱r在指定光观察环境(用加权表矩阵H表示)下的三刺激值向量t,后三个维度是同色异谱黑r_(b)在由主成分分析获得的同色异谱黑空间前三个基向量(记为矩阵B)下的组合系数t PQR。同色异谱黑r_(b)由基于三刺激值t的光谱分解式r_(b)=r-Mt给出,这里的映射矩阵M为熟知的“R-矩阵”,同色异谱黑空间是由光谱图像数据或独立反射率训练集对应的所有同色异谱黑构成。重建的反射率r_(p)=Mt+Bt PQR。该研究提出一个改进的LabPQR过渡连接空间,记为MLabPQR。两者之间的差别就在于光谱分解式中的映射矩阵M的选取。该方法选取M为“Wiener估计矩阵”。Wiener估计矩阵不仅依赖于光环境H,而且还依赖于训练光谱数据,因此期望通过Wiener估计矩阵更能反映出光谱图像的光谱特性,从而提高反射率重建精度。使用NCS光谱反射率数据和一幅光谱图像作为测试样本,分别用Munsell反射率数据集和测试样本集作为训练样本。采用均方根误差(RMSE)和拟合优度系数(GFC)为重建光谱精度指标,以CIELAB色差为色度精度指标对本方法进行综合评估,并与现有的LabPQR、LabRGB、XYZLMS和LabW2P ICSs进行比较。比较结果表明,该研究的新ICS不论从光谱精度还是色度精度都优于其他ICSs。因此新方法对光谱反射率压缩及跨媒体多光谱图像再现等相关领域有着重要的应用价值。

基于编码孔径的一维光谱压缩方法研究

在研究现有光谱压缩概念和方法的基础上,提出一种新型的压缩方法。不同于各种基于软件算法的光谱压缩,提出一种利用编码孔径的硬件实现方法。在光学系统中加入编码孔径对光谱进行光学压缩,可以实现光谱数据的瞬时编码,经编码孔径压缩的光谱可以通过与编码形式对应的解码算法重建。在此基础上研究了编码解码的具体形式。提出基于小波变换和缺陷矩阵理论的两种编码板形式,以及基于小波逆变换和稀疏矩阵梯度投影的迭代算法的解码重建算法。用实物光谱进行模拟,比较不同的编码形式的压缩比和保真度。提出存在采用低采样频率压缩编码还原具体光谱信息的可能性,并总结了压缩编码的一般原则。

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。

基于谱间预测和码流预分配的高光谱图像压缩算法

在高光谱图像压缩中，由于波段预测后各波段残差图像分配的码流长度关系到该波段的清晰度，同时该波段作为预测波段对后面波段的预测编码会产生影响，因此设计一种合理的分配各波段码流长度的算法很有必要。本文提出了一种波段预测去除谱间冗余和码流预分配的高光谱图像压缩算法。用DPCM预测求出各波段的预测残差图像的标准差，然后根据标准差的大小对该波段进行SPIHT编码所需要分配的码流长度进行预测，最后基于均方差最小的线性预测器对图像各波段进行预测，根据事先分配的码流长度对各波段预测残差图像进行SPIHT编码。该算法在波段间采用最佳线性预测，有效地去除了高光谱图像的谱间相关性，同时，设计的分配码流长度的算法能够根据各波段信息量大小，以及与相邻波段的相关性来分配码流长度。实验表明，重建图像的平均PSNR比3D-SPIHT算法的高0．9～2．5dB，因此该算法对高光谱图像有损压缩非常适用。

基于运动补偿和码率预分配的干涉多光谱图像压缩算法

提出了一种基于运动补偿的三维小波变换和基于码块预测的码率预分配的图像压缩算法.利用干涉多光谱图像成像推扫平移特性,在小波变换中使用运动补偿来减少帧间相关性,并对图像组中各个图像小波变换和量化后EBCOT编码码块的有效比特平面进行独立的熵估计.以图像估计熵总和指导整个图像组码率预分配,以解决平均分配码率对重建图像质量带来的影响.实验结果表明:该算法在8倍压缩时,图像序列的平均峰值信噪比比3D-SPIHT提高了0.85～1.25dB,比单帧JPEG2000提高了1.91～4.25dB,算法复杂度低,易于硬件实现.

