多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特性的基础上,提出了一种新的基于波段排序的谱空间预测算法(BRSS: Band Reordering Spectral and Spatial),结合Huffman编码完成了对多光谱图像的无失真压缩,和其它几种预测方法相比,BRSS有显著的优越性。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特笥的基础上，提出了一种新的基于波段排序的谱空间预测算法（BRSS：Band Reordering Spectral Spatial），结合Huffman编码完成了对多光谱图像的无失真压缩，和其它同种预测方法相经，BRSS有显著的优越性。     

基于非负最小二乘法的全色与高光谱图像融合

现有光学遥感图像融合方法主要针对全色与多光谱图像,直接将其用于全色与高光谱图像融合存在以下问题:高光谱图像波段数量远多于多光谱图像,通过高光谱波段加权合成低分辨率全色图像,容易出现灰度失真;高光谱图像与全色图像的空间分辨率相差很大,采用现有的加性变换融合方法,会导致融合图像中部分地物出现光谱或细节失真。为此,文章提出了基于非负最小二乘法的全色与高光谱图像融合方法。首先对高光谱图像进行波段压缩,得到波段压缩的高光谱图像;然后对波段压缩的高光谱图像及全色图像进行非负最小二乘拟合,得到低分辨率全色图像;最后,采用比值变换模型生成融合图像。试验表明该方法的光谱与细节保真效果好,优于对比方法。     

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。     

基于分布式信源编码和感兴趣区域编码的干涉多光谱图像压缩

基于干涉多光谱图像特点和应用环境要求,提出一种基于分布式信源编码和感兴趣区域编码的干涉多光谱图像压缩算法。编码端通过关键帧预测出边信息帧,然后联合估计的边信息帧和插值分布的概率模型在编码端进行比特平面码率估计,最后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,这种编码方式在干涉多光谱图像压缩系统中可获得较好的效果,算法复杂度低。     

基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”十涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像而”干涉圈序列的压缩算法．很好地控制了光谱信息的失真。     

大孔径静态干涉多光谱图像压缩算法

基于大孔径静态干涉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不等重要性权值率失真优化等级树压缩算法。该算法根据干涉多光谱图像在空间和频域的特点,对小波系数从空间方向树上按空间域中各光程差对恢复光谱信息的贡献重要性不同赋予不同的重要性权值,这样不仅弥补了SPIHT算法在码率分配上的不足,而且有效的保护了频域中的光谱信息。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8倍压缩比下,满足该类干涉多光谱图像压缩系统的质量要求。     

一种适合星载多光谱图像的压缩算法研究

文章提出了一种适合星载多光谱（4个谱段）图像压缩方法,根据多光谱图像之间相关性较强和卫星对地通道传输速率有限的特点,利用谱段变换,调整各谱段之间的信息量分配,形成新的谱段数据,并对新谱段数据压缩比进行适当调整,完成多光谱图像数据压缩。采用此算法后,可以使平均压缩比不变的情况下,4个谱段恢复的多光谱图像大部分峰值信噪比（Peak Signal Noise Ratio,PSNR）与直接压缩图像后的PSNR值相比有所提高。     

基于JPEG2000的高光谱图像压缩方案

高光谱图像是三维立体图像，具有“谱像合一”的特点，具有很大的应用价值，但因为其数据量庞大，给存储和传输带来不便。文章针对高光谱图像的特点，在进行8：1压缩条件下，提出了差值法和变换法两种基于JPEG2000的压缩方案，仿真结果表明，这两种压缩方案都能较好的满足高光谱图像压缩的要求。     

星上高光谱图像无损压缩方法

针对星上高光谱图像压缩问题，本文从消除高光谱图像的谱间与谱内空间冗余信息入手，提出了基于KLT与自由无损图像格式(FLIF)算法的高光谱图像无损压缩算法。KLT用于去除图像的谱间冗余信息，FLIF算法的MANIAC决策树能够在压缩过程中动态更新上下文环境内容，实时调整上下文环境的数量，多上下文环境建模的设计大幅提升了压缩性能。仿真实验表明:在高分五号卫星上的高光谱数据集上，本方案取得了不错的压缩比特率结果。此外，针对KLT变换后图像的特点，本文提出了多压缩器灵活切换的加速方法，在可见光波段让压缩耗时缩短为未优化前的1/5。     

一种最大压缩误差可控的高光谱图像压缩算法

提出了一种可以实时控制压缩误差的高光谱图像有损压缩算法。该算法对高光谱 图像矩阵进行奇异值分解得到奇异值矩阵和奇异向量矩阵;用部分奇异值及其对应的奇异向 量重构图像;根据测量系统精度要求确定量化因子并对重构图像与原始图像间的光谱误差进 行量化;采用预测编码和算术编码对用于图像重构的奇异值及其对应奇异向量进行无损压缩 ;设计了非零值编码算法完成对重构误差的无损压缩。对Luna Lake和Low Altitude图像的 仿真结果为：最大相对误差分别控制在0.44％和0.33％时,压缩比为41.5:1和24.6:1, 信噪比为 50.4 dB 和47.8 dB。
     

