基于光谱分类和局部DPCM的干涉超光谱数据.pdfVIP

第3 光谱学与光谱分析 1405 and May，zui3 01 3 5 SpectralAnalysis 3卷≯5背年 月 Spectroscopy 基于光谱分类和局部DPCM的干涉超光谱数据压缩 涂小龙1’2，黄 曼1，吕群波1，王建威1’2，裴琳琳1’2 1．中国科学院光电研究院，北京100094 2．中国科学院大学，北京100049 摘要为了获得较高的压缩比，针对干涉超光谱图像数据的空间维…父。H-和干涉光谱维相关性，提出了 一种将光谱分类与局部DPCM相结合的联合压缩算法。先对整个光Ⅲ数川进行光谱分类，得到一个与二维 空问对应的分类号矩阵和一个与干涉光谱对应的光谱类别库，然后利J}{J南部DPCM对光谱类别库进行进一 步压缩。分类作为第一步压缩对整个压缩算法的压缩效果至关重要，本文分析了不同分类标准和分类精度 下的压缩效果，相对欧氏距离标准优于夹角标准和于涉RQE标准。文中最后选取了合适的分类标准编程实 现联合压缩算法并与JPEG2000进行比较，联合压缩算法的压缩效果优于JPEG2000。 关键词 干涉超光谱数据；数据JE缩；光谱分类；DPCM 中图分类号：TP751文献标识码：A DOI：10．3964／j．issn．1000—0593{2013}05—1401—05 像素点干涉曲线求平均，并在目标简单时直接替代同类目标 引 言 十涉曲线，在目标复杂时求二者差值编码，实际处理模拟数 据在目标简单时压缩比101时平均RQE为0。11％，在目标 光谱成像具有二维空间信息和一维光谱信息，由于不同 的地物目标对应的光谱存在差异，从而能利用光谱维信息对 虽然失真度较低，但压缩比也不高，当要求压缩比很高 地物目标进行识别和分类，具有极高的应用价值。其中，干 Ex— (10：1)时，～般使用JPEG2000(JointPhotographic 涉光谱成像技术在具有多通道[1]、高通量和高测量精度等诸 pertsGroup2000，联合图像专家小组2000)压缩，但其失真 多优点的同时又具有数据量大的特点，由于遥感应用中数传 度较高，压缩比34．8时RQE为3．83％。 能力的限制，必须对干涉光谱数据进行压缩[2]。 本文在研究分类压缩算法的基础上，深入分析了分类标 干涉光谱数据的特殊性使高光谱数据压缩中一些常用的 准和分类精度对压缩效果的影响，完善了已有的分类压缩算 压缩方法并不适用，要获得良好的压缩效果，就必须根据干 法，同时利用分类压缩没有破坏干涉光谱维相关性的特点， 涉光谱数据的特点进行处理，目前常用的压缩方法有差分脉 提出了一种将分类压缩算法与局部DPCM相结合的联合压 code 冲编码(differentialpulse modulation，DPCM)[3]、光谱缩算法，实现了一定失真度下的高压缩比，取得了很好的压 缩效果。 插值预测与量化编码[2]、基于分类的压缩方法“o等。DPCM 利用预测误差编码位数N小于原始图像编码位数M的特点 进行压缩，压缩比限制于M／N，对环境卫星超光谱数据处 1失真度评价指标 理，压缩比1．64时平均RQE为0．16％；光谱插值预测与量 化编码算法利用干涉图零光程差附近点包含绝大部分光谱信 为了衡量压缩前后光谱数据的差异，需要引入