基于3D-SPIHT编码算法的超光谱图像压缩研究

论文摘要

超光谱图像是三维立体图像，具有较高的光谱分辨率和较多的光谱通道数。但较高的光谱分辨率是以较大的数据量和较高的数据维为代价的。庞大的数据量给存储和传输带来了一定困难，因此对超光谱图像进行压缩是非常必要的。由于超光谱图像是一种重要的数据源，特别要求压缩算法实时性好、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。超光谱图像具有较强的空间相关性和很强的谱间相关性，针对超光谱图像的这一特性，本文采用了基于三维小波变换的3D-SPIHT编码算法。针对超光谱图像的特性，采用三维小波变换，同时去除空间冗余和谱间冗余。然后根据变换后小波系数的特性，构造一种3维空间方向树结构，用3D-SPIHT算法对小波系数进行量化编码。在对图像进行小波变换时，本文选择了两种小波基：9/7小波和5/3小波。仿真结果表明，在传输速率为1.0bpp时，9/7小波的峰值信噪比为41.557db；而5/3小波仅为36.350db，相比9/7小波下降了12.5%。在对超光谱图像进行去除谱间冗余时，本文采用了基于DPCM谱间去相关和基于小波变换的谱间去相关两种方案。实验数据表明，采用这两种方案对超光谱图像进行压缩，在压缩比特率为1.0bpp时，两种方案的峰值信噪比都达到了40db。但两种方案相比来说，9/7小波去除谱间相关性效果更好些。这说明基于9/7小波的3D-SPIHT编码更能适合超光谱图像的压缩。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 成像光谱技术和超光谱图像
• 1.1.1 成像光谱技术
• 1.1.2 超光谱遥感图像
• 1.2 超光谱图像特性
• 1.2.1 空间特性分析
• 1.2.2 谱间特性分析
• 1.2.3 结论
• 1.3 超光谱图像压缩方法的发展
• 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 基于预测的压缩方法
• 1.3.4 JPEG2000 编码方案
• 1.3.5 现有的超光谱图像压缩方法
• 1.4 图像压缩质量和效果的评价
• 1.4.1 客观保真度准则
• 1.4.2 主观保真度准则
• 1.5 本文工作及框架
• 1.5.1 本文研究内容
• 1.5.2 本文框架
• 2 小波变换
• 2.1 小波分析
• 2.1.1 小波定义
• 2.1.2 连续小波变换
• 2.1.3 离散小波变换
• 2.1.4 二维小波变换
• 2.2 提升小波变换
• 2.2.1 9/7 提升小波
• 2.2.2 5/3 整数小波
• 2.3 仿真与比较
• 3 三维小波变换
• 3.1 超光谱图像的谱间去相关
• 3.1.1 基于DPCM 的谱间去相关
• 3.1.2 基于小波变换的谱间去相关
• 3.2 三维小波变换
• 4 3D-SPIHT 编码算法
• 4.1 小波变换在图像压缩中的应用
• 4.2 基于集合分裂等级树编码算法（SPIHT）
• 4.2.1 空间方向树结构
• 4.2.2 SPIHT 编码算法
• 4.3 3D-SPIHT 编码算法
• 4.4 3D-SPIHT 编码算法实现
• 5 基于三维小波变换的3D-SPIHT 算法的仿真
• 5.1 DPCM+SPIHT 编码
• 5.2 3D-DWT+3D-SPIHT
• 5.3 性能比较与分析
• 6 结论
• 6.1 本文总结
• 6.2 今后展望
• 致谢
• 参考文献