基于激光束匹配的高光谱遥感图像压缩重构算法

发布时间：2021-07-08 06:58

　　传统高光谱遥感图像压缩重构算法重点在信号传输与存储方面,采样频率要大于信号宽度的两倍,硬件实现较为困难,为此提出基于激光束匹配的高光谱遥感图像压缩重构算法研究。采用K-SVD算法训练冗余字典,稀疏分解高光谱遥感图像,得到遥感图像稀疏分解系数,以此为基础,量化处理遥感图像稀疏分解系数,通过JPEG-LS无损压缩算法压缩遥感图像,主要分为三个阶段:预测阶段、Golomb编码阶段与游程模式编码阶段,以得到的遥感图像压缩结果为依据,基于激光束匹配理论对遥感图像进行匹配追踪重构,实现了高光谱遥感图像的压缩重构。仿真实验结果显示:提出算法完成的图像压缩比例随着噪声程度的增加而下降,图像重构范围实际值80.00%～90.01%,超过最低重构程度限值75.56%,充分说明提出算法具备较好的压缩重构效果。 

【文章来源】：激光杂志. 2020,41(12)北大核心

【文章页数】：5 页

【部分图文】：

PEG-LS无损压缩算法框架图

综上所述，高光谱遥感图像匹配追踪重构程序如图2所示。上述过程引入了激光束匹配理论，实现了高光谱遥感图像的压缩重构，为高光谱遥感图像的存储与使用提供了更加高效的手段。同时，也通过高光谱遥感图像的压缩重构为用户提供更加精准的信息服务，为高光谱遥感技术的发展提供助力。

为了验证提出算法的性能，选取一幅高光谱遥感图像作为实验对象，具体实验对象如图3所示。实验对象为第75波段高光谱遥感图像，图像深度为8个字节。为了方便实验的进行，选取实验对象同一位置图像的放大效果图。

【参考文献】：
期刊论文
[1]基于小波与分形相结合的图像压缩编码[J]. 张晶晶,张爱华,纪海峰.  计算机科学. 2019(08)
[2]基于编码-解码对称神经网络的高分辨率图像重构机理研究[J]. 熊锐,张雷洪,蒋周杰,王建强,覃榜道,赖纯莉.  光学仪器. 2019(04)
[3]加权空-谱主成分分析的高光谱图像分类[J]. 阿茹罕,何芳,王标标.  国土资源遥感. 2019(02)
[4]基于光谱距离聚类的高光谱图像解混算法[J]. 刘颖,梁楠楠,李大湘,杨凡超.  计算机应用. 2019(09)
[5]高光谱遥感分区混合端元提取计算海洋溢油覆盖度[J]. 韩仲志,王轩慧,时鸿涛,万剑华.  光谱学与光谱分析. 2019(05)
[6]基于自编码器图像重构的织物瑕疵检测算法[J]. 欧庆芳,谢伙生.  计算机与现代化. 2019(01)
[7]新型无人机图像序列压缩与重构算法[J]. 黄大庆,马俊杰,徐喜梅.  指挥信息系统与技术. 2018(06)
[8]压缩感知图像的块子带自适应稀疏表示规则化重构[J]. 熊承义,龚忠毅,高志荣,张梦杰.  中南民族大学学报(自然科学版). 2018(04)
[9]联合空间预处理与双边滤波的稀疏RX高光谱异常检测[J]. 成宝芝,赵春晖.  哈尔滨工程大学学报. 2019(04)
[10]基于稀疏表达的水体遥感反射率高光谱重构及其应用[J]. 李渊,李云梅,郭宇龙,张运林,张毅博,胡耀躲,夏忠.  环境科学. 2019(01)



本文编号：3271096