奇异值分解在遥感图像数据压缩中的应用

发布时间：2021-04-09 02:43

　　遥感大数据处理是典型的大数据应用方向之一.由于遥感图像时空分辨率高、数据量大,相邻像元间存在较大的冗余信息,这给数据传输和数据存储带来一定的困难.为此,本文提出一种基于奇异值分解（SVD）的遥感图像压缩方法,首先通过SVD分解获得压缩矩阵,然后采用局部压缩矩阵生成原始图像的近似图像.在分解过程中,通过压缩矩阵的奇异值曲线获取奇异值的衰减曲线以及对图像的贡献程度.选取不同的压缩值可以实现遥感图像的压缩.实验表明,基于奇异值分解的遥感图像压缩方法能够有效地实现遥感图像的压缩,具有良好的压缩效果. 

【文章来源】：绍兴文理学院学报(自然科学). 2020,40(04)

【文章页数】：5 页

【部分图文】：

原始图像和分量图像

图1原始图像和分量图像图2R通道图像奇异值曲线图3G通道图像奇异值曲线图4B通道图像奇异值曲线图5R通道图像重构图6G通道图像重构图7B通道图像重构图8重构图像211绍兴文理学院学报(自然科学)第40卷

图1原始图像和分量图像图2R通道图像奇异值曲线图3G通道图像奇异值曲线图4B通道图像奇异值曲线图5R通道图像重构图6G通道图像重构图7B通道图像重构图8重构图像211绍兴文理学院学报(自然科学)第40卷

【参考文献】：
期刊论文
[1]高光谱遥感图像波段选择方法研究[J]. 黎伟强,倪志平.  激光杂志. 2019(06)
[2]智能遥感研究现状与展望[J]. 陈昕,刘昌昊,陈培永,华春,刘延芳.  无人系统技术. 2019(03)
[3]遥感图像云检测的多尺度融合分割网络方法[J]. 郭玥,于希明,王少军,彭宇.  仪器仪表学报. 2019(06)
[4]关于遥感图像云检测方法研究进展[J]. 刘增伟.  数字通信世界. 2019(04)
[5]利用高分辨率光学遥感图像检测震害损毁建筑物[J]. 叶昕,秦其明,王俊,郑小坡,王建华.  武汉大学学报(信息科学版). 2019(01)
[6]红外遥感图像分区域云层的目标检测仿真[J]. 王宁,邓秋菊.  计算机仿真. 2018(12)
[7]一种高分辨率遥感图像去雾霾方法[J]. 谭伟,曹世翔,齐文雯,何红艳.  光学学报. 2019(03)
[8]遥感图像分类有损压缩的定量分析[J]. 惠鹏飞,石翠萍,张微.  科学技术创新. 2017(33)
[9]遥感图像云检测方法研究进展[J]. 刘紫涵,吴艳兰.  国土资源遥感. 2017(04)
[10]遥感大数据研究现状与发展趋势[J]. 朱建章,石强,陈凤娥,史晓丹,董泽民,秦前清.  中国图象图形学报. 2016(11)

硕士论文
[1]基于分布式平台Spark和YARN的数据挖掘算法的并行化研究[D]. 梁彦.中山大学 2014



本文编号：3126755