基于小波变换的高光谱感图像压缩算法研究

摘要

随着遥感技术的不断发展和完善，获得大量遥感数据的遥感器不断涌现，并且向地面分辨率和光谱分辨率两个方向迅速发展，由此产生的一个明显问题就是如何从空间平台上传输这样庞大的遥感数据到地面。高光谱图像是由成像光谱仪在不同光谱波段获得的序列图像，在二维遥感图像的基础上又增加了光谱维的信息。这种高分辨率、连续谱段的图像具有极大的数据量，对传输和存储带来了困难。由于遥感信息非常宝贵，要求对信息恢复的准确程度较高，因此对其进行有效压缩就具有了更为重要的意义。论文主要关注于高光谱图像的无损压缩。
　　 论文首先介绍了光谱成像仪发展概况，然后分析了高光谱遥感图像的特性，将它和普通图像进行比较。实验结果表明，高光谱图像和普通图像相比具有纹理细节丰富，空间相关性差的特点，同时计算结果表明，它的谱间相关性很大。高光谱遥感图像的这些特性为后面的图像压缩提供了理论基础。
　　 论文算法的研究以小波变换为基础，采用基于提升格式的第二代小波变换技术对高光谱遥感图像进行处理。通过对小波变换的理论基础研究，我们知道将小波变换用于图像压缩时，所选小波基性能好坏直接影响到小波变换速度和图像压缩结果。在分析了各种小波基的性质后，选出双正交小波基(D5/3)用于高光谱遥感图像的压缩。根据光谱波段之间的相关性分析结果改进了固定值的波段分组方法，而是根据波段相关性重新分组。然后，对各组波段图像组织成数据立方体的形式进行三维小波变换，在去除图像空间相关性的同时，也去除了波段图像之间的相关性，从而进一步降低图像的熵值。再运用3D-SPIHT算法对三维小波系数进行编码，仿真实现无损压缩。
　　 根据高光谱图像的空间、谱间相关性和信息熵的特征，介绍了高光谱图像序列的三种表示方法，分析了不同表示方法的相关系数和图像信息熵的变化规律，论文提出D2PCM方法对高光谱图像序列进行去相关处理，同时降低图像的空间和谱间冗余。实验结果表明该算法提高了高光谱图像的无损压缩的压缩比，同时算法具有简单的优点。