基于张量分析和小波包变换的高光谱图像压缩

高光谱图像拥有巨大的数据量,造成其保存和传输非常不便,因此高光谱图像的压缩显得尤为重要.提出一种基于张量Tucker分解和小波包变换的高光谱图像压缩算法.首先,该算法利用Tucker分解的性质,充分提取高光谱图像中各个模式下的信息,并利用其中包含有空间信息的光谱模式对高光谱图像的光谱维进行解相关.然后,运用比经典Mallat小波分解更为有效的小波包变换对光谱去相关后保留下来的主成分进行JPEG2000压缩.实验结果表明,本算法压缩性能远远好于经典的三维小波算法,并且由于张量分解的应用,不论在码率失真表现还是信息保真度上,本算法均比基于一维主成分分析的高光谱压缩算法更具优势.     

基于线性光谱混合理论的高光谱图像压缩

为了以较小的压缩误差为代价解决高效压缩高光谱数据的难题,提出基于线性光谱混合理论的星上高光谱图像压缩算法.利用顶点成分分析求高光谱图像的端元向量,并根据信道容量选择端元数;基于线性光谱混合模型求各像元对应于端元向量的丰度值;用JPEG2000对端元向量和丰度值矩阵进行无损压缩.对AVIRIS高光谱图像的仿真结果表明:压缩比为80∶1时,原始光谱与解压缩重构光谱最大相对误差小于2.7%,最大光谱角余弦误差小于0.000 23,压缩性能优于现有算法;算法还能有效地抑制原始图像中的随机噪声.     

加权空-谱自适应近邻聚类的高光谱图像分类

高光谱图像聚类算法可以对海量的高光谱图像数据进行信息提取,完成地物类别的初步分类。自适应近邻聚类(clustering with adaptive neighbors,CAN)作为一种新型的聚类算法,利用样本间的局部连通性实现聚类,聚类效果较好,但是该算法的性能受样本间相关性的影响较大。基于此,文章提出了一种新的融合高光谱图像的空间信息和光谱信息的分类方法,即加权空-谱自适应近邻聚类(weighted spatial and spectral clustering with adaptive neighbors,WSS-CAN)法,该方法通过引入样本点的近邻窗口尺度和光谱因子2个参数对高光谱图像进行重构,增强了样本间的相关性,对重构后的图像进行CAN聚类,有效提高了分类精度。在Indian Pines和Salinas-A数据库上的实验结果表明,由WSS-CAN得到的总体精度分别为56.33%、77.90%,分别比其他聚类算法提升了11.52%~18.47%、10.1%~14.79%,聚类效果较好。     

基于三维小波变换和上下文量化的高光谱图像压缩

提出了一种基于三维小波变换和上下文量化的高光谱图像压缩算法.该算法先利用三维小波变换去除高光谱图像在谱内和谱间的冗余信息,然后建立了一个高维时、频域的上下文预测模型以分析小波系数之间的相关性,并通过对增加条件熵的理论分析,合理地对该模型中的上下文进行量化,得到合适的编码上下文用于自适应的算术编码.试验结果表明,该算法不仅明显优于基于二维小波变换的JPEG2000标准,而且相对于同样基于三维小波变换的三维分层树集合分裂算法也有较大的提高.     

基于自适应谱段分组的超光谱图像压缩算法

针对庞大的超光谱数据与有限的卫星信道容量间存在的巨大矛盾,提出了一种新的基于自适应谱段分组的超光谱图像压缩算法.为了充分挖掘图像的谱间相关性,运用该算法对超光谱图像进行了预处理,通过谱段的自适应分组和预测参考帧的选取提高了压缩算法的编码性能,并结合谱间预测和位平面编码分别消除了超光谱图像的谱间和空间冗余.实验结果表明:与传统方法相比,在保证图像质量和较低计算复杂度的前提下,其压缩编码的平均峰值信噪比提高了约2.0～4.5 dB.     

基于最佳谱间预测与SPIHT的高光谱图像混沌压缩加密

针对高光谱图像传输安全性问题,提出一种将最佳谱间预测、SPIHT编码和混沌映射相结合的高光谱图像压缩加密算法.该算法采用最佳谱间预测与SPIHT的编码算法对高光谱图像进行压缩.压缩过程中,首先由Tent映射置乱初始化LIP,然后利用Lorenz三维混沌映射产生混沌值生成比特序列,编码过程中实时加密对图像重构起重要作用的数据,在压缩过程中实现图像加密.仿真结果表明：该算法密钥空间大,对密钥和明文敏感,同时能有效提高图像存储和传输效率.     

基于双向波段预测的超光谱图像无损压缩

为了解决超光谱图像海量数据无损压缩计算复杂度高、实时性差的问题,将预测树模型和双向多波段谱间预测算法用于超光谱无损压缩研究。在对超光谱图像进行基于预测树模型的谱内预测的基础上,通过双向谱间多波段预测,利用谱间局部统计冗余和结构冗余,建立了对预测树模型误差进行自适应补偿的预测器模型,设计了一种基于“权重”的方法。该方法利用已编码像素对系数进行自适应估计。采用SPIHT (Set Partitioning in Hierarchical Trees)算法对去冗余后的残差图像进行编码。试验结果表明,该算法在较低的计算复杂度下,压缩比优于目前流行的无损压缩算法。     

三维小波零块编码算法在超光谱图像压缩中的应用

提出了1种三维集合分裂嵌入式零块编码(3D SPEZBC)的超光谱图像压缩算法。该算法首先采用三维二进小波变换,有效地去除超光谱图像的空间和谱间相关性,然后对于所生成的每个二维子带利用基于集合分裂的方法进行零块编码,最后再采用基于上下文的自适应算术编码来进一步提高编码性能。3D SPEZBC编码算法不但可以提供较好的率失真性能,而且相对于3D EZBC编码算法可以节省大量的存储空间。实验结果表明,3D SPEZBC算法在各比特率下编码性能均明显优于3D SPECK,3D SPIHT和JPEG2000算法。     

