静止图象的多值分块编码

本文在分析二值分块编码分块效应的基础上,提出了一种新的多值分块编码方法。理论分析与实验结果均表明该方法使编码图象的分块失真减小到几乎不能察觉,输出码率降低到1.36比特/象素左右,而且文中提出的分类算法十分简便。     

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。     

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。
     

具有运动估计的亚采样方块编码

提出了一种新的活动图像编码算法。这种新的编码算法称为运动估计的亚采样方块编码。模拟结果表明：这种新算法压缩比为２５～３０，信嗓比为２９ｄＢ。对每帧１２８×１２８个象素的数字化图像在ＰＣ／４８６—３３计算机上经过实时处理，图像质量良好。文中给出了编码算法和计算机模拟结果。     

一种实现图像感兴趣区域嵌入式编码的改进算法

对图像感兴趣区域ROI(Region of Interest)的支持是新一代静止图像压缩标准JPEG2000的一项重要功能。文章利用嵌入式编码理论,针对零树小波编码EZW(Embed-ded Zerotree Wavelet Coding)算法的效率不足提出了一种改进方法。通过基于对EZW方法的适当改进并用于ROI编码,实现了图像感兴趣区域的高品质重建,进一步降低了编、解码复杂度和存储的空间,并提高了编码的效率。     

一种适合于遥感图像的逐行扫描压缩算法

在ChristosChrysafis基于逐行小波变换编码的基础上,提出了一种低复杂性基于逐行扫描的图像压缩算法。该算法不需要对图像分块,在对小波系数进行均匀量化之后,根据不同子带的上下文统计特征进行概率建模,采用改进的低复杂性Golomb Rice算法进行熵编码。试验表明,采用这种算法,在对大幅面图像压缩时存储器需求远小于基于SPIHT等算法的存储器需求的同时,其熵编码复杂性也大幅降低,特别适合于功率和空间受限的遥感图像压缩系统中。     

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。     

一种易于硬件实现的CCSDS图像数据压缩算法

文章提出了一种易于硬件实现的CCSDS图像数据无损压缩算法。图像数据经过小波变换后,统计规律不尽相同。为了有效进行数据压缩,该标准针对不同的统计规律,采用不同的熵编码。针对不同的图像,讨论了直流系数（DC）量化编码和块交流系数比特深度编码中的参数k、熵编码中长度为3比特码字的编码方式参数choicel和choice3以及长度为4比特码字的编码方式参数choice2和choice4等参数的最优化选择。仿真结果表明,该算法有较低复杂度,易于硬件实现,而且能够有效优化。使输出码率最短。     

基于SPIHT算法的遥感图像高速实现方案

基于小波变换的SPIHT图像压缩方案是目前公认性能较好的一种实用高性能图像压缩编码算法，但原始SPIHT算法链表式编码限制了其在高速处理中的应用。本文提出了一种改进的SPIHT压缩编码算法，在确保恢复图像质量与原始算法基本上相当的基础上，改进算法可以采用并行流水结构实现，有利于高速处理中的应用，为该算法在遥感图像中的应用提供了理论依据和工程基础。     

大压缩比嵌入式遥感图像压缩

本文提出一种基于小波变换和矢量量化相结合的遥感图像压缩算法。该算法由于采用嵌入式的比特流构造方式，因而具有嵌入式编码（Embedded Coding)的特点，比特流按照重要性顺序发送，编码器可以在满足一定压缩比的情况下终止编码。在大压缩比的情况下，恢复图像具有良好的视觉效果；同时它具有比SPIHT算法优良的抗误码性能。     

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.     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。     

混沌二相编码雷达引信研究

研究了混沌系统在二相编码雷达引信中的应用，从雷达信号波形设计的角度，研究和对比分析了四种典型混沌系统产生的二相伪随机码的各种性质，实验结果表明，基于这几种混沌模型的二相编码都具有良好的平衡性，随机性，游程性和模糊性，而这其中又以Logistic编码为最佳。根据对Logistic模型编码信号进行的模糊分析，认为在于该模型的二相伪随机编码在雷达引信波形方面具有很大的应用潜力。     

