遥感图像受控有失真压缩技术研究

在测绘遥感领域, 对图像的像质要求较为严格, 但即便如此, 遥感图像数据中仍然含有噪声, 从而有损压缩是可行的。文章在遥感图像信噪分析的基础上, 提出了一种遥感图像受控有失真压缩技术。首先分析了遥感图像有失真压缩的可行性; 然后应用小波的良好变焦性能, 对遥感图像施行2层2维小波的塔式分解; 对低频子图进行精细量化,对高频子图进行从粗到精的量化; 最后, 考察不同的高频量化器对遥感图像的压缩倍率和恢复图像像质的影响。     

遥感图像的数据压缩技术研究

主要讨论了两种遥感图像的数据压缩方法改进的JPEG算法和噪声分解压缩算法.传统的JPEG算法会引起恢复图像的视觉失真,根据遥感图像的数据特征,设计出了一种新量化器,使图像的压缩效果和恢复图像的质量都有一定程度的提高.实际遥感图像都不可避免地存在随机噪声干扰,噪声干扰使得几乎所有的压缩算法性能降低,为此,我们提出"噪声分解压缩算法"的思想,使压缩算法变得更有效.     

基于结构描述的图像压缩方法研究

目前在遥感图像压缩领域,应用最为广泛的是以SPIHT算法为代表的基于小波变换的压缩技术,但是遥感图像含有极为丰富的高频信息,而变换域压缩编码的压缩原理是保留低频信息删减高频信息,这种矛盾导致了变换域编码对遥感图像进行高倍率压缩时,图像会有较大失真。为了减小压缩过程中高频信息的失真,从对图像空间结构描述入手,提出了一个基于空域的图像压缩算法,并与SPIHT算法进行了对比试验,证明了该算法的压缩质量明显好于SPIHT算法,具有一定的应用前景。     

基于视觉模型和图像特征的遥感图像压缩

遥感图像具有纹理复杂、边缘丰富的特点,通常难以实现高压缩比.统计了图像经过小波变换后在不同方向、不同级别子频带的能量分布.然后基于人类视觉系统(HVS)模型中的对比敏感度函数(CSF)和遥感图像的能量分布特征,提出一种不同频带小波系数的变步长量化方法,并把该方法应用于嵌入式小波图像编码器.实验结果表明,与不采用心理视觉量化的压缩方法相比,在相同压缩比下,峰值信噪比略为降低,但恢复图像的主观质量有一定程度的改善.     

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。     

考虑样本不平衡的X光安检图像违禁品分类方法

X光安检图像违禁品分类被广泛应用于协助维护航空和运输安全。针对X光安检图像中违禁品尺度不一、存在困难样本及旅客行李安检固有的正负样本不均衡等问题，提出一种端到端的考虑样本不平衡的X光安检图像违禁品分类方法。采用多尺度特征提取网络捕获尺度不一的多类型违禁品特征，通过特征融合模块提升模型对图像边缘和纹理特征的表达能力，基于代价敏感思想设计损失函数，解决数据集不平衡问题，并提高困难样本分类精准度。在公开数据集SIXray上构建的子集实验结果表明：所提方法相较于端到端分类模型，平均AP指标值提升了4.5%，特别是对剪刀等难分类样本，AP指标值都有显著的提升效果。     

基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明：所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。     

星载高速图像数据压缩原理样机的研制

针对星上高速遥感数据实时压缩要求,选用多模式自适应量化压缩算法,设计了同步并行阵列与流水线相结合的压缩系统体系结构,并以可编程序门阵列物理实现.采用四路压缩系统并行的阵列结构,研制成功高速数据压缩原理样机,数据处理速度大于1000Mbit/s,恢复图像平均峰值信噪比大于40dB.      

