基于張量的高光譜遙感圖像壓縮研究.pdf

1、高光譜遙感圖像成像光譜技術(shù)能夠在電磁波譜的紫外、可見光、近紅外與中紅外區(qū)域獲取很多非常窄但光譜連續(xù)的圖像數(shù)據(jù)。這些高光譜數(shù)據(jù)與傳統(tǒng)的遙感數(shù)據(jù)相比，其空間與譜間分辨率都大幅增加，從而使其在目標檢測與識別，土地類型分析，農(nóng)業(yè)以及環(huán)境監(jiān)測研究等方面的應用更為廣泛。但分辨率增加的同時，其擁有的數(shù)據(jù)量也急劇增加，造成這些數(shù)據(jù)的保存和傳輸非常不便，因此對高光譜圖像進行有效的壓縮顯得尤為必要。
　　傳統(tǒng)的高光譜遙感圖像壓縮算法主要分為無損壓縮與

2、有損壓縮。但由于對高光譜遙感圖像傳輸具有高壓縮比與實時性要求等苛刻條件，無損壓縮很難滿足要求，因而尋找高保真的有損壓縮方法成為當前研究高光譜圖像技術(shù)人員的急切目標。有損壓縮主要有基于離散小波變換的方法。離散小波變換能提供高壓縮比和高保真度，但其提供的解相關(guān)性能并非最好的。除了離散小波外，目前兩維情況下最好的解相關(guān)方法是基于主元分析的。但一般的主元分析只考慮到兩維情況，而對高維數(shù)據(jù)，比如高光譜遙感圖像，其并不能很好地利用數(shù)據(jù)整體的信息。<

3、br>　　本文提出一種基于張量分解和小波包變換的高光譜圖像壓縮算法。首先，該算法能利用張量分解的性質(zhì)，充分提取高光譜圖像中各個模式的信息，并利用其中包含有空間信息的光譜模式對高光譜圖像的光譜維進行解相關(guān)。之后，運用比經(jīng)典Mallat小波分解更為有效的小波包變換對光譜去相關(guān)后保留下來的高階主成分進行JPEG2000壓縮。針對采用張量分解算法壓縮圖像耗時過長的問題，我們根據(jù)基于JPEG2000標準的圖像壓縮算法的特點，采用改進的二分搜索法，

4、簡單有效地降低了提出算法的時間復雜度。實驗結(jié)果表明，提出的算法壓縮性能遠遠好于經(jīng)典的基于三維小波的算法，并且由于張量分解的應用，不論在碼率失真表現(xiàn)還是信息保真度上，提出的算法均比基于二維主元分析的高光譜圖像壓縮算法更具優(yōu)勢。
　　由于當今高光譜圖像的用途越來越廣泛，因此特別針對高光譜圖像中的異常點信息的保持問題，我們采用了另一種解決方案。在壓縮過程中先采用異常點檢測算法將異常點進行移除，并將原異常點位置進行鄰域插值后再進行壓縮，同