本文關(guān)鍵詞：基于3D-LBT的高光譜圖像壓縮方法研究及硬件實現(xiàn)

  更多相關(guān)文章： 高光譜圖像 無損壓縮 預測 Range Coder FPGA

【摘要】：近年來,高光譜傳感器分辨率的不斷提升致使高光譜圖像數(shù)據(jù)量顯著增加,使高光譜圖像壓縮變得越來越關(guān)鍵和必要。其中,基于變換的高光譜圖像壓縮方法是典型方法之一,具有有損無損兼容、有利于硬件實現(xiàn)等特點。本文研究并改進了一種基于3D-LBT(Three Dimension-Lapped Biorthogonal Transform)的無損高光譜壓縮算法并對其進行了軟件實現(xiàn),并對關(guān)鍵模塊進行了硬件實現(xiàn)。首先,基于3D-LBT設(shè)計了高光譜壓縮算法,包括3D-LBT、預測算法以及編碼器部分。針對預測部分,在研究了3D-LBT變換后高頻系數(shù)、低頻系數(shù)以及直流系數(shù)三種系數(shù)的相關(guān)性的基礎(chǔ)上,有針對性地改進了具有三種模式的差分脈沖編碼調(diào)制(Differential Pulse Code Modulation,DPCM)算法。對于熵編碼部分,優(yōu)化設(shè)計了Range Coder的基本理論以及其技術(shù)實現(xiàn)方法,在編碼器之前Histgram Packing以銜接預測運算與編碼器,并且為了進一步改善編碼效果在編碼器之前增加了Positive Mapping運算,之后對于Range Coder內(nèi)部的累計頻度統(tǒng)計的算法進行了改進。然后在基于Visual Studio 2012平臺實現(xiàn)了該算法,并以Yellowstone calibrated scene 0、3、10三幅高光譜圖像進行了驗證,得到平均壓縮比為3.603。其次,采用超高速集成電路硬件描述語言(VHDL)實現(xiàn)了壓縮算法中的預測和編碼模塊,并在其內(nèi)部使用流水線結(jié)構(gòu)將各子模塊組織起來,使用Modelsim10.1d對所編的模塊進行寄存器傳輸級(Register-Transfer Level,RTL)仿真,并在對其進行綜合之后進行門級仿真,以為各模塊之上的流水線結(jié)構(gòu)實現(xiàn)做好鋪墊。并按照流水線結(jié)構(gòu)將各模塊組織起來,在利用Quartus II對其進行綜合之后,使用Modelsim10.1d對其進行RTL以及門級仿真,使用截取后的Yellowstone calibrated scene 0、3、10三幅高光譜圖像經(jīng)軟件變換后所得的變換系數(shù)作為數(shù)據(jù)源對其進行了驗證,達到了268.1Mbps的吞吐率,并將得到的結(jié)果與軟件所得結(jié)果相比較,得到了相同的結(jié)果。最后,在基于EP2S130F1020I4的FPGA硬件平臺上以100MHz的時鐘驗證了本文算法中的編碼器模塊,得到了與仿真以及軟件系統(tǒng)相同的結(jié)果,驗證了本文所實現(xiàn)硬件系統(tǒng)的有效性。
【關(guān)鍵詞】：高光譜圖像 無損壓縮 預測 Range Coder FPGA
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 課題來源及研究的背景和意義9-10
• 1.1.1 課題的來源9
• 1.1.2 課題研究的背景和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 高光譜圖像壓縮中預測算法研究的相關(guān)進展10
• 1.2.2 Range Coder研究的相關(guān)進展10-11
• 1.2.3 高光譜圖像壓縮研究的相關(guān)進展11-12
• 1.3 數(shù)據(jù)源簡介12
• 1.4 論文研究內(nèi)容與結(jié)構(gòu)安排12-15
• 第2章 基于 3D-LBT的高光譜圖像壓縮算法及優(yōu)化15-36
• 2.1 引言15
• 2.2 基于 3D-LBT的高光譜圖像壓縮方法設(shè)計15-16
• 2.3 基于 3D-LBT數(shù)據(jù)特性的預測優(yōu)化設(shè)計16-22
• 2.3.1 對于重構(gòu)后 3D-LBT結(jié)果數(shù)據(jù)特性的分析17-19
• 2.3.2 基于 3D-LBT結(jié)果數(shù)據(jù)特性的預測方法設(shè)計與優(yōu)化19-21
• 2.3.3 預測系數(shù)的正值化方法21-22
• 2.3.4 Histgram Packing的研究22
• 2.4 高光譜圖像壓縮中編碼算法的研究22-35
• 2.4.1 自適應更新模式下的Range Coder基本原理介紹24-26
• 2.4.2 Range Coder編碼碼長的理論研究26-30
• 2.4.3 Range coder的技術(shù)實現(xiàn)方法30-35
• 2.5 算法性能驗證與分析35
• 2.6 本章小結(jié)35-36
• 第3章 壓縮算法關(guān)鍵模塊的硬件描述語言實現(xiàn)36-49
• 3.1 引言36
• 3.2 FPGA簡介36-37
• 3.3 預測模塊的設(shè)計與設(shè)計37-43
• 3.3.1 片間預測模塊的設(shè)計與實現(xiàn)38-40
• 3.3.2 片內(nèi)預測模塊的設(shè)計與實現(xiàn)40-41
• 3.3.3 段內(nèi)預測ppram地址生成模塊41-43
• 3.3.4 正值化模塊43
• 3.3.5 打包模塊43
• 3.4 編碼器模塊的設(shè)計與實現(xiàn)43-48
• 3.4.1 累計頻度統(tǒng)計算法的優(yōu)化44-45
• 3.4.2 模型更新模塊的實現(xiàn)45-47
• 3.4.3 編碼模塊的實現(xiàn)47-48
• 3.5 本章小結(jié)48-49
• 第4章 壓縮算法硬件實現(xiàn)流水線設(shè)計49-58
• 4.1 引言49
• 4.2 流水線結(jié)構(gòu)的設(shè)計49-50
• 4.3 第一級流水線的實現(xiàn)50-52
• 4.3.1 第一級流水線第一次級流水線的實現(xiàn)50-51
• 4.3.2 第一級流水線第二次級流水線的實現(xiàn)51-52
• 4.3.3 第一級流水線第三次級流水線的實現(xiàn)52
• 4.4 第二級流水線52-54
• 4.4.1 ppram的設(shè)計53
• 4.4.2 流水線的控制53-54
• 4.5 高光譜圖像編碼器FPGA實現(xiàn)分析54-57
• 4.5.1 基于EP2S130F1020I4的FPGA硬件平臺54-55
• 4.5.2 實驗結(jié)果及分析55-57
• 4.6 本章小結(jié)57-58
• 結(jié)論58-60
• 參考文獻60-65
• 攻讀碩士學位期間發(fā)表的論文及其它成果65-67
• 致謝67

