动态视频采集中多光谱图像无损压缩

发布时间：2021-05-31 17:48

　　为了提升动态视频采集中传统多光谱图像压缩方法的传输效率,降低传输成本,提出动态视频采集中多光谱图像无损压缩方法。通过分析动态视频采集中多光谱图像特性,计算空间相关系数与光谱相关系数,获取多光谱图像的空间相关性以及光谱相关性;针对多光谱图像的空间纹理与各个波段之间光谱相似度不同的问题,将光谱聚类和波段排序方法相结合;采用K-均值聚类算法对高光谱数据中各个光谱矢量聚类,将同一地物的成像像素划分为一类,同时有效去除高光谱图像中的空间冗余;根据最优波段排序法重新定义多光谱图像中各个波段的排列顺序,有效删除高光谱图像中的冗余光谱,实现动态视频采集中多光谱图像无损压缩。仿真实验结果表明,所提方法能够有效提升运行效率以及传输效率,同时降低运行成本。 

【文章来源】：激光杂志. 2020,41(08)北大核心

【文章页数】：4 页

【部分图文】：

所提方法的具体流程图

K-均值聚类算法的具体流程图

不同方法的图像压缩效果

【参考文献】：
期刊论文
[1]基于线性混合模型的高光谱图像分布式压缩感知[J]. 陈欣,粘永健,王忠良.  红外技术. 2019(08)
[2]基于高光谱图像探测与感知的伪装效果评估方法[J]. 马世欣,刘春桐,李洪才,王浩,何祯鑫.  兵工学报. 2019(07)
[3]基于本征图像分解的高光谱图像空谱联合分类[J]. 任智伟,吴玲达.  航天返回与遥感. 2019(03)
[4]兼顾色度和光谱精度的多光谱图像LabW2P编解码[J]. 梁玮,郝雯,李秀秀,王映辉,杨秀红.  光谱学与光谱分析. 2019(06)
[5]基于空间约束的高光谱图像解混算法[J]. 闫钧华,黄伟,张寅,许祯瑜,苏恺.  仪器仪表学报. 2019(03)
[6]基于稀疏张量分解的高光谱图像压缩[J]. 潘悦,靳展,石翠萍,滕晓雪,井贺然,姜雪,程海燕.  科学技术创新. 2019(04)
[7]基于近红外高光谱图像的冬枣损伤早期检测[J]. 孙世鹏,彭俊,李瑞,朱兆龙,Vázquez-Arellano MANUEL,傅隆生.  食品科学. 2017(02)
[8]并行压缩成像系统的压缩域小目标检测[J]. 王敏敏,孙胜利.  光学精密工程. 2016(10)
[9]高光谱遥感图像的地形校正和评价方法[J]. 鲁莹,姜广全,刘春锋.  山地学报. 2016(05)
[10]基于低秩字典学习的高光谱遥感图像去噪[J]. 张静妙,高双喜,王晓娜.  控制工程. 2016(06)



本文编号：3208691