基于谱间DPCM和整数小波变换的超光谱遥感图像无损压缩算法研究

摘要

在空间遥感领域，实现遥感图像实时压缩是亟待解决的问题。超光谱遥感图像是三维立体图像，即在普通二维图像的基础上多了一维光谱信息，其分辨率高、信息量大、码速率高，压缩技术不仅要求大压缩比和低失真度，特别要求实时性好、可靠性高，因此应尽可能采用无损或近无损压缩方法。本文对超光谱遥感图像的压缩算法进行研究。 首先对超光谱遥感图像的相关性进行了分析和计算。实验数据表明：超光谱遥感图像存在很强的谱间结构相关性和谱间统计相关性，而其空间相关性则比普通图像略低。因此，超光谱遥感图像压缩算法设计的重点应放在去除谱间相关性上。 对谱间DPCM无损压缩算法进行了研究和仿真。该算法采用谱间DPCM预测+帧内二维DPCM预测+算术编码的方法，有效地去除了超光谱图像的谱间相关性。仿真结果表明，压缩比可达1.6618，和仅仅采用帧内二维DPCM预测+变长编码的方法相比，压缩比提高了17.5～46.7％。该算法仅需简单的加、减法操作，运算简洁、速度快、占用内存少，且易于硬件实现。 对整数小波变换无损压缩算法进行了研究和仿真。该算法讨论了用提升方案构造整数小波变换的方法，它比一般小波变换更适于去除超光谱数据冗余。实验结果表明，对于超光谱图像而言，当采用三层小波分解时，该算法压缩比可达1.4379。 提出了基于谱间DPCM和整数小波变换的无损压缩算法。该算法有机地结合了上述两种算法的优点，有效地去除了超光谱图像的谱间和空间相关性。该算法采用了谱间DPCM预测+整数小波变换+算术编码的实现方案。实验数据表明，该方案在整数小波变换采用三层分解时，压缩比可达2.0177，较谱间DPCM+帧内二维DPCM预测+算术编码的算法提高21.4％，较整数小波变换算法提高40.3％。这说明，超光谱图像的确存在强的谱间相关性，引入谱间预测，对于超光谱图像的压缩起到了非常重要的作用。

目录

文摘

英文文摘

声明

1绪论

1.1成像光谱技术和超光谱遥感图像

1.1.1成像光谱技术

1.1.2超光谱遥感图像

1.2图像压缩编码方法

1.2.1图像压缩编码方法的发展概况

1.2.2图像压缩编码方法的分类

1.2.3图像压缩标准

1.3超光谱遥感图像压缩方法的研究进展

1.3.1基于预测的压缩方法

1.3.2基于变换的压缩方法

1.3.3基于矢量量化的压缩方法

1.4研究内容

1.4.1需求分析

1.4.2研究目标

1.4.3论文框架结构

2超光谱遥感图像特性分析

2.1关于图像压缩的信息论基础

2.1.1图像的信息论模型

2.1.2图像压缩的理论基础

2.2空间相关性分析

2.3谱间相关性分析

2.4结论

3基于差分脉冲编码调制(DPCM)和变长编码的图像无损压缩算法

3.1 DPCM基本原理

3.1.1线性预测编码

3.1.2非线性预测编码

3.2帧内压缩算法描述

3.2.1DPCM预测

3.2.2码字变换

3.2.3变长编码

3.2.4总体算法

3.3谱间压缩系统

3.4实验仿真与分析

3.4.1帧内压缩

3.4.2谱间压缩

4基于整数小波变换和算术编码的图像无损压缩算法

4.1小波变换的定义

4.1.1连续小波变换

4.1.2离散小波变换

4.1.3二维小波变换

4.2二维图像小波变换的分解与重构

4.3第二代小波分析

4.3.1第二代小波介绍

4.3.2提升算法的基本原理

4.3.3提升算法的分解与重建

4.4基于提升算法的整数小波变换

4.4.1变换步骤

4.4.2伪代码表示

4.4.3几种常用小波的整数提升

4.5算术编码

4.5.1算术编码的基本算法

4.5.2算术编码的优缺点

4.5.3算术编码未来应用前景

4.6实验仿真与分析

4.6.1压缩和解压缩算法框图

4.6.2仿真与分析

5基于谱间DPCM和整数小波变换的超光谱图像无损压缩算法

5.1算法描述

5.2实验仿真与分析

5.2.1仿真与分析

5.2.2小结

6结语

6.1本文的主要工作

6.2研究展望

致谢

参考文献

附 录