高光谱影像压缩及区域分割技术研究

摘要

空间遥感技术的发展在经历了由黑白（全色）、彩色、多光谱成像三个阶段后，在二十世纪八十年代初进入了一个新阶段，即高光谱遥感阶段。高光谱遥感技术的发展使人的视觉得到了有效的延伸，从而丰富了人们认识事物的手段。
　　高光谱遥感技术的理论基础是测谱学，在此基础上通过成像光谱仪获取地球表面物体光谱反射率，在红外、可见光、紫外光谱区域获取地表物体连续的数十到数百波段的光谱信息。当前，随着各国研制的不同型号成像光谱仪的发展，高光谱遥感技术更向着超高光谱遥感发展。
　　随着遥感技术的不断发展，高光谱影像的空间与谱间分辨率都在不断提高。这就导致了由成像光谱仪获得的高光谱遥感影像的数据量不断增大。庞大的数据量对高光谱影像的存储和传输带来了麻烦。尤其通过星载成像光谱仪获取的高光谱影像在向地面传输时，给卫星链路的带宽带来了巨大压力。上述原因是制约高光谱遥感技术发展不可回避的重要问题之一。因此，研究有效的高光谱影像压缩技术成为相关科研工作者所面对的重要问题。
　　文章首先对高光谱影像编码技术的研究现状进行了概括。在此基础上，重点介绍了本文提出的波段排序的高光谱影像3D混合树编码方法，分别从研究目的、具体算法、实验结果与结论四个方面对所提出的算法进行了描述。具体为，目的：高光谱影像压缩的关键技术是对空间维和光谱维的去相关性。根据高光谱影像数据结构的特点，如何有效去除其空间相关性与谱间相关性是高光谱影像压缩中至关重要的问题。对高光谱影像进行编码时，三维小波变换是极为有效的去除冗余的方法。因此提出了一种通过波段排序并结合3D混合树型结构对高光谱影像三维小波变换系数进行编码的算法；算法实现：首先，将高光谱影像按照自然波段顺序进行波段分组,并对每组影像进行相邻影像的谱间相关性统计；其次，对相关性较弱的波段组，建立以影像波段序号为顶点、影像相关性系数为边的完全图，对这个完全图求其最大汉密尔顿路回路。按照求得的最大汉密尔顿回路顺序对该波段组进行重新排序，从而提高波段组的谱间相关性；在此基础上，对重新排序后的波段组进行三维小波变换，并通过3D混合树结构对三维小波变换系数进行零树编码。结果：通过对大量 AVIRIS型高光谱影像数据的仿真实验验证了所提出方法的有效性。对相关性较低的波段组，加入排序算法后，其解码影像与未排序时比，峰值信噪比有了一定的提高。通过实验统计，算法平均用时2.7579s。结论：由于采用了对弱相关性波段组的重新排序机制，从而使得基于混合树结构的3D零树编码出现了更多有效的零树，在一定程度上提高了编码效率。通过实验统计算法用时表明该算法以较小的时间代价获得了解码效果的提升。
　　在上面研究的基础上，本文研究了高光谱影像感兴趣区域自动提取问题。这个问题是高光谱影像感兴趣区域压缩前必要的预处理步骤。分别从研究目的、具体算法、实验结果与结论四个方面对所提出的算法进行了描述。具体为，目的：在高光谱影像压缩编码的诸多算法中，根据对解码重建影像数据实际应用的需要，有时需要关注影像中的特定区域或小目标。因此，研究基于感兴趣区域的高光谱影像压缩编码技术势在必行。根据高光谱影像数据结构的特点，如何快速、有效、自动提取出影像中感兴趣区域成为高光谱影像感兴趣区域压缩算法成功与否的必要技术环节之一。方法：首先，将高光谱影像以像素为单位建立影像光谱向量矩阵。然后，由一组感兴趣纯净像元光谱反射率向量构造感兴趣像元标准混合参考向量。接着，计算目标影像光谱向量中每个向量与感兴趣像元标准混合参考向量间的相关性，得到感兴趣像元相关性矩阵。最后，采用感兴趣像元相关性矩阵作为约束条件对C-V活动轮廓模型的能量函数进行改造，并将改造后的能量函数作为感兴趣区域的判别标准对高光谱影像中感兴趣像素点进行自动提取。结果：通过对美国JasperRidge与Cuprite地区的AVIRIS型高光谱影像进行感兴趣区域提取实验，验证了该算法的有效性。通过与对比算法的提取效果进行比较，提出的算法能够更有效的找出影像中的感兴趣区域。在相同迭代次数下，提出的算法能找到影像中更多的感兴趣像素点。而达到相似提取效果时，提出的算法用时要远小于对比算法。提出的算法迭代500次的效果就已优于对比算法模型迭代2000次的效果。并且，用于对比的算法模型在迭代2000次以上时，已经无法找到影像中更多的感兴趣像素点，而提出的算法解决了这一问题，能够有效找出影像中更多可能的感兴趣像素点。结论：由于传统C-V模型仅是以影像中物体的轮廓作为提取依据，而高光谱影像数据的特点决定了影像中边界轮廓两侧往往并非异质区域，这就使采用传统C-V活动轮廓模型的方法对高光谱影像感兴趣区域的提取效果不佳。而提出的算法在C-V活动轮廓模型的能量函数中加入了感兴趣像素点相关性矩阵作为目标提取的约束条件，从而提高了感兴趣像素点判定效率，使算法能够更准确的判定目标影像中像元是否为感兴趣点，从而提高了提取效率。通过统计实验算法用时，提出的算法能以更小的时间代价和迭代次数获得更准确的提取效果与更多的感兴趣像素点。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1 研究背景和意义

1.2 本文的研究内容及结构

2 高光谱影像编码及区域分割技术概述

2.1基本概念

2.2 高光谱影像压缩发展近况

2.3 基于三维小波变换的高光谱影像压缩技术

2.4高光谱影像感兴趣区域自动提取概述

2.5 本章小结

3波段排序的高光谱影像3D混合树编码方法研究

3.1 引言

3.2基于波段排序的3D混合树编码算法

3.3实验结果

3.4结果分析

3.5本章小结

4 高光谱影像感兴趣区域自动提取的活动轮廓模型

4.1引言

4.2 算法步骤

4.3 实验结果与分析

4.4 本章小结

5 总结与展望

参考文献

攻读硕士学位期间发表学术论文及参加科研项目情况

致谢