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。     

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。     

基于合成特征参数的雷达信号聚类分析

针对截获的雷达辐射源脉冲数据提出了一种基于特征参数合成的聚类算法。算法利用全脉冲数据的特征参数,通过对每一个特征参数的分选计算出该参数的加权系数。通过加权系数对每一个特征参数的加权得到合成的特征参数,并利用合成参数对脉冲进行聚类。仿真试验表明该算法能够实现对信号的聚类分选,采用编码的方式有利于降低噪声的影响。     

采用矢量量化法压缩SAR图像

介绍了一种对具有丰富信息的图像进行的编码的简单、精致算法，该算法易于对不同的目标编码，利用目标类与背景不同的目标空间研究了用于压缩合成孔径雷达（SAR）图像的目标空间编码方法。研究了编译背景信息的变速残差矢量量化（VQ）算法。试验结果表明，该算法非常有效，所提出的编码方法可使压缩与图像的最终应用相匹配，因此，该编码方法是目标识别与目标分类的方法。     

基于邻域灰度熵和分类的红外弱小目标检测

根据红外图像弱小目标和背景特征,提出了基于邻域灰度熵和分类的红外弱小目标检测方法。先对红外小目标图像进行复Contourlet去噪,并设计一滑动窗口扫描整幅图像,将滑动窗口内的像素分为目标和背景两类,利用两类的灰度均值差及窗口中心像素的邻域灰度熵进行背景抑制,再用指数交叉熵阈值法分割出小目标。实验证明该方法简单有效,易于硬件实现。     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

非规则LDPC码译码量化问题研究

对应用于国家数字电视地面传输标准的非规则LDPC码的log-BP译码算法实现中的量化问题进行研究,针对三种不同的编码效率的码字,对接收数据和中间变量进行均匀和变精度量化方案设计,并在高斯信道上仿真。通过对误码率和译码硬件复杂度两方面的对比和优化,得出了标准采用的LDPC码log-BP算法量化的实用性结论,作为硬件实现及其他应用的重要依据和参考。进一步指出对中间变量采用“变精度量化”方案,可使误码率非常接近无量化处理。     

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。     

一种基于分类DCT的SAR图像压缩算法

提出了一种基于分类 DCT的 SAR图像压缩编码算法 ,该算法在国际静止图像压缩标准 JPEG基础上 ,将图像划分为平坦区域和波动区域 ,依据人的视觉生理特点 ,对不同区域采用不同的量化编码方式 ,结果 ,既可以获得较高的压缩比 ,同时也可保证良好的视觉效果。实验结果验证了算法的有效性     

基于FPGA的高速并行DVB-S2标准LDPC译码

最新的CCSDS、DVB-S2等相关卫星标准都采用低密度校验(Low Density Parity Code,LDPC)码,其中DVB-S2中LDPC码由于码字长、码率多,不易于硬件实现。文章针对该码校验矩阵特性,给出一种基于改进最小和算法的高速并行译码器的FPGA实现方案。方案采用180并行,6bit位宽,在20次迭代下,基于Xilinx SC5VSX95T芯片的测试表明:设计方案支持200 MHz的时钟频率。     

基于条带的小波变换遥感图像压缩编码算法的改进

星载遥感图像压缩传输技术是星载系统的关键之一。文中介绍空间数据咨询委员会 CCSDS提出的基于条带的遥感压缩建议算法原理 (CNES) ,分析该算法的特点和压缩性能 ,对该算法中量化和熵编码部分的缺陷进行了简单的改进。实验表明 ,改进后的算法性能优于原有算法。     

引入图像复原技术的遥感卫星图像压缩解码算法

针对遥感卫星基于小波变换的光学图像有损压缩算法,提出了一种引入图像复原技术思路的算法,对遥感图像解码处理过程中获得的低频信息进行复原,可以获得更多的用于在频域范围内描述图像结构信息的高频分量增益,从而提升整个解码图像的质量。通过此算法与传统的小波压缩算法进行对比,结果表明:压缩恢复图像的峰值信噪比(PSNR)较传统算法有0.1~0.3dB的改善,压缩恢复图像表现出更为丰富的纹理特性,可降低对遥感卫星图像数据处理和天地链路数据传输的要求。     

顾及不确定性分析的多数投票 SAR 影像变化检测

合成孔径雷达（Synthetic Aperture Radar，SAR）影像变化检测是遥感领域的一个重要研究方向。文章以投票法（Majority Voting，MV）为基础，提出一种全新的顾及不确定性分析的SAR影像变化检测方法（Uncertainty Analysis-based MV，UAMV）。首先选取三组典型的差分影像生成算法，生成三组互补的差分影像。然后使用模糊C均值聚类估算每组差分影像的关于变化类和未变化类的模糊隶属度函数。最后用模糊集合和信息熵理论优化MV，构建顾及不确定性分析的多数投票法，并用所构建方法融合三组差分影像的模糊隶属度函数，生成变化检测图。为验证文章方法的有效性，通过三组真实SAR影像数据进行实验分析。实验结果表明：1）通过用信息熵分析MV融合过程中的不确定性，能够显著提高MV的变化检测性能；2）与7种现有相关算法相比，UAMV方法能够取得更优的变化检测结果。该研究为SAR影像变化检测提供一种新的思路和方法。     

适合空间应用的高速图像压缩核设计

针对空间遥感图像压缩的具体应用,给出了基于CCSDS ［1］ 算法的 高速图像压缩核的设计和实现。对CCSDS算法的实现方法进行了优化,算法的VLSI架构 设计充分利用了流水和并行技术,使处理速度相比串行方式平均提高了40倍。压缩验证系统 实验结果表明压缩核在编码效率、处理速度和容错能力上均具有较高的性能,50MHz频 率下压缩核的数据处理速度可达12.5Mpixels／s。     

基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”十涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像而”干涉圈序列的压缩算法．很好地控制了光谱信息的失真。     

基于支持向量机的无参考遥感图像质量评价方法

针对遥感图像主观评价方法的低效率以及常用客观评价方法无法充分考虑人眼对图像的感知特性的问题,文章提出了一种基于支持向量机的无参考遥感图像质量（quality）评价方法。首先建立遥感图像主观评价库,然后在不需要图像失真信息的基础上,利用支持向量机（SVM）将图像的失真类型分为三类,并对每类进行单项评价,再通过加权得到遥感图像的总评分,最后将本文方法、信噪比与信息熵的评价结果回归到主观评价空间并进行对比。实验证明,文章所提方法能客观地评价遥感图像的质量,且优于信噪比和信息熵两种质量评价方法,其结果与人眼视觉感受相符。     

顾及不确定性的多光谱遥感图像分类及其不确定性度量和表达

针对传统遥感图像分类方法缺乏考虑空间自相关性、分类模糊性以及分类误差的空间表达的缺点，采用顾及空间数据的空间自相关性和分类模糊性的邻域EM算法进行多光谱遥感图像分类。构建了四个不确定性度量指标一模糊隶属度残差、相对模糊隶属度最大离差、模糊隶属度熵和相对模糊隶属度熵对其分类的不确定性进行度量和可视化表达，克服了采用误差矩阵和Kappa系数进行传统遥感图像分类精度评价缺乏空间信息分布的不足。