摘要：提出了一种新的超光谱图像压缩方法。该方法针对三维小波压缩编码方法对专有数据的特殊属性利用效率较低的缺陷,设计了一种应用于超光谱图像的预测编码和变换编码相混合的实现方案。首先,由超光谱图像的高谱间相关性,推导出图像各波段间的一般表达式。然后,根据这一表达式建立了超光谱图像的波段预测方式。该预测方式以波段为单位,参考波段采用小波变换编码技术进行压缩。为了提高预测的精度,参考波段选择器和波段预测器分别基于超光谱图像的数学统计规律和各波段直方图形状相似的特性进行设计。最后,将预测偏差值通过三维小波编码技术进行压缩。实验结果表明,本文设计的方法与目前先进的超光谱压缩技术相比能够提供具有竞争力的性能提升,且具有良好的兼容性、灵活性和渐进传输能力。

摘要：在分析超光谱图像的位平面相关特性的基础上设计了一种分层无损压缩方案,对高位位平面采用DPCM去除谱间相关,并设计了静态编码方案以降低编码复杂度;低位以空间压缩为主,应用三角划分适应不同的目标边界.算法压缩压缩时间略低于谱间位平面变换算法,压缩比有12.7%的提高;和三维位平面算法相比,编解码时间分别降低了6.2%和4.3%,压缩比提高了6.3%.

摘要：提出了一种矢量维数分割量化的超光谱图像压缩算法,通过维数分割将矢量分为几个部分,然后利用哈达玛变换的性质,在哈达玛域内单独设计每个部分的码书。设计过程中采用最优矢量量化器设计原则,并结合分步判断排除不等式算法与LBG(Linde Bazo Gray)聚类算法快速生成矢量量化过程的最终码书,使各个部分的码书性能达到最优,改善整体码书的性能。实验表明,这种算法在码书尺寸相同的情况下,图像的恢复质量以及复杂度都优于其他几种算法。

摘要：根据超光谱图像有很强谱间相关性的成像特点,设计了一种预测算法结合变换编码算法的图像分层压缩方法。采用几个相邻波段图像共享同一有损图像作为预测图像,克服了预测算法对传输误差的敏感性。预测图像是通过对原始图像进行局部熵为代价函数的四叉树分割后,再经小波变换得到的。用各个原始图像减去共享预测图像来去除谱间相关性,并得到相应残差图像,再对残差图像采用局部离散余弦基变换方法去除空间相关性,实现近无损压缩。研究结果表明,各波段峰值信噪比(PSNR)为40dB左右时,压缩比(CR)高于7.2,分层压缩方法具有很好的压缩效果。

摘要：根据超光谱图像空间谱间都存在较强相关性的特性,设计了一种结合空间预测的二阶差分预测压缩算法。采用MED预测器去除空间相关,采用二阶差分预测器去除谱间相关,并根据像素预测误差的权重设计了统一的去相关预测器,最后对误差图像做基于上下文的编码,实现图像的近无损压缩。研究结果表明,各波段峰值信噪比(PSNR)为39dB左右时,压缩比可以达到12.7,压缩效果比较理想。

摘要：提出了一种基于谱间预测和小波量化编码的超光谱图像压缩方法。在充分考虑子带图像非平稳特性的基础上,首先实现了子带分类步骤,通过分类设计自适应预测器,提高了谱间去相关效率。由于子带中不同子类表现出了不同的统计特性,所以使用空变均匀阈值量化器完成了量化工作。研究了均匀量化器对不同分布训练样本的率 失真表现,并为相关特性建立了模型描述。基于率失真模型和系数序列的统计特性,提出了一个率分配算法,以便能为不同的子类系数序列设计率失真意义上的最优量化器。实验证明,这种方法能高效地压缩超光谱图像,表现出了优异的压缩性能。

摘要：提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下,利用光谱和空间两种信息完成对异常目标信号的定位,从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解,将其划分为不同尺度子块;然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性,采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布,从而抑制异常数据对背景的干扰;最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性,利用真实和模拟的AVIRIS数据进行了实验,并与经典RX算法相比较,实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。

摘要：传统的三维小波变换在不同维采用相同的小波基且频谱分辨能力也是相同的,这不能与超光谱图像的特性相匹配。本文提出了一种新的采用非一致小波基的去偶结构的三维小波变换的超光谱压缩方法。由于超光谱图像光谱维和空间维具有明显不同的特性而设计的,本文采用一种非一致小波基设计思路,对不同维使用不同的小波基并与去偶的小波变换结构结合在一起进行小波变换。为了获得符合不同维特性的最优的小波基组,本文通过评估指标来测试各种小波基组合的性能。实验结果表明,本文提出的方法能够明显提高超光谱图像的压缩比,且不需牺牲计算复杂度、可扩展性等额外代价。

摘要：针对机载遥感系统超光谱图像实时压缩与传输的需求,分析了超光谱图像位平面的相关特性并设计了超光谱图像分层近无损压缩方案。高位采用防误码的DPCM去相关,依据图像复杂度实时调节压缩比以适应传输带宽;低位按一致性准则进行四叉树划分并取均值,均匀量化残差图像后进行编码,得到混合码流。算法简单有效,实际压缩比和预设压缩比差别不超过5%。压缩比接近10时,复原图像PSNR值大于33,高位位平面平均相似度不低于0.98。

摘要：提出了一个基于小波网格编码量化的超光谱图像压缩方法。谱间和空间冗余处理构成了超光谱图像压缩算法的主要内容,该算法使用一个谱间差分预测步骤来去除谱间冗余,而后对预测残差图像进行小波变换并利用均匀阈值网格编码量化(trellis-codedquantization)方法来量化各小波子带,最后使用自适应算术编码对量化码字进行熵编码。为使编码器能为所有子带获取率一失真意义上最优的量化阈值,设计了一个基于子带统计特性和网格编码量化器率一失真特性的比特分配算法。在实验中,该算法表现出优良的压缩性能,对于实验的超光谱图像,该方法在压缩比为32时可得到37.1dB的峰值信噪比,这表明本算法能有效压缩超光谱图像,适于超光谱图像压缩应用。