CCSDS图像无损压缩标准在恒速信道中的应用研究

在CCSDS建议的无损数据压缩的基本原理上 ,结合基于局域纹理特征的处理方法 ,给出数据输入输出在恒速信道条件下一种有效的面向空间应用的遥感图像无损压缩方案。该方案包括去相关处理、熵编码以及压缩缓存控制三部分。去相关操作是在局域纹理分析方法的基础上 ,通过提取两种有效的预测模型并自适应选择最佳的模型进行处理 ;然后采用快速有效的CCSDS熵编码器对最佳去相关模型的预测误差编码。在压缩方案中充分考虑了输入输出恒速信道条件下应用的特殊性 ,设计了相应的压缩码流控制方法 ,从而给出了一套有效的针对恒速输入输出信道条件下的图像无损压缩的应用方案     

基于奇异值分解的遥感图像融合性能评价

研究遥感图像融合性能的客观评价问题,分析当前遥感图像融合效果评估方法特点的基础上,提出一种新的遥感图像融合效果评估方法——基于奇异值分解(SVD, Singular Value Decomposition)的方法.利用源图像与融合结果图像的奇异值差异,测量它们之间能量信息失真情况,从而进行融合算法的评估.仿真实验从两方面入手,当融合源图像中含有SAR(Synthetic Aperlure Radar)图像时,对比Piella和Xydeas评估方法较为有效;另一方面,对多类型传感器、不同方法的像素级融合结果进行评估,与主观评价结果对比具有较高的一致性.这种客观评估方法能够较好地反映多类遥感图像融合的质量,是一种实现简单、高效、较为通用的遥感图像融合效果评估方法.      

卫星遥感图像数据压缩质量评价研究

针对高保真高速数据压缩算法的卫星应用,采用客观参数评价和主观评价相结合的方法,对卫星遥感图像数据压缩质量评价进行了较系统的研究。通过四次试验实践表明,主观评价具有相当的客观性,是目前遥感图像数据压缩质量评价中最基本、最有效的方法,科学合理地设计主观评价至关重要;客观参数评价是有益的参考方法,在改善某一压缩方法时,峰值信噪比(PSNR)是个较好的衡量标准;主观评价和客观评价有较好的一致性,主要体现在PSNR、相似度(XSD)和全图局域最大误差(LME)等客观评价参数上。     

基于等效焦面的离轴遥感相机积分时间计算方法

目前在轨和在研的光学遥感卫星大都搭载的是离轴遥感相机,为了保证视轴正对星下点成像,相机需要整体俯仰一定角度补偿离轴角,这样就导致相机的焦平面无法平行于星下点水平面进行推扫成像,相机的积分时间计算不准确。针对以上问题,提出一种基于等效焦面的高精度积分时间计算方法,该方法构建与星下点水平面平行的等效焦面,通过建立严密的几何关系,求出真正电荷转移时间对应的像元尺寸,从而得到准确的积分时间。仿真试验表明,该方法可以将积分时间计算精度提高1.2%,为卫星在轨提高成像质量提供有效手段。     

面向目标检测的双驱自适应遥感图像超分重建方法

有光学遥感图像超分重建方法主要是生成视觉上令人满意的图像,并未考虑后续目标检测任务的特殊性,不能有效地应用到目标检测中。基于此,提出了面向目标检测的双驱动自适应多尺度光学遥感图像超分重建方法,将超分重建网络和目标检测网络结合起来,进行联合优化。针对光学遥感图像的特点设计了自适应多尺度遥感图像超分重建网络,集成选择性内核网络和自适应特征门控单元来特征提取和融合,重建出初步遥感图像。通过提出的双驱动模块,将特征先验驱动损失和任务驱动损失传到超分重建网络中,提高目标检测的性能。在UCAS-AOD和NWPU VHR-10数据集上进行实验,并与5种主流方法进行比较,所提方法的峰值信噪比和平均准确率相较于FDSR方法分别提高了1.86 dB和3.73%。实验结果表明,所提方法和光学遥感图像目标检测结合可以取得更好的效果,综合性能更佳。