基于提升的Landsat-TM光谱图像压缩

在分析多光谱图像小波变换后系数特点的基础上,提出了一种基于整数小波变换的三维集合分裂嵌入块编码(3DSPECK)压缩方法。该方法将小波变换压缩技术中的零数编码推广到多光谱图像压缩中,采用整数小波变换去除空间冗余,谱域上对多幅小波图像构成的小波矢量采用离散余弦变换进行变换,对变换后的系数进行3DSPECK编码。实验结果表明,该方法硬件实现简单,编码解码时间快,对内存要求低。     

基于地物信息的高光谱遥感图像分类方法

利用主成分分析法滤除n维高光谱遥感图像中的大部分冗余信息,得到尽可能保留光谱信息的m维高光谱遥感图像,融合其地物空间分布信息,将m维高光谱遥感图像中的每一个像素点构建为一个2维谱-空信息向量。再利用主成分分析法法对m维高光谱遥感图像进行降维,得到q维融合地物空间分布信息与光谱信息的结果图。通过高斯混合模型预测聚类中心,基于改进的迭代自组织数据分析算法ISODATA(Iterative Selforganizing Data Analysis Techniques Algorithm)对高光谱遥感图像进行聚类,得到最终的分类结果。实验结果表明本方法的地物分类精度优于K-means、ISODATA和SVM方法,总体分类精度提升10.14%-13.99%,kappa系数提升3.2%-12.85%。     

基于多重分形参数的高光谱数据特征提取

针对单一分形维数不能表征高光谱数据光谱局部吸收特征的问题,提出了基于光谱概率测度的多重分形参数特征提取方法.基于光谱信息度量进行光谱概率测度的计算,基于配分函数法估计得到尺度函数;通过对尺度函数求导计算出Holder指数,并对尺度函数勒让德Legendre变换计算出多重分形谱;从多重分形谱和Holder指数之间的函数关系提取表征多重分形谱形态的4个多重分形谱参数作为光谱特征参数;并应用于基于最小距离准则的航空推扫式高光谱成像仪(PHI,Prush-broom Hyperspectral Imager)图像监督分类.结果证明:利用基于光谱概率测度的多重分形参数特征提取方法提取的光谱特征参数进行分类得到的总体分类正确率达94.789%,分类精度明显高于利用信息量维数和多重分形谱特征提取方法进行分类的结果,证明了基于光谱概率测度的多重分形参数特征提取方法提取的多重分形参数的有效性和可靠性.     

基于多种空间信息的高光谱遥感图像分类方法

在高光谱遥感图像分类方法中,空间特征和光谱特征的融合可以有效地改善分类效果。针对单一空间特征的信息表达不充分问题,提出了一种联合多种空间特征的高光谱图像空谱分类方法。利用超像素信息对分类结果进行后处理去掉椒盐噪声,并创造性地将超像素信息应用于分类前处理,提出了一种利用超像素信息对像素点的特征向量进行线性加权融合的方法。试验结果表明,所提方法的性能优于目前的通常方法。     

卫星干涉高光谱遥感图像序列差值压缩编码

根据干涉高光谱图像的成像特点和卫星遥感图像压缩编码系统要求，提出了一种新的卫星干涉高光谱图像序列压缩算法．新算法利用干涉成像光谱仪推扫成像特点提出了一种低存储量，帧间小波域匹配的图像序列压缩方案，提高图像质量3—4dB．算法首先通过小波域匹配算法检测出相邻图像之间的推扫位移量并移位求得两帧的最佳差值图像，然后对差值图像进行静止图像EBCOT压缩编码，从而提高总体编码效率．该算法具有与单帧图像编码算法相当的复杂度，只需要对当前图像与模板的差值图像进行基于小波变换的编码，避免了目前基于三维小波变换的编码算法对系统大存储量要求以及编码延时大的缺陷．仿真结果表明，本算法针对干涉高光谱图像编码，可获得比基于三维小波变换的算法相当甚至更好的效果，并且大大降低了编码延时．     

优化Landweber迭代快速电磁层析成像图像重建算法

电磁层析成像(EMT)中灵敏度矩阵的病态性、不适定性导致重建图像质量较差。为了提高重建图像的质量与速度，提出了一种优化Landweber迭代快速图像重建算法。首先，对灵敏度矩阵作降维映射，去除灵敏度矩阵中的冗余信息，减少每次迭代的计算量。然后，利用人群搜索算法(SOA)优化降维后的灵敏度矩阵，降低灵敏度矩阵的条件数，改善其病态程度。最后，通过Landweber迭代算法和预处理后的灵敏度矩阵进行图像重建。仿真实验结果表明:相同实验条件下，相比于Landweber迭代算法，所提算法有效提高了成像质量，降低了成像运算量。      

