高光谱图像无损预测压缩技术研究

发布时间：2017-12-14 08:32

  本文关键词：高光谱图像无损预测压缩技术研究

  更多相关文章： 高光谱图像 无损压缩 递归最小二乘 光谱聚类 波段排序

【摘要】：高光谱图像是由同一地物对不同波段的电磁波反射成像而得,在可见光到近红外光谱范围内的波段数可达到数百个。高光谱图像纳米级的光谱分辨率使得高光谱图像具有丰富的光谱信息,可以提供地物的精确细节,在环境监测、军事侦查、资源管理、矿产勘探以及植被研究等方面具有广泛的应用。经过几十年的发展,成像光谱仪所获取的数据量随着空间分辨率和光谱分辨率的不断提高而急剧膨胀,其庞大的数据量对高光谱图像的存储和传输造成了巨大的负担,也严重制约着高光谱图像的应用前景。因此,为了提高存储和传输效率并降低成本,对高光谱图像的压缩势在必行。高光谱图像压缩技术可分为无损压缩、近无损压缩和有损压缩,由于高光谱图像作为最有价值的遥感观测数据,绝大多数用来对地物进行精确分析,在压缩时引起的任何图像失真都是不能接受的,因此,高光谱图像的无损压缩技术是近年来遥感领域热门的研究问题,受到国内外学者的广泛关注。当前,在高光谱图像压缩领域并未形成统一的无损压缩标准,为了推动我国高光谱遥感事业的发展,需要更多高性能的高光谱图像无损压缩算法的提出。本文以高光谱图像的无损压缩技术为主线,针对高光谱图像的图像特性,设计了基于递归最小二乘法、光谱聚类和波段排序以及反向搜索的有效压缩算法。首先,本文对高光谱图像的图像特性进行分析,通过空间相关系数和光谱相关系数的计算,总结出在高光谱图像中同时存在空间相关性和光谱相关性、且光谱相关性大于空间相关性的规律,为后续压缩算法的设计提供了理论依据。其次,以高光谱图像的多波段特性为基础,设计了基于递归最小二乘法的高光谱图像无损压缩算法,将光谱预测的过程转化为递归最小二乘滤波器的求解过程,根据不同波段光谱相关性强弱不同的特点,使用不同数量的已知波段预测待测波段,将压缩算法的压缩性能逐波段的最大化,并提出自适应最优预测波段选取模块以缩短了压缩算法在预测波段数目确定阶段的大量运算时间。仿真实验表明,与代表高光谱图像无损压缩领域最高水平的C-DPCM-APL算法相比,该算法可以获得与C-DPCM-APL算法几乎相同的平均输出码流比特率,而在算法时间上仅需C-DPCM-APL算法的五分之一。然后,针对高光谱图像的空间纹理密集和不同波段之间光谱相似度不同的问题,设计了基于光谱聚类和波段排序的高光谱图像无损压缩算法。一方面,该算法利用K-均值聚类算法对高光谱数据中各光谱矢量进行聚类,将同一地物的成像像素归为一类,避免了使用已知像素对不同类别的待测像素进行预测时预测准确度过低的问题,去除了高光谱图像的部分空间冗余;另一方面,该算法通过最优波段排序的方法对高光谱图像中各波段的排列顺序重新进行定义,尽可能地提高排列后各相邻波段之间的光谱相关性,去除了高光谱图像的部分光谱冗余。仿真实验表明,所提预处理方法可将预测压缩算法对16位高光谱图像压缩后得到的平均码流比特率降低约0.05(比特/像素),为高光谱图像的无损压缩提供了一种很好的解决方案。最后,通过对机载可见光/红外成像光谱仪(AVIRIS)的校正过程进行学习,总结出AVIRIS 1997高光谱图像所包含的人工校正规律,并以此为理论基础,设计了基于反向搜索的高光谱图像无损压缩算法。该算法将经典预测器对待测像素的预测结果作为参考值,通过反向搜索方法,在待测像素所在像素行的已知像素中搜索出近似度高的像素,将其灰度值作为候选预测值,并选取最接近参考值的候选预测值作为待测像素的预测结果。仿真实验表明,该算法通过选取待测像素周围适合的已知像素灰度值作为预测结果的操作,合理的利用了校正过程对AVIRIS 1997高光谱图像所生成的校正相关性,使该算法获得了所有对比算法中最低的3.90(比特/像素)的平均输出码流比特率,证明了所提出的反向搜索方法为经典预测压缩算法无法对AVIRIS 1997高光谱图像取得高压缩性能的问题提供了一种合理的解决途径。
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期

2 王雷;乔晓艳;董有尔;张姝;尚艳飞;;高光谱图像技术在农产品检测中的应用进展[J];应用光学;2009年04期

3 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期

4 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期

5 王庆国;黄敏;朱启兵;孙群;;基于高光谱图像的玉米种子产地与年份鉴别[J];食品与生物技术学报;2014年02期

6 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期

7 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期

8 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

9 冯朝丽;朱启兵;朱晓;黄敏;;基于光谱特征的玉米品种高光谱图像识别[J];江南大学学报(自然科学版);2012年02期

10 徐爽;何建国;马瑜;梁慧琳;刘贵珊;贺晓光;;高光谱图像技术在水果品质检测中的研究进展[J];食品研究与开发;2013年10期

中国重要会议论文全文数据库 前10条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（下册）[C];2008年

6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年

5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年

8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年

2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年

3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年

5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

，

本文编号：1287240