陆地遥感卫星高光谱图像无损压缩研究

摘要

随着遥感技术的迅速发展，人们将研究地表信息的能力由陆地延伸到太空，通过陆地遥感卫星获得的高光谱图像已被广泛应用于调查地下矿藏及资源，考察农作物的生长及农业发展，监测和预警严重的环境污染和自然灾害的发生，绘制各种地质地貌图。高光谱图像的应用范围越来越来越广泛，迫使了高光谱成像技术的快速进步，同时对陆地遥感卫星高光谱图像质量的要求也不断提高，空间分辨率和光谱分辨率有了大幅度增长，进而导致高光谱数据量的迅速增加。陆地遥感卫星上的有限星载存储器容量和卫星传输信道带宽与高光谱图像的巨大数据量之间的矛盾，以及陆地遥感卫星高光谱图像中丰富的地物特征信息和长期广泛的应用价值，使高效的高光谱图像无损压缩技术成为亟待解决的问题。
　　由于高光谱图像具有较大谱间冗余信息，本文提出了一种对高光谱遥感图像利用基于混合预测的算法进行无损压缩的方法。第一谱段采用中值预测器模型进行谱内预测；对于其他谱段采用线性预测与上下文模型预测相结合的谱间混合预测，线性预测是通过二阶线性预测器模型得到预测参考值，上下文预测是根据预测参考值利用上下文预测模型预测得到最终预测值；最终采取熵编码的编码方式对预测得到的残差图像进行编码以得到可以用来传输和存储的比特流。选择标准的AVIRIS高光谱遥感图像为仿真测试图像进行无损压缩的实验结果表明：利用该方法能够取得较好的无损压缩效果，平均压缩比达到3.17，与现有的无损压缩方法3D-CALIC、LUT、C-DPCM、JPEG-LS相比，平均压缩比提高了0.05~0.48，是一种高效的高光谱图像无损压缩方法。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1研究背景及意义

1.2高光谱图像压缩技术的发展概述

1.3 主要研究内容及章节安排

第2章 高光谱图像特性分析及无损压缩理论

2.1 高光谱图像介绍

2.2 高光谱图像的空间相关性分析

2.3 高光谱图像的谱间相关性分析

2.4图像无损压缩理论

2.5 本章小结

第3章 基于预测方法在高光谱图像无损压缩中的应用

3.1 基于统计的预测算法

3.2 基于上下文的预测算法

3.3 预测树算法

3.4 本章小结

第4章 基于混合预测的高光谱图像无损压缩

4.1 高光谱图像的无损压缩方案

4.2 谱内预测器

4.3 谱间混合预测

4.4 图像压缩性能的评价

4.5 实验结果分析与性能比较

4.6 本章小结

第5章 总结与展望

参考文献

作者简介及科研成果

致谢