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。     

机载高分辨率遥感图像实时压缩系统研究

介绍了图像压缩系统的5种主要架构,分析、比较了这5种架构的优缺点。基于现场可编程门阵列(FPGA)的图像压缩系统架构,提出了一种适合机载应用的高分辨率遥感图像实时压缩系统,该系统具有体积小、功耗低的特点。另外,还针对JPEG-LS(JPEG-Lossless)算法的特点,提出了一种简单有效的位率控制和抗误码方法,并在基于VIRTEX-ⅡFPGA的实时压缩系统中进行了具体应用,实现了机载遥感图像的无损和近无损图像实时压缩。该系统预留了充分的硬件资源,可支持EZW和SPIHT等复杂度较高的高倍率图像压缩算法的应用。     

卫星遥感图像无损压缩技术改进方法

采用预测原理的JPEG-LS无损压缩算法存在着固有的误码扩散现象,会影响其在卫星工程中的应用,且基于整幅图像预测的压缩算法还存在较大的处理时延,难以满足遥感图像实时性应用需求。文章对JPEG-LS无损压缩算法进行了改进,提出了采取分块压缩的措施来抑制误码扩散同时降低图像处理时延的方法,并利用风云四号(FY-4)卫星扫描图像对改进的JPEG-LS无损压缩算法进行了验证。结果表明:改进的JPEG-LS无损压缩算法可在有效抑制误码扩散的条件下,实时无损地将卫星遥感图像数据量压缩至一半左右。可为卫星遥感图像无损压缩技术的改进及工程应用提供参考。     

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。     

基于EREC与解码自截断的小波图像抗差错传输技术

针对SPIHT算法抗误码性能差的缺陷,提出一种可以有效提高其抗误码性能的方法。对以完全子树方式编码后的子树码流采用EREC算法重新组织,解码过程引入自截断机制,发现违反约束关系的数据时,立即结束当前子树解码。仿真实验表明,采用该方法能够更加有效地抑制误码扩散,得到更好的抗误码性能。     

基于空域结构渐进描述的图像压缩算法

目前通用的变换域图像压缩算法由于其工作原理导致其在压缩具有丰富纹理细节的遥感图像时质量不高,为了满足当前航天遥感技术的需要,提出了一个基于在空间域上对图像结构进行渐进描述的图像压缩算法。该算法把分块图像根据其内部的纹理复杂程度分为平坦、粗纹理和细纹理3种模式,并利用纹理简单模式叠加修正的方式来渐进地描述纹理复杂模式。在压缩细节纹理较少的图像时,该算法的结果与基于小波变换的典型算法SPIHT相当,而在压缩纹理细节丰富的图像时,该算法明显优于SPIHT算法。     

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。     

CCSDS在遥感图像压缩中的应用研究

针对空间光学遥感数据特点,设计适合于星载光学遥感器数据压缩的算法目前仍然是一个研究热点。CCSDS压缩是适合于空间光学遥感数据压缩的最新标准。该标准由空间数据系统咨询委员会于2005年推出,从空间数据特点出发,可以有效解决数据压缩的问题。另外,利用该压缩标准可以更好的跟CCSDS的其他标准兼容。文章针对该压缩标准进行研究,对算法的实现过程进行了分析,并将该算法的实验结果跟其它的压缩算法做了比较,结果表明,该算法压缩效果与JPEG2000相当,但算法复杂度较低,易于硬件实现,符合星载压缩的实时处理要求。     

离散余弦变换及小波变换在遥感图像数据压缩中的应用

研究了ＤＣＴ及小波变换在遥感图像数据压缩中的应用。在ＤＣＴ应用中，提出了分类ＤＣＴ编码方案，有效地解决了方块效应，获得了良好的恢复图像。在小波变换应用中，结合小波分解后数据的特点，提出改进型零树编码方案；为了实际的应用，提出了分块小波编码方法，为了满足遥感图像压缩的要求，提出ＤＣＴ＋小波编码方案，并分析了其优缺点。最后总结全文，得出了一些有益的结论，为星载数据压缩的工程实现提供了理论根据。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

“资源三号”卫星图像影像特征匹配方法研究

随着中国遥感卫星的迅速发展,要求影像几何质量评价方法可以在待评图像和参考图像间提取出精确且分布均匀的控制点信息。文章提出一种基于多源、高精度遥感图像的特征点匹配方法。该方法首先用加速稳健特征（Speeded Up Robust Features,Surf）算法对＂资源三号＂卫星图像和参考图像进行粗匹配以建立两幅图像间的整体几何关系,通过对相同区域进行wallis滤波增强图像纹理信息,然后用Surf算法进行特征点的提取和匹配,最后利用对极几何约束剔除误匹配点。试验结果表明,该方法可以全自动、快速和精确的提取影像控制点。     

改进暗通道遥感影像去雾方法及效果分析

遥感影像的预处理工作是遥感数据应用的基础。去除云雾是影像预处理工作的重要组成部分。针对遥感影像雾霾浓度分布不均匀的问题,提出一种改进的暗通道遥感影像去雾方法。以"高分一号"(GF-1)卫星为例,根据影像灰度图中的灰度值对影像雾霾浓度区域进行划分,对每个区域中暗原色值的获取方式进行改进,使用导向滤波优化大气传输率,以归一化植被指数(NDVI)为基础,设计用于评价影像去雾质量的定量指标。结果表明:所提出的方法能明显去除雾霾干扰,有效改善卫星影像数据的视觉效果,增强影像细节。该方法去雾处理后的遥感数据能应用于定量遥感,提高遥感影像的可用性及有效性。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

基于图像复杂度分类的卫星遥感图像信息隐藏

以卫星遥感图像作为载体图像,提出了一种基于图像复杂度分类的信息隐     

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