用整数小波变换进行无失真SAR图像压缩

介绍了利用提升方案(lifting scheme)构造小波变换的3个主要优点,给出了几个整数到整数可逆小波变换对,讨论了SAR图像的特点,提出了一种利用整数到整数小波变换进行无失真SAR图像压缩的方法.该方法具有速度快、可进行同址运算和能进行分级传输等特点.比较了对ERS-1单视SAR图像和IEEE标准测试图的压缩结果,表明性能要略优于DPCM(Differential Pulse Code Modulation)方法,且只须对单视SAR图像作一级小波分解,分解级数增加会使压缩效果变差.     

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．     

基于截断重排的小波图像无损压缩算法

针对图像小波系数的能量聚集特性,提出一种基于截断重排的小波图像无损压缩算法。该算法在离散小波变换的基础上,对图像低频子带的小波系数先后按照大津法和希尔伯特曲线进行分类和重排,对图像各高频子带的小波系数分别根据信息熵代价函数进行自适应的奇异值截断变换,然后对截断重排后的所有小波系数进行熵编码,以实现图像无损压缩。实验结果表明,该算法实现简单,有效地降低了图像的编码比特率,提升了图像无损压缩的压缩比。     

含无效云区域遥感图像在轨压缩方法

遥感图像中含有大面积的无效云区域,剔除云区域后的遥感图像形状呈现非规则特性。针对这类非规则遥感图像的压缩问题,在原始CCSDS IDC算法基础上提出了形状自适应CCSDS IDC压缩方法。方法以原始图像及其云掩膜为输入,对图像中的有效区域进行形状自适应小波变换,利用掩膜图像的Lazy小波变换结果指导小波系数编码,重新设计转义字及扫描字编码码表,最终构建形状自适应的比特平面扫描及编码方法。试验结果表明,压缩比一定的情况下,该方法可提高遥感图像解压缩后质量;图像质量一定的情况下,可以进一步降低数传带宽,增加在轨成像时间,进而提升遥感卫星在轨应用效能。     

一种基于支持向量机的小波图像压缩方法

提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.      

基于小波域的分形图像压缩

在分析产生块效应原因基础上,定义了一种度量块效应的客观方法.为了消除传统分形图像压缩中产生的块效应,提出先将原图像变换到小波域,再进行分形压缩.这种方法既继承了传统分形图像压缩的编码原理,又利用了小波变换的优良特性,从而取得了更好的压缩效果.此外,根据小波系数的能量分布特征,提出了一种加快相似匹配的方法.     

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。     

小波分析理论及其在雷达信号处理中的应用

依据所处理信号类型的不同,对小波变换与短时傅立叶变换进行了比较,说明小波变换适用于非平稳信号和奇异信号的处理.简要介绍了连续小波变换、离散小波变换和小波包理论的基本内容,讨论了小波变换实际应用中的采样和快速算法等几个关键问题.结合矢量量化技术,给出了一种用小波变换对星载SAR(Synthetic Aperture Radar)原始数据进行压缩的方法,结果表明,与传统的方法相比,由该方法压缩后的原始数据生成的SAR图像具有更大的信噪比.同时对小波变换用于雷达目标识别和SAR图像分类的性能进行了初步分析.      

基于区域小波变换的序列显微图像融合

利用图像处理技术实现序列显微图像的融合显示是解决显微成像焦深有限的有效方法.针对空域融合算法在处理离焦步长较大和透明显微图像时存在的块效应和重影现象,基于图像像素间高度的相关性和小波变换多分辨率分析的特点,提出了一种基于区域小波变换的序列显微图像融合算法:在小波变换域内进行序列显微图像融合时,不同频段选择不同的融合算子;在确定融合的小波系数时,不仅考虑到相应位置的小波系数,还考虑了与它相邻的小波系数,使得融合后图像克服了空域算法存在的块效应和重影现象.同时,研究了不同的小波滤波器对图像融合质量的影响.实验证明,该方法具有很好的融合效果.      

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.      

应用3D SPECK的视频编码方法

在基于提升格式的真三维小波包分解的基础上通过定义空间块结构, 实现了SPECK算法的真三维扩展。该方法不涉及运动估计和运动补偿, 具有计算量较小、编码快、低复杂的特点, 产生的视频流是完全嵌入的。实验结果表明该方法能够快速的高效的压缩视频图像, 是一种很有潜力的视频压缩编码方法。     

小波模拟退火-软阈值SAR图像降噪算法

提出了一种新的SAR(Synthetic Aperture Radar)图像降噪方法,利用小波变换对空间位置信息保留的特性,依据小波变换后近似图像仍满足吉布斯分布,将模拟退火算法引入到小波域中,首先,根据SAR功率图像斑点的特性,对传统的同态变换方法做出了相应的修正,大大降低了处理结果的辐射偏差,提高了等效视数,然后在多分辨率理论和小波变换理论基础上,选用适合特定图像的最优小波基进行分解,最后对小波变换后的近似图像进行模拟退火处理,对各个细节图像有选择地进行软阈值处理.实验证明,此方法比传统的小波降斑取得了更好的平滑效果,比传统模拟退火大大减少了处理的时间,同时对图像的辐射精度的保持,斑点的抑制,以及边缘保持都有较满意的结果.      

基于三维Saab变换的高光谱图像压缩方法

高光谱图像中存储了丰富的光谱信息,具有极大的应用价值,但现有大部分高光谱图像压缩方法难以同时兼顾图像中的空间冗余与谱间冗余,导致压缩性能受到局限。针对该问题,提出了一种基于三维修正偏置的子空间(Saab)变换的高光谱图像压缩方法。采用三维Saab变换对高光谱图像的分块进行空间光谱信息融合的降维操作,同时去除谱间冗余和局部空间冗余;利用高效率视频编码(HEVC)中的帧内编码模块进一步去除空间冗余和统计冗余;实现低失真、高比率的高光谱图像压缩。在多个高光谱图像数据集上的实验结果表明,所提方法在同码率下重建图像的信噪比(SNR)比采用主成分分析(PCA)降维的方法至少提高0.62 dB,在高码率的情况下性能优于张量分解的压缩方法。同时,验证了不同降维方法对分类任务的性能影响,结果表明,所提方法更好地保留了图像中的重要特征,在低码率的情况下仍可以保持较高的分类精度。      

改进PCA在热波图像处理中的应用

针对飞机结构隐藏腐蚀热波成像检测中出现的热像仪中有用数据较少、图像序列中腐蚀区域与非腐蚀区域对比不明显、信噪比较低等问题,提出了基于小波变换的改进PCA(Principal Component Analysis)算法.该算法对热图像序列中的每帧图像进行二进制离散小波变换,提取出低频部分的系数;对低频系数进行改进PCA分析,通过固定点算法并引入Gram-Schmidt正交化过程求解特征向量;令高频系数为零,抑制图像的噪声.实验结果表明:该算法充分利用了热像仪的有用数据,提高了图像的质量和信噪比,且计算时间较短.      

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。