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測支持向量數(shù)據(jù)描述方法[J];兵工學報;2008年09期

2 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測[J];紅外技術(shù);2010年04期

3 成寶芝;郭宗光;;高光譜圖像波段間相關(guān)特性研究[J];大慶師范學院學報;2013年06期

4 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識別[J];傳感器世界;2007年05期

5 汪倩;陶鵬;;結(jié)合空間信息的高光譜圖像快速分類方法[J];微計算機信息;2010年21期

6 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學自然科學學報;2010年06期

7 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識別[J];江南大學學報(自然科學版);2012年02期

8 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術(shù)學院學報;2013年04期

9 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學報;2004年04期

10 張綺瑋;機載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術(shù)與應用研討會論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據(jù)降維與分類技術(shù)研究[A];第八屆成像光譜技術(shù)與應用研討會暨交叉學科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術(shù)‘13年會論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術(shù)的獼猴桃硬度品質(zhì)檢測[A];走中國特色農(nóng)業(yè)機械化道路——中國農(nóng)業(yè)機械學會2008年學術(shù)年會論文集（下冊）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評價[A];第八屆成像光譜技術(shù)與應用研討會暨交叉學科論壇文集[C];2010年

7 高東生;高連知;;基于獨立分量分析的高光譜圖像目標盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術(shù)‘13年會論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學學會2010年光學大會論文集[C];2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復旦大學;2014年

2 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測中的應用研究[D];國防科學技術(shù)大學;2014年

3 賀智;改進的經(jīng)驗模態(tài)分解算法及其在高光譜圖像分類中的應用[D];哈爾濱工業(yè)大學;2014年

4 魏然;基于成像機理分析的高光譜圖像信息恢復研究[D];哈爾濱工業(yè)大學;2015年

5 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學;2015年

6 馮婕;基于軟計算和互信息理論的遙感圖像地物分類[D];西安電子科技大學;2014年

7 孫濤;快速多核學習分類研究及應用[D];西安電子科技大學;2015年

8 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實現(xiàn)[D];成都理工大學;2015年

9 徐速;基于壓縮感知的高光譜圖像稀疏解混方法研究[D];重慶大學;2015年

10 南一冰;星載推掃型高光譜運動成像誤差建模與高精度校正技術(shù)研究[D];北京理工大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 豐爍;高光譜圖像波段選取問題的改進算法研究[D];昆明理工大學;2015年

2 趙偉彥;果蔬干燥過程中的品質(zhì)無損檢測技術(shù)研究[D];江南大學;2015年

3 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測技術(shù)研究[D];江南大學;2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術(shù)無損識別獼猴桃膨大果[D];西北農(nóng)林科技大學;2015年

5 王坤;高光譜圖像異常目標檢測及光譜成像在偽裝評估方面的應用研究[D];南京理工大學;2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學;2015年

7 程凱;無先驗信息的高光譜圖像小目標檢測算法研究[D];蘇州大學;2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學;2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學;2015年

10 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1028046