基于超光谱遥感图像三维特征的压缩方法研究-光学工程专业论文.docxVIP

中国科学院博士学位论文：基于超光谱遥感图像三维特征的压缩方法研究摘要 中国科学院博士学位论文：基于超光谱遥感图像三维特征的压缩方法研究 摘要 在对地遥感观测中，超光谱遥感图像是一种重要的数据源，在军民两方面都 有广泛的应用。由于超光谱遥感图像的数据庞大，在存储和传输过程中必须进行 压缩处理，而超光谱遥感图像作为三维立体图像不同于二维普通图像，其特点是： 超光谱遥感图像同时具有空间相关性和谱间相关性，其中谱间相关性高于空间相 关性。由于目前还没有形成一套成熟或标准的超光谱图像压缩技术，本文对超光 谱遥感图像的压缩算法进行研究。 首先介绍了针对超光谱图像的一般压缩算法，分别是变换压缩技术、矢量量 化技术和预测编码技术三种。对几种典型无损压缩算法的压缩比进行比较，发现 无损压缩时预测算法优于变换算法，但预测算法仅针对二维平面，去除三维相关 性的能力有限，因此需要针对超光谱图像特点设计三维预测方法。 将图像二维预测推广到三维预测时，通过借鉴去相关的各种方法，分别设计 了三维最优组合预测，三维局部上下文预测和基于谱间上下文预测算法。其中最 优组合预测方法，无需考虑谱内与谱间预测精度的不同，只要进行最优组合就有 较高的预测精度，缺点是需要对谱内和谱间的预测误差进行统计，无法满足实时 性要求；而采用局部上下文模型预测方法，进行三维预测时，势必要牺牲光谱维 的预测精度，从而降低整体预测精度，使残差图像的行、列及谱间相关性较高， 三维去相关能力有限；谱间上下文预测方法，针对超光谱图像谱间相关性强的特 点，把谱间像素值作为预测基准值，通过考察与判断谱间变化趋势对预测基准值 进行修正，设计的三种谱间上下文预测模型(谱间梯度、谱问增益、谱间LOCO—I) 的预测效果均好于局部三维上下文预测方法。其中谱间L，0CO—I预测算法继承 了中值边界检测(MED)的优点，三维方向上去相关能力最佳。 位平面变换是全新的变换技术，为克服谱间一维位平面变换时只在相邻像 素值接近才会有去相关能力的缺点，本文提出了三维位平面变换算法，首先对位 平面矩阵进行水平方向上的同或运算，然后再将所得到的矩阵进行垂直方向的同 或运算，最后对空间位平面变换结束后所得到的变换矩阵还要进行谱间位平面变 换。三维位平面变换与谱间位平面变换一样，易于硬件实现，位平面变换过程中 所进行的运算为逻辑运算，各位的变换矩阵均可独立地进行运算和编码，具有并 行性。 关键词：超光谱遥感图像，图像压缩，三维预测，三维位平面变换 中国科学院博士学位论文：基于超光谱遥感图像三绻特征的压缩方法研究ABSTRACT 中国科学院博士学位论文：基于超光谱遥感图像三绻特征的压缩方法研究 ABSTRACT In the earth-observing remote sensing systems，hyper-spectral remote sensing images important data SOltrces，which have widespread military and civil applications．Due to their huge magnitude of data，it is necessary to compress hyper-spectral images in applications．As 3-D images，hyper-spectral images different from general 2-D images．They have both spatial correlations and spectral correlations and in which the spectral correlations are stronger than spatial correlations．Presently there is no mature or standard compression technique for hyper-spectral images．In this paper,the algorithms for hyper-spectral remote sensing image compression are proposed． Firstly,three kinds of general compression algorithms for hyper-spectral images are presented，which transform compression，vector quantization and prediction compression algorithms．The comparison of compression ratios