多波段计算LAIS和查找表预测值校正的高光谱图像压缩算法

摘要

为进一步提高 LAIS-LUT算法的压缩比，针对该算法只使用当前波段的前一波段图像计算局部平均谱间比例（LAIS），而没有考虑在其他波段可能会求出更准确的LAIS的问题，提出了基于多波段计算LAIS的方法。利用当前波段的前三个波段图像，通过比较图像在当前点局部范围的相关性，选择相关性最高的图像进行LAIS的计算，从而可能获得一个更准确的LAIS。此外，为进一步减少残差，在获得查找表预测值后，增加了对预测值的两次校正：第一次校正采用查找表预测值和LAIS计算得到的参考值进行加权平均作为新的预测值；在进行第二次校正之前，先根据当前点周围点的信息，对当前点的谱间梯度的取值范围做出预测，如果使用当前预测值算出的谱间梯度在此范围内，则无需第二次校正；否则采用当前预测值与通过谱间梯度预测计算出的预测值的加权平均值作为最终预测值。编码采用自适应算术编码。实验结果表明，本文的算法比传统的LAIS-LUT算法压缩效果有一定提高。

目录

声明

致谢

1 引言

1.1 课题研究的背景及意义

1.2 二维图像压缩方法概述

1.3 高光谱图像压缩研究现状

1.4 论文的主要内容与结构

2 高光谱图像压缩相关理论

2.1 高光谱图像介绍

2.2 高光谱图像压缩理论

2.3高光谱图像压缩效果评价

2.4 本章小结

3 多波段计算LAIS与查找表预测值校正的高光谱图像压缩

3.1 基于查找表的高光谱图像压缩

3.2 基于LAIS-LUT的高光谱图像压缩

3.3 利用多波段的LAIS的计算

3.4 预测值的校正

3.5 计算残差与编码

3.6 本章小结

4仿真实验与分析

4.1实验图像

4.2图像像素值的变化规律

4.3局部图像最高相关性统计

4.4图像像素点局部梯度变化规律分析

4.5预测值校正权值设定对压缩效果的影响

4.6残差分布

4.7算法压缩比

结论

参考文献

作 者 简 历

学位论文数据集