基于框架域的随机游走全色锐化方法

针对多光谱图像与全色图像的融合问题,提出了一种新的全色锐化方法。该方法首先通过亮度、色调、饱和度(IHS)变换与非下采样框架变换将原图像从空间域变换到框架域,然后利用基于图论的随机游走,建立高频框架系数的统计融合模型。此模型根据高频框架系数的邻域相关性与尺度相关性构造新的随机游走协调函数,将高频框架系数融合权重的估计转化为随机游走标记问题的求解。实验结果表明,该方法有利于保持图像的光谱信息和边缘轮廓信息,可以在降低融合图像光谱误差的同时提高空间分辨率,并且优于一些主流全色锐化方法。     

基于自适应注入模型的遥感图像融合方法

遥感图像融合的目的是融合高光谱分辨率、低空间分辨率的多光谱（MS）图像和高空间分辨率、低光谱分辨率的全色（PAN）图像,得到高光谱分辨率与高空间分辨率的融合图像。遥感图像的注入模型中如何确定注入细节及注入系数是该技术研究的关键。针对注入细节优化,先通过模拟MS传感器的特性来定义一种多尺度高斯滤波器,再用该滤波器卷积PAN图像以提取细节,得到与MS图像高度相关的细节。针对注入系数优化,综合考虑光谱信息与细节信息提出一种自适应的注入量系数。为更好地保留边缘信息,提出一种新的边缘保持权重矩阵,实现光谱信息与空间的双保真。将优化后的注入系数与注入细节相乘注入到上采样后的MS图像中,得到融合结果。对所提方法进行性能分析,并在各卫星数据集上进行大量测试,与一些先进的遥感图像融合方法进行对比,实验结果表明,所提方法在主观与综合客观指标上都能达到最优。      

机载图像无损/近无损压缩方案及其FPGA实现

根据机载图像压缩和传输的特点,在改进JPEG-LS算法基础上,设计了一种有效的图像无损/近无损压缩方案.该方案由去相关处理、熵编码及压缩位率控制三部分组成.去相关处理部分解决了JPEG-LS预测模型本身的误码扩散问题,熵编码部分使用快速有效的Golomb熵编码器完成对预测误差的编码,同时解决了机载应用中数据传输率恒定条件下压缩码率的控制问题.对压缩算法现场可编程门阵列(FPGA)设计中的一些关键问题也给出了有效的解决途径,从而形成了一套完整、可行的机载图像压缩解决方案.最后通过FPGA实现和验证了压缩方案及逻辑设计的正确性和可行性.      

Assessment of the impact of dimensionality reduction methods on information classes and classifiers for hyperspectral image classification by multiple classifier system

Identification of the appropriate combination of classifier and dimensionality reduction method has been a recurring task for various hyperspectral image classification scenarios. Image classification by multiple classifier system has been evolving as a promising method for enhancing accuracy and reliability of image classification. Because of the diversity in generalization capabilities of various dimensionality reduction methods, the classifier optimal to the problem and hence the accuracy of image classification varies considerably. The impact of including multiple dimensionality reduction methods in the MCS architecture for the supervised classification of a hyperspectral image for land cover classification has been assessed in this study. Multi-source airborne hyperspectral images acquired over five different sites covering a range of land cover categories have been classified by a multiple classifier system and compared against the classification results obtained from support vector machines (SVM). The MCS offers acceptable classification results across the images or sites when there are multiple dimensionality reduction methods in addition to different classifiers. Apart from offering acceptable classification results, the MCS indicates about 5% increase in the overall accuracy when compared to the SVM classifier across the hyperspectral images and sites. Results indicate the presence of dimensionality reduction method specific empirical preferences by land cover categories for certain classifiers thereby demanding the design of MCS to support adaptive selection of classifiers and dimensionality reduction methods for hyperspectral image classification.     

