基于SPIHT算法的遥感超光谱图像压缩研究

论文摘要

超光谱(Hyperspectral)成像具有高空间分辨率、高光谱分辨率和较多的光谱通道数。利用超光谱图像的高谱间分辨能够解决许多多光谱图像不能解决的问题。然而超光谱图像的高谱分辨力是以其较大的数据量及较高的数据维为代价的,这给超光谱图像的传输和存储都带来较大的困难,因此研究性能较高且简单可行的压缩算法对超光谱图像的应用具有重要意义。本文针对遥感超光谱图像的特点提出了无损和近无损超光谱图像压缩方案。首先对超谱图像序列谱间采用DPCM编码处理,这主要是由于超谱图像的谱间具有很强的相关性。紧接着分别采用整数(5.3)和(9.7)小波变换对残差图像进行无损和有损处理,整数小波变换的优点是具有简单的移位和加法操作等,而且比一般小波变换更适于消除遥感超光谱数据冗余,特别适合于需要实时、高速编码和无损压缩的场合,且利于今后的硬件实现。最后采用SPIHT算法对小波变换系数进行处理,SPIHT采用了空间方向树和两个集合更有效的表示小波系数结构,从而达到提高编码效率目的。实验数据表明,本文基于SPIHT的超光谱图像压缩时,无损压缩比可达2.34,较算术编码提高了14.1%;在采用整数(9.7)小波变换有损压缩传输比特率为0.5bpp时,超谱序列图像平均峰值信噪比可达44.4376dB左右,较好地重建了图像,这说明本文的压缩方案对于超光谱图像的压缩效果较好。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 遥感超光谱图像的背景
• 1.1.1 成像光谱技术
• 1.1.2 遥感超光谱图像
• 1.1.3 遥感超光谱图像的特性
• 1.2 遥感图像压缩技术的发展与现状
• 1.3 图像压缩编码的性能指标
• 1.3.1 客观保真度准则
• 1.3.2 主观保真度准则
• 1.3.3 压缩比
• 1.4 方案论证
• 1.5 本文工作简介及框架
• 2 小波变换在图像压缩编码中的应用
• 2.1 小波变换的定义
• 2.1.1 连续小波变换
• 2.1.2 离散小波变换
• 2.1.3 二维小波变换
• 2.2 二维图像小波变换的分解与重构
• 2.3 小波变换用于图像编码的特点和优势
• 2.4 小波变换在图像压缩编码中的应用
• 2.4.1 小波变换实现图像数据压缩的基本思想
• 2.4.2 小波变换图像压缩常见算法
• 3 基于DPCM 和整数小波变换的超谱图像压缩算法
• 3.1 DPCM 基本原理
• 3.1.1 线性预测编码
• 3.1.2 非线性预测编码
• 3.1.3 DPCM 预测
• 3.2 二代提升小波变换
• 3.2.1 第二代小波分析
• 3.2.2 提升算法的基本原理
• 3.2.3 提升算法的分解与重建
• 3.3 基于提升算法的整数小波变换
• 3.3.1 变换步骤
• 3.3.2 伪代码表示
• 3.3.3 几种常用小波的整数提升
• 3.4 算术编码
• 3.4.1 算术编码的基本算法
• 3.4.2 算术编码的优缺点
• 3.4.3 算术编码未来应用前景
• 3.5 仿真实验及分析
• 3.5.1 基于DPCM 和算术编码的超谱图像压缩
• 3.5.2 基于（5.3）整数小波变换和算术编码的超谱图像压缩
• 3.5.3 基于DPCM 和整数小波变换的超谱图像压缩
• 4 基于SPIHT 的超光谱图像压缩算法
• 4.1 引言
• 4.2 小波系数的数据特点
• 4.2.1 小波系数的多分辨率特点
• 4.2.2 小波系数的树状结构
• 4.2.3 小结
• 4.3 SPIHT 算法
• 4.3.1 SPIHT 算法简介
• 4.3.2 空间方向树结构
• 4.3.3 集合分割和排序过程
• 4.3.4 算法流程
• 4.4 仿真实验及分析
• 4.4.1 SPIHT 算法用于无损压缩
• 4.4.2 SPIHT 算法用于有损压缩
• 4.4.3 小结
• 5 结论
• 5.1 结论
• 5.2 研究展望
• 致谢
• 参考文献
• 附录