本文關(guān)鍵詞：高光譜圖像無損預(yù)測壓縮技術(shù)研究

  更多相關(guān)文章： 高光譜圖像 無損壓縮 遞歸最小二乘 光譜聚類 波段排序

【摘要】：高光譜圖像是由同一地物對不同波段的電磁波反射成像而得,在可見光到近紅外光譜范圍內(nèi)的波段數(shù)可達(dá)到數(shù)百個。高光譜圖像納米級的光譜分辨率使得高光譜圖像具有豐富的光譜信息,可以提供地物的精確細(xì)節(jié),在環(huán)境監(jiān)測、軍事偵查、資源管理、礦產(chǎn)勘探以及植被研究等方面具有廣泛的應(yīng)用。經(jīng)過幾十年的發(fā)展,成像光譜儀所獲取的數(shù)據(jù)量隨著空間分辨率和光譜分辨率的不斷提高而急劇膨脹,其龐大的數(shù)據(jù)量對高光譜圖像的存儲和傳輸造成了巨大的負(fù)擔(dān),也嚴(yán)重制約著高光譜圖像的應(yīng)用前景。因此,為了提高存儲和傳輸效率并降低成本,對高光譜圖像的壓縮勢在必行。高光譜圖像壓縮技術(shù)可分為無損壓縮、近無損壓縮和有損壓縮,由于高光譜圖像作為最有價值的遙感觀測數(shù)據(jù),絕大多數(shù)用來對地物進(jìn)行精確分析,在壓縮時引起的任何圖像失真都是不能接受的,因此,高光譜圖像的無損壓縮技術(shù)是近年來遙感領(lǐng)域熱門的研究問題,受到國內(nèi)外學(xué)者的廣泛關(guān)注。當(dāng)前,在高光譜圖像壓縮領(lǐng)域并未形成統(tǒng)一的無損壓縮標(biāo)準(zhǔn),為了推動我國高光譜遙感事業(yè)的發(fā)展,需要更多高性能的高光譜圖像無損壓縮算法的提出。本文以高光譜圖像的無損壓縮技術(shù)為主線,針對高光譜圖像的圖像特性,設(shè)計了基于遞歸最小二乘法、光譜聚類和波段排序以及反向搜索的有效壓縮算法。首先,本文對高光譜圖像的圖像特性進(jìn)行分析,通過空間相關(guān)系數(shù)和光譜相關(guān)系數(shù)的計算,總結(jié)出在高光譜圖像中同時存在空間相關(guān)性和光譜相關(guān)性、且光譜相關(guān)性大于空間相關(guān)性的規(guī)律,為后續(xù)壓縮算法的設(shè)計提供了理論依據(jù)。其次,以高光譜圖像的多波段特性為基礎(chǔ),設(shè)計了基于遞歸最小二乘法的高光譜圖像無損壓縮算法,將光譜預(yù)測的過程轉(zhuǎn)化為遞歸最小二乘濾波器的求解過程,根據(jù)不同波段光譜相關(guān)性強(qiáng)弱不同的特點,使用不同數(shù)量的已知波段預(yù)測待測波段,將壓縮算法的壓縮性能逐波段的最大化,并提出自適應(yīng)最優(yōu)預(yù)測波段選取模塊以縮短了壓縮算法在預(yù)測波段數(shù)目確定階段的大量運算時間。仿真實驗表明,與代表高光譜圖像無損壓縮領(lǐng)域最高水平的C-DPCM-APL算法相比,該算法可以獲得與C-DPCM-APL算法幾乎相同的平均輸出碼流比特率,而在算法時間上僅需C-DPCM-APL算法的五分之一。然后,針對高光譜圖像的空間紋理密集和不同波段之間光譜相似度不同的問題,設(shè)計了基于光譜聚類和波段排序的高光譜圖像無損壓縮算法。一方面,該算法利用K-均值聚類算法對高光譜數(shù)據(jù)中各光譜矢量進(jìn)行聚類,將同一地物的成像像素歸為一類,避免了使用已知像素對不同類別的待測像素進(jìn)行預(yù)測時預(yù)測準(zhǔn)確度過低的問題,去除了高光譜圖像的部分空間冗余;另一方面,該算法通過最優(yōu)波段排序的方法對高光譜圖像中各波段的排列順序重新進(jìn)行定義,盡可能地提高排列后各相鄰波段之間的光譜相關(guān)性,去除了高光譜圖像的部分光譜冗余。仿真實驗表明,所提預(yù)處理方法可將預(yù)測壓縮算法對16位高光譜圖像壓縮后得到的平均碼流比特率降低約0.05(比特/像素),為高光譜圖像的無損壓縮提供了一種很好的解決方案。最后,通過對機(jī)載可見光/紅外成像光譜儀(AVIRIS)的校正過程進(jìn)行學(xué)習(xí),總結(jié)出AVIRIS 1997高光譜圖像所包含的人工校正規(guī)律,并以此為理論基礎(chǔ),設(shè)計了基于反向搜索的高光譜圖像無損壓縮算法。該算法將經(jīng)典預(yù)測器對待測像素的預(yù)測結(jié)果作為參考值,通過反向搜索方法,在待測像素所在像素行的已知像素中搜索出近似度高的像素,將其灰度值作為候選預(yù)測值,并選取最接近參考值的候選預(yù)測值作為待測像素的預(yù)測結(jié)果。仿真實驗表明,該算法通過選取待測像素周圍適合的已知像素灰度值作為預(yù)測結(jié)果的操作,合理的利用了校正過程對AVIRIS 1997高光譜圖像所生成的校正相關(guān)性,使該算法獲得了所有對比算法中最低的3.90(比特/像素)的平均輸出碼流比特率,證明了所提出的反向搜索方法為經(jīng)典預(yù)測壓縮算法無法對AVIRIS 1997高光譜圖像取得高壓縮性能的問題提供了一種合理的解決途徑。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

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(xué)報;2008年09期

2 王雷;喬曉艷;董有爾;張姝;尚艷飛;;高光譜圖像技術(shù)在農(nóng)產(chǎn)品檢測中的應(yīng)用進(jìn)展[J];應(yīng)用光學(xué);2009年04期

3 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

4 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(xué)院學(xué)報;2013年06期

5 王慶國;黃敏;朱啟兵;孫群;;基于高光譜圖像的玉米種子產(chǎn)地與年份鑒別[J];食品與生物技術(shù)學(xué)報;2014年02期

6 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

7 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(jī)信息;2010年21期

8 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(xué)自然科學(xué)學(xué)報;2010年06期

9 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(xué)學(xué)報(自然科學(xué)版);2012年02期

10 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測中的研究進(jìn)展[J];食品研究與開發(fā);2013年10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(yīng)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(yīng)用研討會暨交叉學(xué)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(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預(yù)測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)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(jī)械化道路——中國農(nóng)業(yè)機(jī)械學(xué)會2008年學(xué)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(yīng)用研討會暨交叉學(xué)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(biāo)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(biāo)探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)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(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

中國博士學(xué)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(fù)旦大學(xué);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(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賀智;改進(jìn)的經(jīng)驗?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

4 魏然;基于成像機(jī)理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);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(xué);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(xué);2014年

7 孫濤;快速多核學(xué)習(xí)分類研究及應(yīng)用[D];西安電子科技大學(xué);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(xué);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(xué);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(xué);2015年

中國碩士學(xué)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(jìn)算法研究[D];昆明理工大學(xué);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(xué);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(xué);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(xué);2015年

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

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

，

本文編號：1287240