结合矢量量化的SPIHT算法用于多光谱图像压缩

针对多波段遥感图像纹理复杂丰富、局部相关性较弱的特点,提出了结合矢量量化的SPIHT压缩算法。将经过小波变换后的遥感图像谱间相同位置的系数聚集构成矢量,根据高频子图的局部块纹理强弱进行自适应性的量化。使基于标量的SPIHT算法能够方便的处理矢量,有效去除数据间各类相关。实验表明,该方法对多波段遥感图像的压缩可以收到良好的效果,且算法具有良好的实时性,对单幅图像的压缩比和峰值信噪比(PSNR)均优于普通的二维SPIHT算法。

一种基于Contourlet变换的高光谱图像压缩算法

提出了一种基于Contourlet变换的高光谱图像压缩算法,其将多尺度几何分析用于高光谱图像的空间去相关,在进行有损压缩时有效地保存了高光谱图像丰富的纹理信息。该算法首先对高光谱图像的每一个波段图像进行基于小波的Contourlet变换,然后用前一波段的变换系数预测当前波段,最后对预测误差进行SPIHT编码,形成嵌入式码流。实验结果表明,提出的基于Contourlet变换的高光谱图像压缩算法其压缩效果优于对比算法,且能较好地保留高光谱图像的纹理信息。

离散小波变换域非负张量分解的高光谱遥感图像压缩

该文提出一种基于非负张量分解的高光谱图像压缩算法。首先将高光谱图像的每个谱段进行2维离散5／3小波变换，消除高光谱图像的空间冗余。然后将所有谱段的每级小波变换的4个小波子带看作为4个张量。对每个小波子带张量采用改进HALS（Hierarchical Alternating Least Squares）算法进行非负分解，来消除光谱冗余和空间残余冗余，同时保护了光谱信息。最后，将分解的因子矩阵进行熵编码。实验结果表明，该文提出的压缩算法具有良好压缩性能，在压缩比32：1-4：1范围内，平均信噪比高于40dB，与传统高光谱图像压缩算法比较，平均峰值信噪比提高了1．499dB。有效地提高了高光谱图像压缩算法的压缩性能和保护了光谱信息。

多光谱图像压缩的联合码率分配—码率控制方法

针对基于KL(Karhunen-Loeve)变换和JPEG-LS编码的多光谱图像压缩系统中码率控制不准确以及码率分配效果差的问题,提出了一种联合码率分配—码率控制方法。首先分析了重构波段失真相当的条件下各变换分量量化步长之间的关系,根据该关系对各分量统一调整量化步长以控制码率,使码率分配和码率控制有效统一起来。为了更精确的控制码率,满足图像通信中有限带宽的要求,还提出了基于二次迭代调整的码率控制方法,使得实际码率在小于目标码率的前提下尽可能的接近目标码率。实验结果表明本文算法控制码率精确,计算复杂度低,整体重构质量明显优于其它码率分配方法,而且各波段重构质量非常稳定。

基于配准和二次码率控制的光谱图像压缩

提出一种基于"谱间预测+JPEG-LS"框架的星上未配准多光谱图像压缩方法。首先结合压缩方案,提出基于谱段重排的整像素谱段配准预处理算法,将谱段重排与谱段配准有机结合,显著提高了谱间相关性和压缩性能;其次提出基于二次迭代调整的码率控制算法,保证输出码率在接近目标码率的前提下严格低于目标码率,更好地满足固定链路带宽的要求。实验表明该压缩方法兼容无损和有损压缩,压缩性能优于其他方法,且算法实现简单。

混合PCA/ICA与JPEG2000结合的高光谱图像压缩

主成分分析(PCA)常常结合JPEG2000压缩标准用来对高光谱图像进行压缩。然而,由PCA得到的主成分仅利用了二阶统计信息。对于高光谱图像应用来说,只采用二阶统计信息是远远不够的,如异常像素的处理常常需要用到更高阶的统计信息。研究了一种混合PCA/ICA与JPEG2000相结合的高光谱图像压缩算法。首先,对原始高光谱图像进行PCA变换,提取出前m个主成分对应的特征向量矩阵WPCA;然后,对其余的特征向量进行ICA变换,得到n个特征向量矩阵WICA;最后,将得到的混合投影矩阵、原始高光谱图像及其均值向量共同嵌入JPEG2000比特流,从而完成对高光谱图像的压缩。在不同码率的情况下,通过空间相关系数(ρ)、信噪比(SNR)、光谱角填图(SAM)等技术指标对混合PCA/ICA+JPEG2000算法的压缩性能进行评估。实验结果表明,混合PCA/ICA+JPEG2000算法不但能有效去除高光谱图像的谱间相关性,而且能够有效提高光谱保真度,保护异常像素信息。

