论文部分内容阅读
近年来,随着遥感技术应用领域的不断扩大,以往的多光谱图像数据已经不能满足人们日益增长的科研和生产需求。而成像光谱仪的问世使获取高光谱分辨率的高光谱图像数据成为可能。高光谱图像数据提供了比多光谱图像更详细的地物信息。但是,高光谱图像较高的光谱分辨率的获得是以其巨大的数据量作为代价的,这给高光谱图像的存储、传输和处理都带来了困难。因此,有必要对高光谱图像数据进行压缩,针对高光谱图像的自身特点,研究适用于高光谱图像的压缩算法,具有重要的理论意义和实际应用价值。鉴于此,本论文基于预测技术,从分析高光谱图像的特点入手,系统研究了高光谱图像的压缩算法。首先,本文提出应用预测技术作为高光谱图像压缩算法的核心。预测技术是最简单的一种方法,它直接探索谱带与谱带之间的相关性,具有算法简单、易于实现的特点。预测技术充分利用图像的相关性,用已传输的值对当前值进行预测,然后对预测值与真实值的差即预测误差进行编码处理。预测产生的残余误差已被去相关,因而比较容易压缩。然后,本文提出了基于模型的预测算法MP(Model Prediction)来去除高光谱图像的谱间相关性。MP算法建立了高光谱图像的线性模型,推导出了信噪比意义下的最佳预测系数,由于系数中包含了当前谱带的数据,因此经过MP算法去相关之后,残差图像的平均熵有所降低,同时信噪比提高很多。最后,对经过MP算法处理后的残差图像利用SPIHT(Set Partitioning in Hierarchical Trees)算法进行编码,从而完成了对高光谱图像的压缩。为了验证本文提出算法的有效性,本文以AVIRIS高光谱图像为例进行了计算机实验。实验结果证明,本文提出的高光谱图像压缩算法在对高光谱图像进行压缩时可以取得较好的效果,从而证明本文算法适用于高光谱图像压缩的特殊要求。