超谱遥感图像降维方法研究现状与分析

随着成像光谱仪的发展 ,超谱遥感图像的研究已进入到一个新的阶段———对获取的超谱数据进行有效处理和利用的阶段。目前的处理方法主要集中在对超谱图像的数值分析处理上 ,比如大气校正、降低数据维数、信息提取、分类与压缩等方面。而超谱图像降维方法的研究是做好后继处理的一个关键步骤 ,降维方式的正确选取与使用 ,对于发展和完善那些针对超谱海量数据和丰富信息特点的算法和软件有极大的好处。文章从波段选择、划分数据源、特征提取和融合等 4个角度对目前超谱图像的各种降维方法进行了综合归纳和分析。力图为超谱图像处理寻找突破点 ,加强此领域的研究力度     

基于信息隐藏的遥感图像分块压缩

目前JPEG2000等图像压缩方法受制于压缩倍数的限制,无法满足用户对海量遥感数据的实时传输要求,需要进一步减少高分辨率遥感图像产生的数据量,以满足遥感图像数据的空间传输要求。针对此情况提出了一种基于信息隐藏的遥感图像分块压缩方法,利用图像块的相似性判决出基准图像块和相似图像块,将相似图像块的编号隐藏在基准图像块中,只对基准图像块进行JPEG2000压缩。采用标准图像库作为样本图像进行仿真,结果表明,该方法将样本图像压缩前的数据量减少1/3,同时将该样本图像的压缩比提高1.5倍。     

Novel method for reconstruction of hyperspectral resolution images from multispectral data for complex coastal and inland waters

Hyperspectral resolution image products of a synthetic sensor featuring the high spatial resolution of the space-borne sensor can offer cost-effective means for enhancing our current capabilities in terms of providing an array of images in lieu of designing an expensive system for image acquisition, which can serve the expanding needs of the scientific and user communities for various critical water color applications. Despite several studies on enhancing the capability of land remote sensing sensors, full spectrum reconstruction of water color images with varying spectral bands is hampered by the lack of methods and accurate atmospheric correction procedures. In the present work, a novel method is developed for reconstruction of hyperspectral resolution images from high spatial-resolution Sentinel 2 Multispectral Instrument (MSI) data representative of many complex waters in coastal and inland zones. This method uses a deep neural network (DNN) with multiple blocks of deconvolution and dense layers. The spectral reconstruction of hyperspectral resolution images from multispectral data was based on rigorous training data from the atmospherically-corrected and validated HICO normalized water-leaving radiance products (with spectral resolution 438-868 nm sampled at 5.7 nm) of diverse water types. The generalizability and versatility of the DNN method was tested and evaluated systematically by means of various qualitative and quantitative analyses using concurrent space-borne (MSI and HICO) and in-situ measurements from different regional waters. Reconstructed hyperspectral resolution radiances obtained from the MSI images closely matched with independent HICO and MSI measurements within the desired accuracy. Successful reconstruction and validation of the hyperspectral radiances indicate that the proposed state-of-the-art method provides possible future directions for enhancing our current capabilities of space-borne sensors for various research purposes and societal applications at local, regional and global scales.     

基于去噪的SAR复图像SPIHT压缩算法

提出一种对合成孔径雷达(SAR,Synthetic Aperture Radar)复图像压缩的改进的分层树集合分割(SPIHT,Set Partitioning in Hierarchical Trees)算法,高效完成SAR复图像压缩,既有效地保留了SAR复图像的相位信息,又抑制了斑点噪声.首先根据SAR复图像的统计特征进行预处理,然后进行小波变换,对不同子带的小波变换系数采取不同的门限,进行软门限斑点噪声抑制,再经过SPIHT量化编码,得到压缩后的码流.仿真实验表明,在64倍高压缩比的情况下,通过对重建SAR复图像数据的相位误差、等效视数、平均空域相关系数等指标的测量,验证了该算法仍然具有很好的性能.      

基于光谱知识的高光谱图像自动识别方法

针对传统高光谱图像矿物识别方法未能充分利用矿物光谱诊断吸收特征与矿物光谱知识、识别过程人为干预多等问题,提出了一种基于光谱知识的高光谱图像自动识别方法.该方法引入了基于光谱吸收特征与波形特征的光谱知识作为自动识别的标准,利用连续统去除操作增强光谱吸收特征,采取基于光谱主次吸收特征的识别决策策略,建立多级约束准则以提高识别精度及避免误识别,通过利用模拟数据进行算法精度评价并应用航空高光谱成像仪AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据进行应用分析与验证.结果表明:当图像信噪比大于200时,识别准确率可以达到80.3%,能够得到良好的识别结果以及较高的精度,并实现了基于高光谱图像的矿物自动识别.