基于JPEG2000的半脆弱数字水印技术

提出了一种抵抗JPEG2000图像压缩标准的半脆弱水印,适合数字图像产品的内容篡改认证和完整性证明.该算法先对图像进行预量化与预截断抵抗JPEG20000的压缩攻击,根据原始图像像素的邻域特性形成水印,再使用量化嵌入算法,嵌入水印.提取时不需要原始图像甚至不需要原始水印的对比.实验效果表明,该算法对抵抗JPEG2000压缩有鲁棒性,对恶意攻击有脆弱性,篡改定位准确.     

基于提升小波变换的JPEG2000核心算法研究

JPEG2000是新一代静态图像压缩标准，它具有优良的压缩性能和很高的灵活性。介绍了JPEG2000的编码流程，研究了它的核心算法，重点分析了JPEG2000所采用的提升小波变换。并得出JPEG2000与传统的图像压缩标准相比确实具有更加优越的性能的结论。     

贪心聚类算法及其在遥感图像分类和压缩中的应用

根据样本间的近似程度，提出了相关系数聚类概念。对遥感象素光谱曲线突变特性的多分辨率描述，准确地刻画了遥感对象内容。还以小波特征相关系数衡量象素间距离，并通过贪心搜索实现了冗余度最低的聚类中心。在比较准确的初始分类的基础上，结合K-means聚类可实现较高的无损压缩。最后，由TM多光谱图像和AVIRIS超谱图像的实验分析，验证了该聚类算法的灵活性、分类的有效性和较高的无损压缩效果。     

结合Gabor滤波和同质性判定的高光谱图像分类

针对传统高光谱图像分类算法多利用目标类别光谱信息而忽略空间信息的问题,提出了一种综合利用空间信息与光谱信息的分类算法．首先,利用主成分分析（PCA）和无参数加权特征提取（NWFE）分别对高光谱数据进行特征提取;然后,在PCA第一主成分的基础上进行二维Gabor滤波得到像元纹理特征,结合纹理信息与光谱信息利用支持向量机对图像分类;最后利用多尺度区域同质性判定进一步改进图像分类精度．实验表明,该算法能够消除“噪声”像元,有效地提高图像分类精度．     

基于预测和矢量量化的高光谱图像压缩算法

针对高光谱图像波段数目多,存储空间大,为后续研究带来极大不便的特点,提出了一种基于广义回归神经网络预测与矢量量化算法结合的高光谱图像压缩算法。该算法通过预测前一波段的像素数据,将符合要求的预测结果继续预测下一波段,通过设置合理的参数,在预测步骤中95%以上的波段可通过预测结果来预测波段数据。利用矢量量化算法对预测数据进行压缩。该算法只需要已知图像的前2个波段数据,即可预测整个图像波段的数据。广义回归神经网络具有很强的非线性映射能力和学习速度,预测效果好。通过预测得到的数据在不同的压缩比下进行实验,结果表明,在保证图像质量的前提下,该算法与对比算法相比,有效降低了运算复杂度,节约了时间,提高了峰值信噪比。     

一种小波域的分形图象编码新算法

本文在分析了小波域内分形图象编码原理的基础上, 将零树思想引入到小波域的分形图象编码中, 通过定义方向性零（ 子） 树的概念, 提出了一种小波域的分形图象编码的新算法．该算法简单实用、计算量小．实验表明, 对５１２ ×５１２ 的８ 比特Ｌｅｎａ 图象在ＰＮＳＲ 等于２９ ．６７ ｄＢ时, 压缩比达６６ ．４８ , 远远优于ＪＰＥＧ的编码性能, 是目前文献报道的有关小波域内分形图象压缩编码的最好结果     

基于JPEG2000的医学图像压缩处理研究

研究了针对于静态图像进行压缩编码的国际标准JPEG2000,将其在医学影像图像的压缩中实现,并将压缩结果进行了比较分析。通过研究发现,作为一种基于离散小波变换的静态图像压缩编码算法,JPEG2000具有很好的压缩比和信噪比,适合对医学图像进行无损压缩,为医院开展PACS和远程医疗提供了技术上的支持。     

一种方向提升小波变换和网格编码量化的图像编码算法

由于JPEG2000图像压缩标准不能有效表示图像边缘的缺陷,提出了一种结合方向提升小波变换和网格编码量化(TCQ)的图像编码算法.该算法先通过基于率失真优化的四叉树分割算法得到最优变换方向,再沿最优变换方向做方向提升小波变换,然后对得到的小波子带系数进行TCQ量化,最后将量化系数编码输出.实验结果表明,对所给定的测试图像,该算法比JPEG2000峰值信噪比最多提高了1.49 dB,比JPEG2000的结构相似度最多提高了3.98%,解码图像的主观视觉质量更好.     

一种基于小波的Contourlet变换的图像压缩算法

针对JPEG2000图像压缩不能有效地保护图像边缘的局限，提出了一种结合基于小波的Contourlet变换与最优截断嵌入码块编码（EBCOT）的静止图像压缩算法（CEBCOT）．在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换，它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带，从而更稀疏地表示了图像的边缘和纹理．CEBCOT采用了改进的EBCOT编码，它依照方向子带大小进行编码块分割，提高了编码性能．实验结果表明，相对于JPEG2000，所提出的算法获得的压缩图像边缘更加清晰，峰值信噪比提高了0．1～0．8dB．