基于联合MSE和分类失真测度的高光谱图像压缩方法研究

摘要

随着人类科学技术的进步,遥感技术的应用也日益增多。其中遥感高光谱(Hyperspectral)图像能同时收集从可见光到近红外波段范围内的光谱信息,具有较高的光谱分辨率。因此,它能解决许多多光谱图像不能解决的问题,是遥感技术应用的一个重大飞跃。但随着遥感高光谱图像日益广泛的应用,与此同时也带来了数据量的海量增长,庞大的数据量给存储和传输都带来了巨大的困难。因而进行良好有效的高光谱图像数据压缩是十分必要的。遥感图像不同于一般的视频图像,它除了为人眼视觉系统服务,同时也是为某种特殊的应用服务。而一般在遥感图像压缩研究中,主要考虑的都是如何在一定压缩比情况下使图像质量达到最佳,即获得较小的均方误差(MSE,Mean Square Error),较大的信噪比。但是对于高光谱图像而言,任何一幅压缩的高光谱图像最后均要用于一定的实际用途,比如分类就是目前比较广泛的一种应用。基于分类应用,在压缩中不能仅仅考虑以通常的MSE最小准则为压缩的衡量指标,同时也要研究兼顾分类作为压缩的评价指标,研究基于分类应用条件下的高光谱图像压缩系统。本论文首先分析了高光谱图像的数据特点。高光谱图像的特性是对高光谱图像进行压缩的基础。高光谱图像具有很多不同于一般图像的特性,其中重点分析了高光谱图像空间相关性、谱间相关性以及高光谱图像的数据维特点。归纳了压缩中常用的各种测度,重点分析了基于MSE和基于分类的压缩评价测度,为论文的进一步研究奠定了理论基础。小波分析是目前比较流行的一项技术,它具有较强的去冗余能力,良好的时频分析特性, SPIHT算法能够较好的结合小波的这种特性。因此,论文中,结合高光谱图像的特性,研究了三维小波SPIHT变换编码的压缩算法。实验证明该方法具有能量集中程度高,编码解码过程简单等优点,在码流截断的每一情况下所显示的三维图像质量都是当时解码器输入位数所能获得的最佳图像,获得了较好的重建图像质量效果。针对一般的高光谱图像压缩方法中都只考虑了如何使均方误差最小而没有联系后续的分类应用这一问题,本文研究了一种联合MSE和分类失真测度的高光谱图像压缩方法。这种方法不仅考虑了重建图像的恢复质量,而且兼顾考虑其后续的分类应用,较好的保存了分类信息,用信噪比和分类精度两种评价准则来衡量基于分类应用的压缩系统的性能。同矢量量化方法和三维小波SPIHT变换编码方法相比较,这种新的压缩方法在保证良好的信噪比和峰值信噪比的情况下,达到了大幅度提高分类精度的目的,从而实现了联合MSE和分类失真测度下的高光谱图像的有效压缩。

目录

摘要

Abstract

第1章 绪论

1.1 课题背景

1.2 课题来源及研究的目的意义

1.3 国内外该方向上的研究发展现状与分析

1.3.1 高光谱图像压缩编码技术研究发展现状及分析

1.3.2 基于MSE测度和分类失真测度的压缩技术的发展现状及分析

1.4 本文研究的主要内容和结构安排

第2章 高光谱图像特性及高光谱图像压缩测度研究

2.1 引言

2.2 高光谱图像特性分析

2.2.1 高光谱图像的空间相关性分析

2.2.2 高光谱图像的谱间相关性分析

2.2.3 高光谱图像的数据维分析

2.2.4 高光谱图像的信息量分析

2.3 高光谱图像压缩中的评价测度

2.3.1 基于主观的评价测度

2.3.2 基于MSE的评价测度

2.3.3 基于光谱角的评价测度

2.3.4 基于分类的评价测度

2.4 本章小结

第3章 三维小波SPIHT算法在图像压缩中的应用

3.1 引言

3.2 小波变换和SPIHT编码算法的原理

3.2.1 小波变换的基本原理

3.2.2 SPIHT编码算法的基本原理

3.3 三维小波SPIHT算法在高光谱图像压缩中的应用

3.4 实验结果与分析

3.5 本章小结

第4章 联合MSE和分类失真测度的高光谱图像压缩方法

4.1 引言

4.2 矢量量化方法的原理和特点

4.3 联合MSE和分类失真测度的高光谱图像压缩

4.3.1 压缩实验框图

4.3.2 实验具体过程

4.4 实验结果与分析

4.5 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