高光谱图像的数据特征及压缩技术

首先简要介绍了成像光谱遥感技术的理论基础及应用领域，然后分析了高光谱图像的特征，最后较全面地总结了目前出现的各类高光谱图像的压缩技术，并介绍了几种典型的算法。     

双极性压缩观测光谱成像技术研究

压缩传感突破了 Nyquist-Shannon 采样定理的限制,从随机观测的少量测量值中即可高精度地获取图像,给成像设备的设计带来了巨大变革。压缩传感理论证明可以通过重构恢复获得比焦平面阵列分辨率更高的场景图像。尽管在理论上存在巨大优越性,压缩传感成像系统的物理实现需要考虑一些实际问题。文章围绕压缩传感成像设备进行了研究,提出了一种物理可实现的压缩成像方法,该方法利用双通道观测架构实现压缩成像中的双极性观测,解决了压缩成像理论与实际物理约束不一致的问题。采用多路技术和多膜技术实现大视场观测与多次视场观测,该方法可以单次曝光获取充足的观测值来高精度重构原图像。压缩光谱成像数值仿真实验验证了该方法的有效性和鲁棒性。     

基于UDWT的高性能多光谱遥感图像融合算法

无抽取离散小波变换 (UDWT)具有移不变性的优良性质 ,它在遥感多光谱图像增强以及双通道图像融合应用中获得了很好的效果。文中研究一种基于UDWT的适用于多光谱图像的融合算法 ,该算法利用UDWT的多尺度表示方法和文献 [4 ]算法最佳保留光谱信息的特点 ,融合结果同时精确保留了多光谱图像的光谱信息和高频细节特征 ,为目标的检测、定位、识别等图像的进一步处理提供很好的特征信息     

一种尺度感知型遥感图像融合新方法

针对在高分辨率星载遥感图像融合中容易出现的空间或光谱信息失真问题,提出一种基于滚动导向滤波的多光谱与全色光图像融合新方法。该方法采用主成分分析(PCA)设计融合模型,利用具有尺度感知特性的滚动导向滤波器准确地提取出多光谱图像第一主成分的大尺度结构信息和全色光图像的小尺度细节信息,然后将细节信息与结构信息相结合,经过主成分分析反变换得到融合结果。本文采用Geo Eye-1卫星数据进行试验,主观分析与客观评价表明,该方法能够在保持图像光谱信息的同时显著提高融合图像的空间分辨率,且融合质量优于现有的几种融合方法。     

基于分布式信源编码的高光谱图像无损压缩研究进展

有效的高光谱图像压缩技术已经成为航天高光谱遥感领域研究的焦点之一。对基于分布式信源编码（Distributed Source Coding,DSC）的高光谱图像压缩技术研究进展进行了综述。首先介绍了DSC的理论基础、实现方式及其在高光谱图像无损压缩应用中的优势;然后总结了基于DSC的高光谱图像无损压缩研究进展,在此基础上给出了一种基于多波段预测的高光谱图像分布式无损压缩算法,实验结果表明,该算法具有较低的编码复杂度,其无损压缩性能优于现有的分布式无损压缩算法;最后指出了DSC在高光谱图像压缩中需要进一步研究的问题。     

多光谱遥感图像压缩系统中的ROI编码方法

提出了一种基于EBCOT(率失真优化截取内嵌码块编码)算法的矩形ROI(感兴趣区域)编码的干涉多光谱卫星遥感图像压缩方法。该方法不需要对小波域的系数进行提升，而是在码流组织时通过对多光谱区域的误差跟踪提高恢复图像的质量。从而克服了传统方法因为增强系数与图像复杂度不匹配带来的ROI与BG的PSNR质量不协调的问题，该算法的解码器不需要知道该图像是否存在ROI，不需要反提升过程，完全正常解码即可，而且该方法保留了EBCOT的优良特性。实验表明，这种编码方式在干涉多光谱卫星图像压缩系统中可获得理想的效果。     

面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

一种用于WorldView-2遥感图像的波段分组融合方法

针对WorldView-2卫星遥感图像,提出一种基于波段分组的多光谱图像与全色光图像融合新方法。该方法以全色光波段与多光谱各波段光谱响应的匹配特点为依据,首先将八波段多光谱图像分成两组,然后分别设计融合模型再进行分组融合,最终得到多光谱各波段的融合结果,分组策略简单、实用。实验结果表明,该方法在融合WorldView-2遥感图像时能够在提高空间分辨率和保持光谱信息方面达到更好的平衡,优于现有的几种融合方法。     

卫星遥感图像的鲁棒无损数据隐藏传输算法

提出一种基于整数离散余弦变换（IntDCT）域的鲁棒无损数据隐藏算法。先对载体图像进行预处理来构建适合信息嵌入的载体,并将无损隐藏的思想引入到预处理中用以存储可恢复原载体图像的信息。为兼顾鲁棒性和图像质量,算法通过修改载体图像IntDCT域高频系数的直方图修改来完成秘密信息的嵌入;最后,与以往算法不同,为保证遥感图像的质量,给出了接收端在含密图像未失真和失真情况下载体恢复的方法。实验结果表明,本文所提出的算法能有效抵抗压缩攻击,并具有良好的图像质量和较大的容量。与以往算法相比,本文算法在性能方面具有明显的优势。