基于异常特征保护的高光谱图象压缩方法研究

摘要

高光谱遥感(Hyperspectral Remote Sensing)技术的发展是20世纪80年代人类在对地观测方面所取得的重大技术突破之一。它可以获得近似连续的光谱信息，覆盖整个可见光至近红外的(0.4-2.4微米)光谱范围。正由于高光谱图象的庞大数据量给存储和传输带来了巨大挑战，这样研究高效的高光谱图象压缩方法以减少存储和传输的压力是十分必要的。高光谱图象较一般遥感图象并不是数据量的简单累加，而是信息量的倍增，从而实现了地物目标间极微小差异的精细识别。但往往庞大的数据中只有部分异常特征(Anomaly Signature)在目标精细识别和地物准确分类等应用中起到关键作用，所以准确提取这些异常特征，并加以保护压缩对后期应用和减少存储传输压力都是十分重要和有意义的。本文基于以上背景对高光谱图象的异常特征保护压缩方法展开了研究。
　　首先对高光谱图象成像原理进行研究，进而对其特征进行分析，包括空间相关性特征、谱间相关性特征以及光谱异常特征分析。基于以上基础理论，本文针对传统光谱特征提取方法存在对噪声敏感、无法表征非平稳信号的时频局域性质的缺陷，研究了一种在小波变换域分析并提取异常特征的方法。利用小波变换具有空频局部化和多分辨率的特点，在各级高频分量中分析异常特征。改变小波分解级数进行多次实验得到异常特征在高频信息中的位置对应关系。根据频率对应关系定量计算得到分析指定异常特征的最佳小波变换分解级数，提取异常特征。
　　其次，对高光谱图象空-谱联合压缩方法进行了研究。首先对三种典型的三维去相关组合形式进行了比较实验，包括结构形式、能量分布和编码性能。根据高光谱图象三维数据不对称及 K-L变换计算复杂的特点，本文研究一种空间维二维小波变换加光谱维低复杂的K-L变换组合方法去除高光谱图象冗余信息。采用部分数据计算协方差矩阵实现低复杂度 K-L变换。改变不同采样值在不同压缩比情况下进行实验，验证方法的有效性。
　　最后，研究关键信息保护的高光谱图象压缩方法。针对现有标准的提升方法存在感兴趣区域提升系数不灵活和增加传输量的缺点，研究了一种可控位平面交叉提升方法，该方法引入两个参数，通过调节两个参数值实现灵活控制图象压缩质量，并改变参数进行多次实验证明其优越性。结合第2章研究内容，在小波变换域各个分解层提取位置信息构建三维感兴趣信息掩膜，最后采用树结构编码方式实现感兴趣信息保护压缩。

目录

基于异常特征保护的高光谱图象压缩方法研究

RESEARCH ON COMPRESSION METHOD FOR HYPERSPECTRAL IMAGES BASED ON ANOMALY SIGNATURE PROTECTION

摘 要

Abstract

目 录

第1章 绪 论

1.1 课题背景及研究目的和意义

1.2 国内外在该研究方向上的研究现状

1.3 论文主要研究内容和结构安排

1.4 论文所用实验数据

第2章 高光谱图象光谱特征变换提取技术研究

2.1 高光谱图象成像机理

2.2 高光谱图象的相关性分析

2.3 异常特征提取技术研究

2.4 本章小结

第3章 高光谱图象空-谱联合压缩方法研究

3.1 霍特林(K-L)变换及小波变换介绍

3.2 三维去相关组合形式分析

3.3 基于小波变换和低复杂度K-L变换的三维去相关算法

3.4 本章小结

第4章 基于关键信息保护的压缩方法

4.1 可控位平面交叉提升方法研究

4.2 三维感兴趣信息掩膜计算

4.3 感兴趣信息保护压缩的实现

4.4 本章小结

结 论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致 谢