高光谱遥感图像压缩自适应预测器优化研究

发布时间：2023-05-12 18:23

　　针对高光谱图像海量数据的存储和数据无损压缩比较低的问题,从三维数据的角度出发,提出一种对自适应预测器进行优化的高光谱遥感图像压缩算法。首先,计算各个波段之间的相关性,按照最优波段相关性建立参考波段索引表,依据最优参考波段索引表进行谱间预测,得到谱间预测后的残差图像。其次,依据图像自身的特征选择三维空间预测器或者谱空联合预测器对最优参考波段谱间预测后的残差图像数据再次进行预测处理,其中三维空间预测器与谱空联合预测器的选择是参考最优参考波段索引表的统计,在各个波段之间都处在较大的相关性时,表明数据在三维空间内存在较大的相关性,选择三维空间预测器,否则选择谱空联合预测器,这两种优化后的预测器兼顾了不同类型的数据压缩。最后,生成的残差图像中的信息熵相对原图已经有大幅度的降低,对残差图像进行算术编码,得到压缩后的数据。由实验分析可得,在优化的自适应预测器算法中的两个预测器得到的压缩效果差别不大,通过优化自适应预测器压缩算法得到的压缩效果,与普通的相类似压缩算法相比,压缩比有明显地提高,可以得出本文中的算法为有效的高光谱遥感图像无损压缩算法。该论文有图23幅,表11个,参考文献67篇。

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景
    1.2 课题研究的意义
    1.3 课题国内外研究现状
    1.4 论文结构安排
2 高光谱遥感图像压缩相关理论
    2.1 数据压缩的相关理论
    2.2 本文中用到的编码介绍
    2.3 图像压缩标准中的无损压缩
    2.4 高光谱数据相关性的定义
    2.5 本章小结
3 自适应预测器的优化设计
    3.1 三维空间预测方法
    3.2 谱空联合预测方法
    3.3 自适应预测器
    3.4 本章小结
4 实验分析与结果
    4.1 实验数据与环境说明
    4.2 实验结果对比与分析
    4.3 本章小结
5 结论与展望
    5.1 本文算法的总结
    5.2 算法的不足和可扩展研究之处
    5.3 未来展望和可研究方向
参考文献
作者简历
学位论文数据集



本文编号：3814397