基于小波变换的高光谱溢油图像压缩方法的研究

论文摘要

高光谱图像具有波段多,且图谱合一、分辨率高、数据量丰富,包含整个热红外、短波红外、近红外、可见光波段的多而窄的连续光谱等优点。使其在溢油检测、农业、矿石等领域得到了广泛的应用,而且发展比较迅速。但高光谱溢油图像数据量庞大,致使其在实际应用领域受到了限制。这种庞大的数据量,对于机载和星载的高光谱来说,由于受到带宽和存储的限制,不能进行实时的数据传输。由于有损压缩会带来信息丢失,不利于后续的高光谱图像研究；采用无损压缩,压缩比较小,数据量的效果不是很明显。因此,建立一种能够较大程度地压缩数据,同时又保护高光谱图像中感兴趣区域的重要信息,提高重建图像后期应用性的压缩机制,是非常有意义的。本文主要研究的是基于感兴趣区域的高光谱溢油图像压缩相关技术,包括以下三方面的内容：第一,针对溢油区域的特点,采用纹理的方法,进行感兴趣区域的检测与识别。第二,对背景采用嵌入式零树小波算法,可以根据实际需要调整背景的码率等系数,进行有损压缩；对感兴趣区域则采用无损压缩的霍夫曼算法进行压缩。这样既完整地保存了有效的信息,方便于后续的工作,又减少了图像的数据量。第三,针对存在于高光谱图像中的大量波段间数据冗余,采用特征提取的方法减少波段数量,达到压缩的目的。论文利用大连和青岛海上溢油的机载高光谱图片进行了实验,在完整地保留原始高光谱图像溢油区域信息的基础上,实现了较好的压缩性能。论文所提出的压缩方法,能够为后期的溢油分析阶段快速地提供有价值的数据。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文的选题背景和研究意义
• 1.2 高光谱图像压缩国内外发展现状
• 1.3 论文研究工作及文章结构
• 1.3.1 论文的研究工作
• 1.3.2 论文结构
• 1.4 本章小结
• 第2章 高光谱溢油图像及感兴趣区域特性分析
• 2.1 高光谱图像概述
• 2.2 高光谱图像特性分析
• 2.2.1 高光谱图像的空间压缩特性分析
• 2.2.2 高光谱图像的谱间相关性分析
• 2.3 纹理分析在图像分割中的应用
• 2.3.1 纹理的描述方法
• 2.3.2 纹理特征提取及分割
• 2.4 本章小结
• 第3章 空间和谱间的高光谱图像压缩算法
• 3.1 小波变换在二维图像压缩中的应用
• 3.1.1 基于小波变换的图像压缩
• 3.1.2 基于零树嵌入式小波变换的压缩
• 3.2 基于PCA的高光谱谱间波段压缩
• 3.3 本章小结
• 第4章 基于感兴趣区域和小波变换的高光谱溢油图像压缩系统
• 4.1 空间感兴趣区域的提取与分层次压缩
• 4.1.1 基于纹理的疑似溢油区域的提取
• 4.1.2 对疑似油区的感兴趣区域进行霍夫曼无损压缩
• 4.1.3 对背景区域进行零树嵌入式小波压缩
• 4.2 基于PCA的高光谱溢油谱间的压缩
• 4.3 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 研究生履历