论文摘要
高光谱图像具有比多光谱图像更多的信息量和更高的光谱分辨率,因此它能解决许多多光谱图像不能解决的问题。但与此同时它也带来了数据量的海量增长,海量的数据给数据的计算、存储和传输都带来了巨大的困难,所以压缩是非常必要的。由于高光谱图像空间和谱间分辨率的关系,对高光谱图像后期应用非常重要的大量信息,常常存在于高频信息中,而传统的高光谱图像压缩方法,通常保留低频信息而舍弃高频信息,因此建立一种可以保护高光谱图像中那些感兴趣的重要信息,提高重建图像的后期应用性,是非常有意义的。本文主要研究了基于感兴趣信息保护的高光谱图像压缩技术。其主要内容包括如下四个方面:1)对高光谱图像相关性及感兴趣信息的特征的分析。高光谱图像具有极强的空间与谱间相关性,这是高光谱图像压缩的基础;感兴趣信息的特征主要包括空间矩特征与谱间光谱吸收指数特征,这是感兴趣信息提取的基础。2)高光谱图像空间与谱间感兴趣信息的提取及标定。信息提取主要采用的是光谱微分法和空间形态滤波的方法,信息标定部分采用的是感兴趣区域最小外接矩形法。通过实验证明,本文给出的信息提取及标定方法,可以有效地提取并准确标定高光谱图像中的感兴趣信息。3)基于感兴趣信息保护的分层次压缩方法。本部分主要对高光谱图像中的感兴趣信息进行分类,对不同重要性的信息采用不同的压缩方法进行压缩。通过AVIRIS高光谱传感器获得的San Diego图像进行的实验结果显示,本文提出的分类预测算法可以有效地实现最重要信息的无损重建;基于位平面提升算法在相同情况下,可以比传统压缩算法更好地保护图像中感兴趣信息;而对非感兴趣信息部分应用的3D-SPIHT算法,可以保证图像的压缩效率。4)基于目标检测的高光谱重建图像评价。在0.1和0.2bpp下重建图像的目标检测结果显示,由本文提出算法重建的图像,目标检测性能大大提升。本文结合高光谱图像后期应用—目标检测,提出了一种基于感兴趣信息保护的高光谱图像分层次压缩算法,实验结果显示该算法在保证重建图像主客观质量的前提下,大大地提高了重建图像后期应用的性能。