超光譜遙感圖像壓縮技術(shù)研究.pdf

1、超光譜遙感數(shù)據(jù)由同一地物對(duì)不同波段電磁波反射成像而得，通常包含成百上千幅波段圖像，具有豐富的光譜信息，是對(duì)地觀測(cè)的重要信息來源，在環(huán)境監(jiān)控、資源勘測(cè)和軍事偵察等方面有著廣泛的應(yīng)用。然而，超光譜遙感圖像數(shù)據(jù)海量，給信息的傳輸和存儲(chǔ)造成很大的負(fù)擔(dān)，因此有必要進(jìn)行壓縮處理，以提高傳輸和存儲(chǔ)效率、降低應(yīng)用成本。
　　 本文針對(duì)超光譜遙感圖像的空間結(jié)構(gòu)相關(guān)性和譜間結(jié)構(gòu)相似性，研究探討了基于預(yù)測(cè)、多尺度變換和字典學(xué)習(xí)稀疏表示的有效壓縮算法，

2、并且初步探索了對(duì)壓縮感知獲取的超光譜遙感數(shù)據(jù)進(jìn)行后續(xù)壓縮的可行性，主要工作包括：
　　 (1)分析了超光譜遙感圖像的空間和譜間統(tǒng)計(jì)特性，為設(shè)計(jì)有效的壓縮算法提供依據(jù)，使得研究更具針對(duì)性。
　　 (2)針對(duì)超光譜遙感圖像多波段特性，設(shè)計(jì)了樹形搜索模型以篩選最優(yōu)預(yù)測(cè)波段，實(shí)現(xiàn)與波段重排序等價(jià)的效果，從而提高預(yù)測(cè)精度。此外，提出了分組預(yù)測(cè)、加權(quán)求解的波段圖像估算方式，以簡(jiǎn)化算法復(fù)雜度。分析表明，基于該搜索模型的多波段預(yù)測(cè)壓縮算

3、法具有較佳的綜合性能。
　　 (3)結(jié)合遙感圖像的結(jié)構(gòu)特征、離散小波變換(DiscreteWaveletTransform，DWT)和方向?yàn)V波(DirectionalFilterBank，DFB)，設(shè)計(jì)了DWT-DFB自適應(yīng)變換方法：首先，構(gòu)建描述遙感圖像傅里葉變換系數(shù)分布的二叉樹；然后，依據(jù)二叉樹的高度進(jìn)行DWT尺度變換，依據(jù)二叉樹的節(jié)點(diǎn)分布進(jìn)行DFB方向分解。實(shí)驗(yàn)結(jié)果表明，DWT-DFB變換方法能夠提高非線性逼近性能，從而實(shí)

4、現(xiàn)用更少的變換系數(shù)重構(gòu)圖像、減少存儲(chǔ)數(shù)據(jù)量。
　　 (4)根據(jù)超光譜遙感圖像譜間結(jié)構(gòu)相似性，提出了字典學(xué)習(xí)稀疏表示超光譜遙感圖像壓縮方法：首先，采用K-SVD算法訓(xùn)練單幅波段圖像以獲取字典；然后，定義聯(lián)合稀疏編碼目標(biāo)函數(shù)求解其余波段圖像的稀疏解，以減少需要編碼的附加信息；最后，量化和熵編碼稀疏解非0元素值。實(shí)驗(yàn)結(jié)果表明，相比于3D-SPIHT超光譜圖像壓縮方法，字典學(xué)習(xí)稀疏表示壓縮方法在低碼率時(shí)壓縮性能有著明顯的改善，并且能夠確

5、保重構(gòu)圖像具有更精確的地物分類結(jié)果。
　　 (5)根據(jù)壓縮感知(CompressedSensing，CS)獲取的超光譜遙感數(shù)據(jù)波段之間的相關(guān)性，提出了基于最小二乘準(zhǔn)則的譜間預(yù)測(cè)壓縮算法以實(shí)現(xiàn)CS超光譜遙感數(shù)據(jù)的后續(xù)壓縮，從而進(jìn)一步減少數(shù)據(jù)量、提高傳輸效率。此外，鑒于波段圖像稀疏解非0元素位置索引具有一致性，設(shè)計(jì)了能夠權(quán)衡復(fù)雜度和重構(gòu)質(zhì)量的CS重構(gòu)算法。實(shí)驗(yàn)結(jié)果表明，采用譜間預(yù)測(cè)能夠明顯提高CS超光譜遙感數(shù)據(jù)的壓縮效率，設(shè)計(jì)的CS