一种结合空谱聚类的高光谱图像快速压缩算法

发布时间：2018-09-10 20:26

【摘要】：对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点。针对现有的高光谱图像数据量大和压缩所需运算量大的问题,提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法。首先利用最大相关度频段聚类算法(MCBC)将频段聚类,接着将每一类频段用PCA压缩,然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类,最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码。在不同的压缩比下进行实验,结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下,大幅度降低运算复杂度,实现高光谱图像的快速压缩。
[Abstract]:Fast compression of hyperspectral images has become a research hotspot in the field of hyperspectral remote sensing. In order to solve the problems of large amount of hyperspectral image data and large amount of computation required by compression, a fast compression algorithm of hyperspectral image based on (PCA) and spatial classification is proposed. Firstly, the maximum correlation band clustering algorithm (MCBC) is used to cluster the frequency bands, then each frequency band is compressed by PCA, and then the compressed images are classified by using the (CSSP) algorithm of clustering signal subspace projection. Finally, the LBG (Linde Buzo Gray) algorithm is used to code hyperspectral images quickly by vector quantization in each class. Experiments under different compression ratios show that the proposed hyperspectral image compression algorithm can greatly reduce the computational complexity and achieve fast compression of hyperspectral images on the premise of good image recovery quality.
【作者单位】： 重庆邮电大学移动通信技术重庆市重点实验室;
【基金】：国家自然科学基金资助项目(61271260) 重庆市教委科学技术研究项目(KJ1400416)
【分类号】：TP751

【参考文献】

相关期刊论文 前2条

1 俞宁;;一种用于人脸识别的新PCA算法[J];电讯技术;2009年12期

2 陈怀新;王连亮;;基于PCA的小波多分辨图像融合方法[J];电讯技术;2006年01期

【共引文献】

相关期刊论文 前10条

1 王一宁;陈善学;桂成名;;一种结合空谱聚类的高光谱图像快速压缩算法[J];电讯技术;2017年03期

2 孙盛;刘仁峰;邓少平;;三维地形匹配性能的一种快速估计方法[J];电讯技术;2016年10期

3 牛月琴;;基于小波变换的遥感影像融合方法的比较分析[J];科技信息;2014年15期

4 王岩红;李登辉;孙希延;;基于小波变换的多规则图像融合方法[J];电讯技术;2012年11期

5 刘嵩;谭建军;;一种核主元分析的人脸识别方法及其DSP实现[J];电讯技术;2012年08期

6 陈则西;;多源遥感图像像素级融合相关技术研究[J];自动化与仪器仪表;2012年04期

7 许抗;徐伯庆;;一种基于HSI和小波变换的可见光和红外图像融合新方法[J];光学仪器;2010年04期

8 赵晓雷;;基于IHS变换和主成分分析变换的图像融合[J];科学技术与工程;2010年20期

9 许建平;张长江;;一种基于离散小波变换的遥感图像融合新算法[J];计算机时代;2009年05期

10 刘建伟;宋梦馨;郭平;;一种基于HSI和小波变换的遥感图像融合方法[J];北京师范大学学报(自然科学版);2008年06期

【二级参考文献】

相关期刊论文 前5条

1 赵敏;舒俭;;基于K-L变换的人脸识别系统[J];华东交通大学学报;2006年05期

2 刘艳丽,赵跃龙;人脸识别技术研究进展[J];计算机工程;2005年03期

3 王卫卫,水鹏朗,宋国乡;小波域多聚焦图像融合算法[J];系统工程与电子技术;2004年05期

4 王文杰,唐娉,朱重光;一种基于小波变换的图象融合算法[J];中国图象图形学报;2001年11期

5 张翠平,苏光大;人脸识别技术综述[J];中国图象图形学报;2000年11期

【相似文献】

相关期刊论文 前10条

1 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期

2 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期

3 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期

4 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期

5 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期

6 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

7 冯朝丽;朱启兵;朱晓;黄敏;;基于光谱特征的玉米品种高光谱图像识别[J];江南大学学报(自然科学版);2012年02期

8 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期

9 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

10 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期

相关会议论文 前10条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（下册）[C];2008年

6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

相关博士学位论文 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年

5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年

8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年

相关硕士学位论文 前10条

1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年

2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年

3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年

5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

，

本文编号：2235521