离散小波变换域非负张量分解的高光谱遥感图像压缩.pdfVIP

第35 卷第2 期 电 子 与 信 息 学 报 Vol.35 No.2 2013 年2 月 Journal of Electronics Information Technology Feb. 2013 离散小波变换域非负张量分解的高光谱遥感图像压缩 李 进*①② 金龙旭① 李国宁① ①(中国科学院长春光学精密机械与物理研究所 长春 130033) ②(中国科学院研究生院 北京 100039) 摘 要：该文提出一种基于非负张量分解的高光谱图像压缩算法。首先将高光谱图像的每个谱段进行2 维离散5/3 小波变换，消除高光谱图像的空间冗余。然后将所有谱段的每级小波变换的4 个小波子带看作为4 个张量。对每个 小波子带张量采用改进HALS(Hierarchical Alternating Least Squares)算法进行非负分解，来消除光谱冗余和空间 残余冗余，同时保护了光谱信息。最后，将分解的因子矩阵进行熵编码。实验结果表明，该文提出的压缩算法具有 良好压缩性能，在压缩比32:1~4:1 范围内，平均信噪比高于40 dB，与传统高光谱图像压缩算法比较，平均峰值 信噪比提高了1.499 dB。有效地提高了高光谱图像压缩算法的压缩性能和保护了光谱信息。 关键词：遥感图像处理；高光谱图像压缩；2 维离散小波变换；改进HALS；非负张量分解 中图分类号：TP751 文献标识码： A 文章编号：1009-5896(2013)02-0489-05 DOI: 10.3724/SP.J.1146.2012.00812 Hyper-spectral Remote Sensing Image Compression Based on Nonnegative Tensor Factorizations in Discrete Wavelet Domain ①② ① ① Li Jin Jin Long-xu Li Guo-ning ① (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China) ② (Graduate University of Chinese Academy of Sciences, Beijing 100039, China) Abstract: A hyper-spectral image compression algorithm based on nonnegative tensor factorizations is proposed in this paper. First, every band of hyper-spectral images is decomposed by 2D 5/3 discrete wavelet transform to reduce the space redundancy of hyper-spectral images. Then, the four DWT sub-bands of the each level DWT for all spectral coverage are used as four tensors. And each sub-band tensor is decomposed by the proposed improved Hierarchical Alternating Least Squares (HAL