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。

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。

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。

基于聚类和小波变换的多光谱图像压缩算法

针对多光谱图像压缩算法现存的时空复杂度高、光谱特性利用不充分等问题,研究了多光谱图像的谱间稀疏等价表示及其聚类实现途径,进而设计了一种基于谱间自适应聚类和小波变换的多光谱图像压缩算法。算法利用吸引力传播聚类产生多光谱图像的谱间稀疏等价表示、在低复杂度下去除图像的谱间冗余,使用二维小波变换去除稀疏表示成分的空间冗余,采用分层树集合分割排序算法(SPIHT)进行压缩编码,并通过误差补偿机制提高多光谱图像重建质量。实验表明,该算法在保证较低时间和空间复杂度的基础上,较SPIHT等同类经典压缩算法,在相同的压缩比下,明显提高了重建图像的峰值信噪比,是一种通用有效的多光谱图像压缩算法。

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.

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。

基于Karhunen-Loeve和小波变换的多光谱图像三维集合嵌入块编码压缩算法

目前多光谱成像已被广泛应用在遥感领域中,但巨量的多光谱图像数据导致存储和传输的困难,这就需要对多光谱图像数据进行高效的压缩。该文提出了一种新的多光谱图像压缩算法(KLT/WT-3DSPECK),首先利用二维小波变换(2DWT)去除多光谱图像的空间相关冗余,然后利用Karhunen-Loeve变换(KLT)减少频域的相关性,最后对变换后的系数利用改进的三维集合块分裂算法(3DSPECK)进行编码。根据变换后子带能量分布的特点,提出了新的3D八度音符分裂方法(octavepartitioning)和改进的集合零块分裂算法。为了加速本文算法和优化嵌入码流的率失真性能,还给出了一种零块优化排序的快速算法。对两组多光谱和超光谱图像的测试表明,该算法不仅明显优于KLT/WT-3DSPIHT算法,也远优于基于3D小波变换的AT-3DSPIHT和3DSPECK等算法,同时该算法还支持图像的渐进传输。

基于KLT/WT/WTVQ的三维多光谱数据压缩方法

提出了三维多光谱图像数据压缩的新方法 .在对多光谱图像数据进行 Karhunen- L eove变换(KL T)消除谱相关性 ,再应用小波变换 (WT)对 KL T后的多光谱图像数据进行消除空间相关性 .采用特殊矢量量化编码 ,叫作小波树矢量量化 (WTVQ)编码对每个谱象数据进行压缩 ,获得较高的压缩性能 .实验结果表明 :KLT/ WT/ WTVQ压缩方法比 KL T/ JPEG和 KL T/ WT/ FSVQ压缩方法在相同的 PSNR条件下 ,CR提高 2 0以上 ,整体压缩性能有较大的提高 ;在同样压缩比 (CR)条件下 ,压缩速度提高

利用复合变换的多光谱图像压缩算法

针对现有多光谱图像压缩算法去除空谱冗余不充分、自适应性不强等问题,提出了多光谱图像的空间稀疏等价表示方式以及相应的聚类实现算法——OptimalLeaders.在此基础上,设计了一种基于复合变换的多光谱图像压缩算法——OLPKWS.该算法使用OptimalLeaders聚类,将多光谱数据等价变换为代表光谱和差别成分,自适应去除其空间冗余;采用误差补偿机制提高多光谱图像重建质量;针对代表数据,采用主成分分析降维去除谱间冗余;针对预测差别成分,通过Karhunen-Loeve变换(KLT)去除谱间冗余,用二维小波变换去除空间冗余,最后采用标准差码率预分配策略结合SPIHT算法完成压缩编码.实验表明,在相同的压缩比下,所提算法较聚类、SPIHT和KLTSPIHTTCIRA算法明显提高了重建图像的峰值信噪比.

基于光谱色差权重函数的多光谱降维方法研究

光谱反射率维度高,与光照和观察条件无关,能够真实、客观地描述物体的颜色信息,由物体本身特性决定,因此被称为物体的“指纹”。但是,光谱反射率数据量超过传统三色系统十倍以上,这些巨大的光谱数据在存储、数据处理及传递等方面造成巨大的负担,花费太多的计算时间。如果高维光谱可以通过数学变换方法映射到低维空间,并确保低维空间能够更好地表示原始光谱所覆盖的信息,可以有效地压缩多光谱数据,提高基于光谱的颜色复制的处理效率。针对主成分分析法平等地对待可见光范围的所有波长,重建光谱仅仅是对原始光谱的数学逼近,由于波长对颜色的重要性不同,经常会导致光谱重建误差较小而色度误差较大的问题,提出了一种基于光谱色差权重函数的多光谱降维算法。使用主成分分析法将孟塞尔颜色系统Munsell维度降低到1维,再恢复重建到31维,Munsell的原始光谱和重建光谱的平均光谱色差作为权重函数。以NCS为训练样本,分别以NCS、Munsell和3张多光谱图像为测试样本,分析和比较本文推荐的权重主成分分析法与主成分分析法以及另外4种权重主成分的性能。以D65/2°和A/2°照明观察条件下的CIELAB色差和均方根误差(RMSE)分别评价测试样本的原始光谱和重建光谱之间的色度重建精度和光谱重建精度。实验统计结果表明:相对于主成分分析法,无论测试样本是多光谱数据还是多光谱图像,推荐的方法在牺牲一定光谱重建精度的情况下,在D65/2°和在A/2°两种照明观察条件下的色度重建精度得到显著的提高,而色度重建精度提高对于目前广受关注的基于光谱的颜色复制研究具有非常重要意义。实验统计结果也表明本文推荐的方法的色度重建精度优于目前已经存在的另外4种权重主成分分析法。

