当前位置:主页 > 科技论文 > 网络通信论文 >

复数SAR图像的块自适应多级矢量量化压缩

发布时间:2018-08-03 12:14
【摘要】:研究了在空间域进行复数合成孔径雷达(SAR)图像的压缩,提出了结合块自适应矢量量化(BAVQ)和多级矢量量化(MSVQ)技术各自优点的块自适应多级矢量量化(BAMSVQ)压缩算法。该算法因SAR复数图像的实部和虚部数据在一定采样规模下具有近似高斯分布的特性,可以运用BAVQ编码;而上一级编码后的残差数据由于已经进行了一定程度的去相关性,根据中心极限定律也具有近似高斯分布特性,因而也可进行块自适应的矢量量化编码,由此可形成BAVQ的多级方案。另外由于实虚部归一化的高斯分布块数据具有相同的分布特性,因此可以共享码书,节省存储资源与传输数据量。仿真结果验证了该算法的有效性。在相同的压缩比下,与前两种空间域压缩算法相比,该算法提升了性能,降低了计算复杂度,节省了计算时间和资源占用量。
[Abstract]:The compression of complex synthetic aperture radar (SAR) images in the space domain is studied. A block adaptive multilevel vector quantization (BAMSVQ) compression algorithm is proposed, which combines block adaptive vector quantization (BAVQ) and multistage vector quantization (MSVQ) technology. The algorithm is based on the real and virtual data of the SAR complex image under a certain sampling scale. BAVQ coding can be used to approximate the characteristics of the Gauss distribution, and the residual data after the first level coding has been correlated to a certain degree, and the central limit law also has approximate Gauss distribution characteristics, so the block adaptive vector quantization coding can also be carried out, thus the multilevel scheme of the BAVQ can be formed. In addition, the real deficiency can be achieved. The normalized Gauss distribution block data have the same distribution characteristics, so the codebook can be shared and the storage and transmission data can be saved. The simulation results verify the effectiveness of the algorithm. Compared with the previous two spatial domain compression algorithms under the same compression ratio, the algorithm raises the performance, reduces the computational complexity and saves the calculation. Time and resources are used.
【作者单位】: 中国科学院计算技术研究所;中国科学院大学;
【基金】:总装备部预研资助项目
【分类号】:TN957.52

【参考文献】

相关期刊论文 前2条

1 邓云凯;张惠亮;;基于改进矢量量化的SAR图像压缩算法[J];系统仿真学报;2010年01期

2 陈德元;;SAR imagery coding based on blocking high frequency energy matching[J];High Technology Letters;2009年04期

【共引文献】

相关期刊论文 前3条

1 喻言;;基于块自适应残差矢量量化的SAR图像压缩[J];系统仿真学报;2014年08期

2 喻言;王贞松;;复数SAR图像的块自适应多级矢量量化压缩[J];高技术通讯;2014年04期

3 刘健;程英蕾;;SAR图像压缩技术研究综述[J];电脑知识与技术;2012年04期

【二级参考文献】

相关期刊论文 前6条

1 吴文丽;刘玉树;赵基海;;一种新的混合聚类算法[J];系统仿真学报;2007年01期

2 ;A NOVEL ALGORITHM OF MULTI-SENSOR IMAGE FUSION BASED ON WAVELET PACKET TRANSFORM[J];Journal of Electronics;2006年02期

