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。     

一种基于谱域-空域组合特征支持向量机的高光谱图像分类算法

针对高光谱图像分类问题,提出了一种基于支持向量机的利用组合特征对高光谱图像进行分类的算法,组合特征综合了高光谱图像的光谱域和空域信息。针对图像的高维数据特性,利用最大噪声分量方法进行特征提取,对得到的主分量图像,采用虚拟维数估计算法来确定需要保留的主分量数目,并用数学形态学操作用保留的主分量图像中提取目标的形态信息。根据得到的空域特征并结合原始光谱域特征,构造用于分类的组合特征矢量。而且采用了支持向量机,利用了其支持小样本、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比,具有一定的优越性。
     

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。     

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。     

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.     

基于空谱融合特征主动学习的高光谱图像分类

针对高光谱图像分类过程中存在的样本量少和分类精度低的问题,提出一种基于空谱融合特征主动学习的高光谱图像分类方法。主要包括构造三通道图像,全卷积网络提取空间特征,空谱特征结合,主动学习方法选择训练样本几个部分。通过结合像素的光谱特性和相邻像素间的空间关联,提取出可以反映像素空谱联合特性的综合特征,提高了像素特征的表达能力。为克服高光谱图像标注数据少、缺乏训练样本的问题,应用主动学习算法,充分选择更具有代表性的样本进行训练,达到少样本情况下较高的分类正确率。通过在标准数据集上进行实验,结果表明:该方法可以达到在总样本数1%作训练样本的情况下,分类正确率达到99.79%,优于传统的高光谱分类算法。     

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。     

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。