一种新的高效干涉多光谱图像压缩算法

基于干涉多光谱图像特点和应用环境要求,提出一种干涉多光谱图像压缩算法.采用小波域匹配预处理来去除帧间推扫平移带来的数据冗余性,采用基于码率预分配的编码方法,按照预分配到的码率大小控制码块的T1编码深度,减少编码计算量和存储器使用量,易于硬件实现和星上环境的应用.实验数据表明,码率为1bpp时,该算法提高了恢复光谱的分辨率,满足卫星干涉多光谱图像压缩系统要求.

压缩采样光谱调制技术研究

为了避免光谱成像系统的时间损失,提高系统光通量,提出一种压缩采样光谱调制技术,搭建了基于数字微镜器件的压缩采样多光谱成像系统.该技术基于压缩采样理论,采用编码孔径光学系统以低于奈奎斯特频率对光信息进行采样,大幅度地减少了光谱数据量.实验中根据探测器得到的隐含光谱信息的二维图像,采用双收缩快速迭代算法重建612nm激光和彩条布的数据立方体,结果表明:压缩采样多光谱成像系统不仅具有高光通量和高分辨率等特点,并在获取谱信息的同时对其进行瞬时压缩,压缩比可达31∶1.

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用,为提高压缩效率,进一步存储传输,提出了WF系列编码方法,设计了APWS_RA算法,进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理,提出了色感应失真准则和视觉特性矩阵W;同时,优化了APWS编码算法的码率分配,形成APWS_RA编码算法;最后,结合以上技术,以色度误差准则指导编码,对视觉加权后的多光谱图像数据进行aPWS_rA编码,命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W,利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余,小波变换去除其空间冗余,最后结合误差补偿机制和码率分配策略进行小波编码。实验表明,在相同比特率下,较现有低复杂度经典编码算法,WF系列编码方法能更有效地保留光谱中的色度信息,APWS_RA算法的重建光谱误差最小,WF_APWS_RA算法的重建色度精度优势明显。

采用自适应波段分组的高光谱图像压缩算法

针对高光谱成像中海量数据对存储与传输造成的困难,提出一种结合自适应波段分组与码率预分配的高光谱图像压缩算法。算法采用基于吸引力传播聚类的方法进行自适应波段分组预处理,通过波段分组与预测参考帧的选取来提高压缩算法的编码性能。对不同分组内的高光谱图像采用分段预测算法去除谱间冗余,同时根据预测残差信息量的大小对空间压缩算法进行自适应码率分配。实验结果表明,在保证图像质量与较低计算复杂度的前提下,其重建图像的峰值信噪比较对比算法有所提高。

基于自适应波段聚类PCA的高光谱图像压缩

对高光谱图像进行有效压缩已经成为高光谱遥感领域的研究热点。针对现有高光谱图像压缩算法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(principal component analysis)与JPEG2000相结合的高光谱图像压缩算法。算法采用基于吸引力传播聚类的方法进行自适应波段聚类,对聚类后的各个波段组分别进行PCA运算,最后利用JPEG2000标准对所有主成分进行编码压缩。对高光谱图像进行波段聚类,不仅能更有效地利用谱间相关性,提高压缩性能;还可以降低PCA的运算量。实验结果表明,该算法在相同压缩比下,其信噪比、异常检测、光谱角性能相比对比算法均有所改善。

LASIS高光谱图像的3D-SPECK压缩算法

将三维集合分裂嵌入块编码算法结合感兴趣区域的压缩方案用于大孔径静态干涉成像光谱仪图像压缩.首先,对高光谱干涉图像序列进行三维非对称离散小波变换.其次,定义零块树作为编码单位.采用感兴趣区域方法对不同的编码单位赋予不同的比特率,以保护光谱信息.最后,采用改进的三维集合分裂嵌入块编码算法分别对每个编码单位进行编码.实验结果表明,该方案在8:1压缩比下,获得大于40dB的峰值信噪比,同时有效地保护了光谱信息.该算法复杂度低,实时性好,满足大孔径静态干涉成像光谱仪系统图像压缩要求.