3 段勇;徐心和;崔宝侠;;改进的SOFM及其在矢量量化中的应用[J];系统仿真学报;2006年03期

4 王志勇,张继贤,黄国满;高分辨率SAR影像斑点噪声滤除方法的研究[J];测绘科学;2004年06期

5 谢列宾,王贞松;合成孔径雷达数据压缩的研究[J];电子与信息学报;2002年12期

6 刘荣科,张晓林,廖小涛;一种基于分类DCT的SAR图像压缩算法[J];遥测遥控;2001年04期

【相似文献】

相关期刊论文 前10条

1 甘涛,朱维乐;基于四叉树结构的小波格型矢量量化[J];电子科技大学学报;2005年04期

2 郑勇;李德明;朱维乐;;采用方向树结构矢量组合的小波图像分类矢量量化[J];电子与信息学报;2005年12期

3 鲁小利;董阿丽;;信道最优矢量量化技术及其改进[J];电脑知识与技术;2008年21期

4 石星;动态多级矢量量化原理及实现的初步设想~[1、2][J];通信技术;1989年03期

5 周杰,彭嘉雄;一种简单的基于矢量量化的方块编码方案[J];华中理工大学学报(社会科学版);1994年05期

6 钟声,石青云,,程民德;自适应多层次矢量量化方法[J];软件学报;1994年06期

7 王磊,戚飞虎;矢量量化的渐进构造模糊聚类算法[J];上海交通大学学报;1999年05期

8 马勇,张立明,蓝鸿翔;一种用于加快图像矢量量化的算法[J];复旦学报(自然科学版);2000年02期

9 孔祥维,李国平;动态模糊矢量量化算法[J];中国图象图形学报;2000年08期

10 陈莘萌,陈刚,姚昱;基于最小平均复杂度的矢量量化音频分类方法[J];武汉大学学报(理学版);2005年01期

相关会议论文 前10条

1 高晖;和应民;;基音同步的语音波形矢量量化[A];第三届全国人机语音通讯学术会议论文集[C];1994年

2 陈金涛;宋蓓蓓;;图像矢量量化系统设计中的简便策略[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

3 胡昊;王红星;;一种改进的相关矢量量化图像编码算法[A];第十二届全国图象图形学学术会议论文集[C];2005年

4 李弼程;;图像矢量量化中的快速搜索算法[A];中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)论文集[C];2001年

5 黎建宁;王仁华;;矢量量化在说话人识别中的应用[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 陈善学;;矢量量化快速编码算法[A];第九届全国青年通信学术会议论文集[C];2004年

7 杨云志;黄顺吉;王建国;;矢量量化在SAR原始数据压缩中的应用[A];中国电子学会第七届学术年会论文集[C];2001年

8 陈善学;;等误差竞争学习算法在矢量量化中的应用[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

9 李凤莲;张雪英;王子中;李红春;;码书分类重排矢量量化方法及其应用研究[A];第十二届全国人机语音通讯学术会议(NCMMSC'2013)论文集[C];2013年

10 程康;高瑞;傅清华;陈强;;在小波变换域进行的非迭代矢量量化聚类算法[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年

相关博士学位论文 前6条

1 陈善学;矢量量化技术及其在图像信号处理中的应用研究[D];电子科技大学;2009年

2 刘继新;基于矢量量化技术的音频信息隐藏算法的研究[D];哈尔滨工业大学;2010年

3 郑勇;小波图像分类矢量量化与网络编码量化的研究[D];电子科技大学;2002年

4 陆哲明;矢量量化编码算法及应用研究[D];哈尔滨工业大学;2001年

5 王冬芳;基于矢量量化技术的图像实时压缩芯片的研究[D];西安理工大学;2009年

6 刘丽娟;矢量量化编码算法及其VLSI结构设计的研究[D];华中科技大学;2004年

相关硕士学位论文 前10条

1 罗思涯;用矢量量化的方法对分子进行3D成像及分析[D];华南理工大学;2011年

2 刘晓燕;基于矢量量化算法的语者鉴定研究[D];重庆大学;2006年

3 刘竹涛;基于矢量量化的语种识别[D];哈尔滨工程大学;2005年

4 王俊祥;基于矢量量化的可逆信息隐藏技术研究[D];哈尔滨工业大学;2008年

5 王猛;基于重叠变换与矢量量化的图像压缩算法及应用研究[D];哈尔滨工业大学;2008年

6 黄榜;矢量量化图像编码算法的研究[D];江南大学;2011年

7 胡吉兴;基于矢量量化的近邻查询研究[D];西安电子科技大学;2012年

8 李国刚;基于小波变换和误差竞争学习的矢量量化方法研究[D];山东大学;2005年

9 普晶晶;压缩感知算法及其在矢量量化中的应用[D];南京邮电大学;2012年

10 吴立彬;矢量量化技术及其在超光谱图像中的应用研究[D];重庆邮电大学;2012年



本文编号:2161716

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/2161716.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b5efc***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com