自适应预处理的AMBTC图像压缩

椒盐噪声对于图像压缩有很大的干扰作用，为了提高压缩图像的显示效果，降低计算开销，本文提出了预处理的AMBTC图像压缩算法。首先统计原始图像中椒盐噪声的像素个数，预估出噪声强度，然后对被噪声污染的像素进行自适应的修复，最后利用AMBTC压缩算法对图像进行压缩。修复后的图像仍然可以正常显示，压缩后的AMBTC图像的PSNR在27dB以上，相对于没有修复的AMBTC图像算法PSNR平均有10dB的提升，同时整个处理过程小于1s。实验结果表明，本文算法可以很好地剔除噪声的影响，得到较高的图像质量，同时能够做到实时处理。     

基于信源信道联合编码的遥感图像传输

针对遥感应用对图像质量日益提高的需要,提出了一种基于层次树的集合分割算法（SPIHT）和低密度校验（LDPC）码联合编码的遥感图像高质量传输方案。此方案充分利用SPIHT编码后数据流按重要性排序,以及LDPC码的误码率性能与码率和迭代次数密切相关的特性,克服了SPIHT压缩数据流对噪声敏感的缺陷。高斯信道仿真结果表明,在码元噪谱密度比（Eb/N0）较低的情况下,利用此传输方案获得的图像恢复峰值信噪比（PSNR）,比传统的分离编码高7dB以上。     

SPIHT算法容错性能的分析及改进

SPIHT算法是一种基于小波变换 ,压缩编码效率很高的静止图像压缩编码算法 ,但其产生的码流容错性能很差 ,单比特失真就可能对恢复图像质量造成严重影响。针对这一缺陷 ,提出了虚拟完全子树算法。该算法采用子树独立编码、最优率失真截断、Tag-tree编码和虚拟零树等方法 ,在保持原算法高效压缩性能的同时有效地提高了码流的容错性能     

信号采集卫星系统星地资源快速调度优化方法

针对信号采集卫星系统中,采集目标的优先级和携带的信息量在星地资源调度过程中不断随时间变化的特点,提出了一种基于二次映射编码的动态调度差分演化算法（QMDSDE）。算法将采集目标的优先级和携带的信息量进行加权,作为采集的收益。在迭代求解时,根据卫星可见时间窗口的周期性特点设置固定的检测频率,以当前时刻所有目标收益的平均值和敏感系数的乘积作为检测环境变化的阈值。当检测算子的值大于阈值时,算法通过前向预测模型动态调整搜索方向,寻找问题的实时Pareto最优解。算法采用二次映射编码消除星地资源组合中的无效解,降低了算法的搜索空间,提高了算法的求解速度。经仿真校验,该方法在信号采集过程中,可以得到收益较好的星地资源调度方案,且具备较快的收敛速度。     

基于组合特征的航母目标识别方法

为了解决较高分辨率条件下的可见光航天遥感图像航母目标识别问题,文章提出了一套完整的识别算法。该算法通过基于最大类间方差算法(Otsu算法)的双阈值分割方法获得舰船目标,然后通过形态学闭运算去除目标图像内部的空洞,对获得的目标图像进行优化。结合航母的形态特点,文章提出了描述目标的舰首宽度比编码特征,该特征能够显著的描述航母和其他舰船之间的区别。通过长宽比和舰首宽度比编码构成组合特征向量对提取的舰船目标进行描述。最后文章采用k折交叉验证方法划分训练样本集合和测试样本集合,采用最小距离分类器进行目标识别。所有的算法都在Matlab软件上进行仿真实验,实验结果表明,相比于其他的舰船描述特征,文章提出的组合特征对航母的识别率更好。