基于空间重采样的遥感图像压缩

针对遥感图像压缩 ,在分析基于变换的压缩方法 (如小波变换 )可用性的基础上 ,提出一种称为RBC(ResamplingBasedCompression ,即基于空间重采样压缩 )的新压缩方法 .RBC方法的主要特点是恢复图像的高保真和压缩算法的低运算复杂度 ,因此十分适合高速、实时压缩应用 .给出了RBC方法与SPIHT(SetPartitioningInHierarchicalTrees)方法的压缩结果的比较 .

应用自适应预测器排序的三阶预测高光谱图像无损压缩

针对图像校正引起的高光谱图像的数据相关性,本文基于三级谱间预测和后向像素搜素（IP3-BPS）两阶预测提出了一种应用自适应预测器排序的三阶预测高光谱图像无损压缩算法.首先,根据高光谱图像相邻波段的相关系数大小进行自适应波段分组.然后,对谱间相关系数大于0.9的分组,利用校正引起的数据相关性和高光谱图像波段缩放因子分别给出一种递归双向像素搜索和一种自适应预测器排序技术;新形成的三阶预测算法将递归双向像素搜索和后向像素搜索作为最后两阶预测的预测器,并自适应调整两者的排序以获得更优的预测值.对机载可见光/红外成像光谱仪（AVIRIS＇97）高光谱图像进行压缩的实验结果表明,提出的算法的平均比特率达到3.85bpp,优于其它无损压缩算法0.07～1.28 bpp.该算法在计算复杂度较低的情况下,是一种高效的高光谱图像无损压缩方法.

面向星载应用的图像压缩专用芯片研制

以高数据吞吐量和低系统结构复杂性为优化目标 ,根据图像传感器输出特点 ,综合应用双缓存、数据流驱动、并行处理与流水线设计、同步电路设计等多项关键技术 ,设计了具有数据处理速度和超大规模集成电路VLSI(VeryLargeScaleIntegrated)结构复杂性最佳匹配的空间域重采样压缩算法VLSI结构 ,该结构的压缩性能仅与图像宽度相关 ,与图像传感器输出时序无关 ,既可以采用外部时钟 ,又可使用与图像传感器相同的时钟源 ,在这 2种情况下 ,都能够保证在无限长时间内 ,在连续工作状态下 ,每个时钟周期实时处理一个图像数据 .实践证明 ,基于该VLSI结构的压缩专用芯片 ,处理速度快 ,功耗低 。

整型小波变换应用于遥感图像无损压缩

基于“提升”( Lifting)算法实现整型小波变换 ( IWT) ,然后将图像变换到小波域 ,用零树编码和算术编码相结合的方式对图像进行无损压缩 ,并针对遥感图像波段之间的相关性进行了谱间预测。最后进行了一些相关实验 ,实验证明将

用整数小波变换进行无失真SAR图像压缩

介绍了利用提升方案 (liftingscheme)构造小波变换的 3个主要优点 ,给出了几个整数到整数可逆小波变换对 ,讨论了SAR图像的特点 ,提出了一种利用整数到整数小波变换进行无失真SAR图像压缩的方法 .该方法具有速度快、可进行同址运算和能进行分级传输等特点 .比较了对ERS 1单视SAR图像和IEEE标准测试图的压缩结果 ,表明性能要略优于DPCM (DifferentialPulseCodeModulation)方法 ,且只须对单视SAR图像作一级小波分解 ,分解级数增加会使压缩效果变差 .

多光谱扫描仪(MSS)卫星遥感图象原始数据的信息保持型压缩编码

电视图象(隔行扫描)编码中采用的预测器：x^0=1/2x1′+1/4(x3′+x4′)，同样适用于多光谱扫描仪(MSS)卫星遥感图象原始数据(逐行扫描)的信息保持型压缩编码．采用此预测器和简单的熵编码(A3码)，在两类计算机上用软件实现了典型MSS数据的信息保持型的编码／解码，压缩比略大于2．本文是课题报告及后续工作的简要报导，所提出的算法现JPEG建议中有关部分相似．

多光谱图像的无损压缩方法

利用多光谱传感器对同一观测对象在多个窄光谱范围上获得的图像,称为多光谱遥感图像。这类具有高空间和谱间分辨率的谱图像数据量大,其存储和传输都比较困难。因此,对海量数据进行有效的数据压缩便成了遥感资料应用中迫切需要解决的问题之一。为了防止有用信息的丢失而影响图像的进一步处理和应用,采用无损数据压缩方法是解决该问题的有效途径之一。本文分析了多光谱图像的空间和谱间相关性等特点,从多光谱图像预处理、预测和变换无损压缩方法等方面介绍了目前主要的多光谱图像无损压缩方法,并对其特点进行了对比分析。

桌面图像编码方法研究

文章首先简单介绍了几种常见桌面图像编码算法,提出了一种综合编码方法:对桌面图像进行分析然后依次分离出连续色调区域、纯色区域和离散色调区域,再对分类后的子块分别进行压缩编码.

