自适应波段选择与最佳预测顺序的高光谱图像无损压缩

发布时间：2021-10-14 09:33

　　针对传统递归最小二乘预测器的预测精度与谱间相关程度存在较强相关性及其对预测顺序较为敏感的特点,提出一种基于自适应波段选择和最佳预测顺序的高光谱图像无损压缩方法。首先,为了提高参考波段与待预测波段间的谱间相关性,以最大谱间相关系数为准则进行波段重排预处理,接着引入自适应波段选择策略从已预测波段集中选出与待预测波段存在最高相关性的多个波段作为参考波段。然后,以最小预测残差熵为准则选出最佳预测顺序模式进行谱间预测。最后,采用算术编码器对预测残差进行熵编码。在AVIRIS 2006数据集上的实验结果显示,该方法在16位校正图像、16位未校正图像和12位未校正图像上分别取得了3.314,5.594和2.395 bpp的压缩效果。该方法在几乎不增加计算复杂度的情况下有效提高了传统递归最小二乘预测器的预测精度,其最佳压缩效果接近或优于其他同类方法。 

【文章来源】：光学精密工程. 2020,28(07)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

算法流程图

预测顺序是指预测器对像素点进行预测的先后次序。由于预测顺序会影响预测过程的平稳性,递归最小二乘预测器对预测顺序较为敏感。典型的预测顺序有横向光栅、竖向光栅、横向蛇形和竖向蛇形四种模式。如图2所示,红色方格表示待预测像素点,绿色方格表示因果上下文,折线表示预测顺序(采图见期刊电子版)。目前,已报道的文献均采用横向光栅模式。蛇形模式能更好地利用像素点间的邻近性,提高预测过程的平稳程度从而取得更好的预测效果。横向模式与竖向模式的预测效果则与图像内容分布情况有关,当图像表现出明显的横向分布或竖向分布时,预测效果将会产生明显差异。基于以上分析,本文引入了最佳预测顺序模式选择策略,以最小残差熵为原则,在横向蛇形和竖向蛇形两种模式中选择最佳模式。预测残差熵的计算公式如式(6)所示:

考虑到经过波段重排后排列靠前的波段与其后波段存在较强的相关性,其最佳预测顺序模式与后续波段的最佳预测顺序模式具有较高的一致性这一情况(如图3所示),本文采用了快速最佳预测顺序模式估计策略以降低计算量,即以前k个波段中获得最佳预测效果最多的模式作为后续波段的最佳预测顺序模式。2.4 预 测

【参考文献】：
期刊论文
[1]融合微分重排与匹配的高光谱快速目标检测[J]. 王含宇,杨名宇,王浩,孟令通,王檬檬.  液晶与显示. 2019(08)
[2]高光谱图像分类的研究进展[J]. 闫敬文,陈宏达,刘蕾.  光学精密工程. 2019(03)
[3]基于自适应波段聚类主成分分析和反向传播神经网络的高光谱图像压缩[J]. 陈善学,张燕琪.  电子与信息学报. 2018(10)
[4]高光谱遥感技术发展与展望[J]. 张淳民,穆廷魁,颜廷昱,陈泽宇.  航天返回与遥感. 2018(03)
[5]基于K-均值聚类和传统递归最小二乘法的高光谱图像无损压缩[J]. 高放,孙长建,邵庆龙,郭树旭.  电子与信息学报. 2016(11)
[6]基于上下文窗口中反向搜索的高光谱图像无损压缩[J]. 高放,刘宇,郭树旭.  光学精密工程. 2015(08)
[7]应用自适应预测器排序的三阶预测高光谱图像无损压缩[J]. 李昌国,郭科.  光学精密工程. 2014(03)



本文编号：3435904