基于预测的高光谱图像无损压缩算法研究

论文摘要

在对地遥感观测中,高光谱图像是一种重要的数据源,在军民两方面都有广泛的应用。由于高光谱遥感图像的数据庞大,在存储和传输过程中必须进行压缩处理。高光谱遥感图像作为三维立体图像又不同于二维普通图像,其特点是:高光谱遥感图像同时具有空间相关性和谱间相关性,而且谱间相关性远远大于空间相关性。针对其特点,本论文对高光谱遥感图像的无损压缩算法进行研究。首先从相关性的角度对高光谱遥感图像的特点进行了分析,包括空间相关性、谱间相关性、信息熵的分析,着重分析了高光谱图像的光谱相关特性。介绍了针对高光谱图像的一般压缩算法,分别是变换压缩技术、矢量量化技术和预测编码技术三种。高光谱遥感图像具有传输不可重复性和珍贵性,而且常用的预测算法仅在去除二维平面图像的空间相关性有效,在去除谱间相关性的能力有限,因此本文针对高光谱图像特点设计三维无损预测压缩算法,高光谱图像往往有上百个谱带,而这些谱带往往有着不同的重要性,这在高光谱图像的谱带信息熵上有所体现,而围绕着光谱特性所展开高光谱图像压缩的研究也更能体现高光谱图像本身的特点,从而获得较好的压缩效果。在二维静止图像无损预测算法中,无损连续色调静止图像压缩标准（JPEG-LS）是目前公认的最好压缩算法,其核心算法LOCO-I在压缩比和算法复杂度都有着良好的表现,它是基于自适应预测、上下文模型和Golomb编码的方法,但由于高光谱图像的自身特点,二维图像的压缩算法并不适合光谱图像,所以本文尝试将LOCO-I预测器扩展到三维中去,通过借鉴去相关的方法,设计出适合三维图像压缩的预测器,分别设计了三维最优组合预测器,三维LCL-3D预测器和基于谱间上下文LOCO-3D预测器,并采用混合编码思想,设计出适合高光谱图像压缩的压缩算法,压缩算法去相关效果明显,在压缩比和复杂度都得到了很好的效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景和研究的目的意义
• 1.1.1 成像光谱技术
• 1.2 高光谱图像无损压缩的意义
• 1.3 高光谱图像压缩技术发展综述
• 1.3.1 基于变换的压缩方法
• 1.3.2 基于矢量量化的压缩方法
• 1.3.3 基于预测技术的压缩方法
• 1.4 本课题的主要研究内容
• 第2章 高光谱图像的特征分析
• 2.1 引言
• 2.2 高光谱图像介绍
• 2.3 高光谱图像的空间相关性分析
• 2.4 高光谱图像的谱间相关性分析
• 2.5 高光谱图像的信息量分析
• 2.6 本章小结
• 第3章 无损压缩原理及标准
• 3.1 无损压缩理论基础
• 3.2 无损预测压缩
• 3.3 JPEG标准
• 3.4 LOCO-I算法介绍
• 3.4.1 基本算法流程
• 3.4.2 基本实现方法
• 3.4.3 LOCO-I算法的不足
• 3.5 本章小结
• 第4章 基于三维预测器的压缩方法
• 4.1 波段预处理和参考波段的选择
• 4.2 三维预测器的设计
• 4.2.1 空谱组合三维最优预测
• 4.2.2 三维LCI-3D线性预测
• 4.2.3 LOCO-3D预测
• 4.3 预测方法性能的比较
• 4.3.1 预测残差图像的行、列、谱间相关系数的比较
• 4.3.2 预测残差图像熵的比较
• 4.3.3 构造残差图像所需要时间的比较
• 4.4 系统总体设计方案及实验结果
• 4.4.1 系统总体设计方案
• 4.4.2 实验结果和分析
• 4.5 本章小节
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