基于加权率失真优化SPIHT算法的干涉多光谱图像压缩

基于空间调制型成像光谱仪的成像特点,提出了一种适合于干涉多光谱图像的加权率失真优化多级树集合分裂(SPIHT)光谱压缩算法。该算法根据干涉多光谱图像在时域和频域的特点,推导出时域中随着光程差的增大,干涉图像对频域中光谱曲线的形状影响越大。因此,在光程差方向上,逐渐提升率失真函数的斜率,增大对图像的保护程度,不仅弥补了SPIHT算法在码率分配上的不足,而且有效地保护了频域中的光谱信息。实验结果表明,无论在时域还是频域,该算法与现有算法相比,性能有明显改进。

基于分布式信源编码的干涉多光谱图像压缩

根据干涉多光谱图像的特点,提出一种基于分布式信源编码的干涉多光谱图像压缩算法。干涉多光谱图像序列的相邻图像之间具有明显的平移特性,编码端通过块匹配算法检测出相邻帧间的相对位移量,联合块匹配算法估计的边信息帧进行比特平面码率估计,采用基于率失真提升的感兴趣区域编码,调整图像不同区域的率失真斜率来进行更合理的码率分配。实验结果表明,该算法比传统算法更好地保护了多光谱图像的光谱信息,在不同压缩比的情况下,满足卫星干涉多光谱图像压缩系统要求,易于硬件实现,更适于星上环境的应用。

环境卫星多光谱图像压缩算法

基于环境卫星多光谱图像特点的分析,提出了一种新的基于三维等级树集合划分算法(3D-SPI HT)和感兴趣区域(ROI)编码相结合的多光谱图像压缩算法。首先在谱间采用两种小波基相结合的三维离散小波变换(3D-DWT),去除多光谱图像在空间和谱间的冗余信息,减少恢复光谱的误差值,然后采用部分三维等级树集合划分算法和小波系数提升的感兴趣区域编码相结合的方法。该方法对小波系数从空间方向树上按对恢复光谱信息的重要性不同进行合理的码率分配,使得恢复光谱具有更好的分辨率,并依据比特平面层中重要系数的统计概率来自适应地进行3种编码模式的选择,提高了编码效率。实验数据结果表明,该算法比传统算法更好地保护了多光谱图像中的光谱信息,在压缩比为8∶1的情况下,满足了环境卫星多光谱图像压缩系统的要求。

基于分层树集合分割的分布式干涉多光谱图像压缩

提出了基于分层树集合分割(SPIHT)的分布式干涉多光谱图像压缩算法,将SPIHT和分布式信源编码(DSC)有效结合,以同时去除图像序列帧内、帧间及小波系数子带间的强相关性。根据DSC的特点,提出了基于边信息的辅助重构方法,以减少量化误差,提高重构质量。为了进一步保护光谱信息,采用基于加权提升系数的感兴趣区域(ROI)方法,对包含大部分光谱能量的强干涉区域优先编码。辅助重构方法在ROI保护方面也具有明显的优势,在保护强干涉区域的同时,能减少弱干涉区域的信息损失。实验结果表明,和变换域的DSC相比,算法的峰值信噪比(PSNR)提高了大约0.5 dB,拟合原始光谱曲线的性能较其它传统算法也有明显的提高。

整数小波域张量Tucker分解的多光谱图像压缩

针对常用多光谱图像压缩算法-把图像作为矩阵向量量化后再进行相应压缩处理-导致图像的本征结构被破坏、信息损失以及压缩效率低等问题,提出一种基于非负张量(NTD)Tucker分解的多光谱图像压缩算法。首先将多光谱图像的每个谱段进行二维提升整数5/3小波变换,消除多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NTD。对每个非负小波子带张量采用改进局部HALS-NTD算法进行Tucker分解,消除光谱冗余和空间残余冗余。最后,将分解的核心张量和模式矩阵进行熵编码。实验结果表明,本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(SNR)高于40dB,与传统多光谱图像压缩算法比较,提高了1.779dB,有效提高了多光谱图像压缩算法的压缩性能。

基于卷积神经网络的端到端多光谱图像压缩方法

针对多光谱图像的空谱相关特性,提出一种基于卷积神经网络的端到端多光谱图像压缩方法。编码端,将多光谱数据整体输入到多光谱图像压缩网络中,采用卷积提取多光谱图像的主要光谱特征与空间特征,使用下采样减小特征数据的尺寸,并通过率失真优化控制光谱特征与空间特征数据的熵,使空谱特征数据分布更加紧凑,将量化后的中间特征数据进行无损熵编码得到压缩码流。解码端,码流经过熵解码、逆量化、上采样、反卷积的逆变换过程重构多光谱图像。实验结果表明,相同码率下该方法能有效保留多光谱图像谱间信息,并在图像恢复质量上比JPEG2000平均高约2 dB。

A rate control approach to distributed source coding for interferential multispectral image compression

Distributed source coding （DSC） is applied to interferential multispectral image compression owing to strong correlation among the image frames. Many DSC systems in the literature use feedback channel （FC） to control rate at the decoder, which limits the application of DSC. Upon an analysis of the image data, a rate control approach is proposed to avoid FC. Low-complexity motion compensation is applied first to estimate side information at the encoder. Using a polynomial fitting method, a new mathematical model is then derived to estimate rate based on the correlation between the source and side information. The experimental results show that our estimated rate is a good approximation to the actual rate required by FC while incurring a little bit-rate overhead. Our compression scheme performs comparable with the FC based DSC system and outperforms JPEG2000 significantly.