码流映射的JPEG2000遥感图像无损信息隐藏

遥感图像经过飞行器JPEG2000压缩编码传输到地面,在传输过程中有时需要搭载其他一些遥测信息,将附加信息嵌入到压缩文件中。对JEPG2000的数据结构进行了研究,将压缩文件的数据部分变换成图像并将其分块,统计256个灰度值,找到出现次数最多的灰度值以及次数为0的灰度值。将这些灰度值所对应的字节进行映射,不同的灰度值代表不同的二进制秘密信息。接收端通过映射将秘密信息提取后,再将载体更改后的字节恢复。隐藏容量平均有了500 bit的提升,载密图像的PSNR大于30 dB,同时载体数据仍然可以无损恢复。试验结果说明,该算法可以无损地实现JPEG2000图像的信息搭载,同时文件没有膨胀。

多光谱遥感图像CCSDS动态码率控制近无损压缩

基于空间数据系统咨询委员会(CCSDS-123.0-B-1)推荐的多光谱图像无损压缩算法,提出了一种前向自适应调整量化步长的码率控制方法以实现定码率近无损压缩。介绍了CCSDS标准的预测方法,分析了Golomb-Rice编码的上界与下界的范围。通过分析预测误差均值与压缩比的对应关系,建立了均值与压缩比之间近似线性映射曲线。根据预测误差均值,前向自适应估计量化步长,初步控制Golomb-Rice码长。考虑到星载条件下多光谱图像码率控制策略,通过压缩比反馈微调量化步长,实现压缩码率的精确控制。最后总结了CCSDS多光谱近无损压缩码率控制流程。实验结果表明,k值(Golomb编码变量)的分布区域稳定,在4∶1压缩时,本文方法的峰值信噪比(PSNR)平均为60.42dB,比单谱段JPEG2000、差分JPEG-LS压缩等方法提高了5.51dB和2.89dB。实验显示本文方法码率控制准确,易于硬件实现,适合航天工程使用。

一种改进的遥感图象准无损压缩JPEG-LS算法

为适应遥感图象较高倍率准无损压缩的需要 ,改进了 JPEG- L S算法 ,该算法首先通过放宽游程检测门限 ,并通过引入局部梯度控制下的预测来增加平均游程长度 ,以提高压缩比 ;然后通过在游程编码区域附加误差修正编码及通过重构图象平滑滤波来改善重构图象的目视效果和提高 PSN R值 ;最后 ,采用 Golomb- Rice Coding技术来对越界误差进行编码 ,以保持 JPEG- L S算法误差界可控的优点 .综合利用以上措施 ,在相同单像素误差界 (±7)下 ,不仅压缩比略有提高 ,而且重构图象的视觉效果得到明显改善 ,PSN R提高约 1～ 3d B.

基于自适应分组与压缩感知的分布式视频编码方法

针对快速场景变换环境中基于压缩感知的分布式视频编码所存在的问题,提出了一种基于自适应动态分组与压缩感知的分布式视频编码方法。对采集的视频帧在基本分组的基础上插入一个自适应分组分离器,通过设定门限阈值实现能够根据视频场景变换的动态调整分组。实验表明,与基本分组方法重构效果相比,采用自适应动态分组方法的重构效果有了较大改进,其峰值信噪比也有大大改善和提高,有效地解决了视频帧中场景变化较快造成的关键信息边缘纹理损失的问题。

易于硬件实现的遥感图像两倍压缩算法

结合干涉多光谱遥感图像航天应用的要求,参考CCSDS标准无损压缩算法,提出了一种易于硬件实现的干涉多光谱遥感图像无损/近无损压缩算法。该算法在对12bit干涉多光谱图像进行2倍压缩时压缩性能与JPEG 2000标准算法相当,但算法复杂度和所需存储空间大大降低,在单片FPGA内部即可实现全部压缩功能,可以很好地满足航天应用的要求。