论文部分内容阅读
在空间遥感领域，实现遥感图像实时压缩是亟待解决的问题。超光谱遥感图像是三维立体图像，即在普通二维图像的基础上多了一维光谱信息，其分辨率高、信息量大、码速率高，压缩技术不仅要求大压缩比和低失真度，特别要求实时性好、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。
首先对超光谱遥感图像的相关性进行了分析和计算。实验数据表明：超光谱遥感图像存在很强的谱间结构相关性和谱间统计相关性，而其空间相关性则比普通图像略低。因此，超光谱遥感图像压缩算法设计的重点应放在去除谱间相关性上。
对谱间DPCM无损压缩算法进行了研究和仿真。该算法采用谱间DPCM预测+帧内二维DPCM预测+算术编码的方法，有效地去除了超光谱图像的谱间相关性。仿真结果表明，压缩比可达1.6618，和仅仅采用帧内二维DPCM预测+变长编码的方法相比，压缩比提高了17.5～46.7％。该算法仅需简单的加、减法操作，运算简洁、速度快、占用内存少，且易于硬件实现。
对整数小波变换无损压缩算法进行了研究和仿真。该算法讨论了用提升方案构造整数小波变换的方法，它比一般小波变换更适于去除超光谱数据冗余。实验结果表明，对于超光谱图像而言，当采用三层小波分解时，该算法压缩比可达1.4379。
提出了基于谱间DPCM和整数小波变换的无损压缩算法。该算法有机地结合了上述两种算法的优点，有效地去除了超光谱图像的谱间和空间相关性。该算法采用了谱间DPCM预测+整数小波变换+算术编码的实现方案。实验数据表明，该方案在整数小波变换采用三层分解时，压缩比可达2.0177，较谱间DPCM+帧内二维DPCM预测+算术编码的算法提高21.4％，较整数小波变换算法提高40.3％。这说明，超光谱图像的确存在强的谱间相关性，引入谱间预测，对于超光谱图像的压缩起到了非常重要的作用。