时间型干涉超光谱数据压缩算法研究

摘要

遥感作为对地观测的主要实现手段，经过几十年的发展，已经从最初的全色遥感阶段发展到超光谱遥感阶段。干涉超光谱数据作为一种重要数据源，与可见光、红外等遥感图像的显著区别在于多了一个含有丰富光谱信息的光谱维，在对地观测、目标识别等领域得到了广泛应用。但是随着光谱分辨率的不断提高，成像光谱仪获得的数据量急剧膨胀，给数据的存储和传输带来了巨大压力，因此，研究超光谱数据的压缩和编码算法具有很现实的理论意义和重要的应用价值。
　　本文正是基于上述背景展开研究的，通过查阅大量国内外文献，确定了系统星载可行性以及数据压缩比作为主要研究方向，包括干涉超光谱数据预处理以及无损压缩两部分:
　　(1)超光谱数据预处理部分针对超光谱数据过采样的特点，对数据进行整数倍抽取进而减小数据量。首先，为了避免窗函数法设计FIR滤波器产生的频谱泄露现象，对常用方法进行对比，选择最适合超光谱数据特点的窗函数;其次，采用多相滤波器技术，将原始滤波器分解成多个子滤波器，与传统方法相比提高了处理速度;最后，为了提高星载可行性，对超光谱数据进行多级抽取，有效的解决了由于数据量大而导致处理时间长的问题。
　　(2)超光谱数据的无损压缩部分对图像的相关性进行了分析。空间相关性的分析结果表明，超光谱图像每个波段虽然都具有一定的空间相关性，但要低于普通的二维图像，不能将传统的压缩方法直接应用到超光谱图像上;对超光谱图像的谱间相关性分析则得出了谱间相关性远大于空间相关性的结论，因此在进行压缩时需要更多的注重去除超光谱图像光谱方向的冗余。根据相关性的分析结果，提出了基于最优谱间预测思想与LOCO-3D相结合的联合编码无损压缩算法，该算法是在DPCM与JPEG相结合的预测方法和LOCO-Ⅰ压缩算法的3D扩展形式的基础上进行改进的。
　　干涉数据预处理部分仿真结果表明，对超光谱数据运用加窗以及多级多相抽取技术提高了系统资源利用率。无损压缩部分通过与前两种改进算法的对比验证，本文提出的算法去相关效果明显，在压缩比和算法复杂度方面都有较大的提高。

目录

声明

摘要

第1章 绪论

1．1 超光谱图像研究背景及意义

1．2 超光谱图像压缩技术研究进展

1．2．1 基于预测的方法

1．2．2 基于变换的方法

1．2．3 基于矢量量化的方法

1．3 论文的研究内容

1．4 论文的结构安排

第2章 干涉图像特征分析及图像压缩理论

2．1 干涉超光谱图像基本知识

2．1．1 干涉超光谱图像获取

2．1．2 干涉超光谱成像原理

2．1．3 干涉超光谱图像特点

2．2 图像压缩的基本理论

2．2．1 图像压缩基本理论

2．2．2 基于预测方法的无损压缩

2．3 图像压缩评价标准

2．3．1 信号压缩比

2．3．2 图像失真度

2．3．3 算法复杂度

2．4 本章小结

第3章 干涉超光谱数据的预处理

3．1 干涉超光谱数据抽取

3．1．1 信号的抽样

3．1．2 窗函数法设计抗混叠滤波器

3．2 多相滤波器的实现

3．2．1 滤波与抽取的互换

3．2．2 FIR滤波器多相分解

3．3 干涉超光谱数据的多级抽取技术实现

3．3．1 带通抽样原理

3．3．2 干涉超光谱数据的多级抽取技术

3．4 干涉超光谱数据预处理仿真结果分析

3．4．1 窗函数设计滤波器性能分析

3．4．2 多级抽取技术仿真验证

3．4．3 干涉信号预处理后失真度分析

3．5 本章小结

第4章 基于最优谱间预测与LOCO-3D联合编码的压缩算法

4．1 干涉超光谱数据的相关性分析

4．1．1 空间相关性分析

4．1．2 谱间相关性分析

4．1．3 谱间相关性排序

4．2 针对超光谱相关性的三维预测器无损压缩算法

4．2．1 基于LOCO-3D的超光谱无损压缩算法

4．2．2 基于DPCM与JPEG相结合的超光谱无损压缩算法

4．3 基于最优谱间预测与LOCO-3D联合编码的无损压缩算法

4．4 基于联合编码压缩算法的性能分析

4．4．1 无损压缩算法的预测残差比较

4．4．2 无损压缩算法的压缩比比较

4．4．3 无损压缩算法的运行时间比较

4．4．4 基于联合编码压缩算法的失真度分析

4．5 本章小结

第5章 结论与展望

5．1 本文工作总结

5．2 未来工作展望

参考文献

致谢

作者攻读硕士学位期间发表的论文、专利及参与项目情况