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.     

基于空间和光谱内容的高光谱图像压缩

为提高高光谱图像的压缩性能,提出一种同时利用高光谱图像的光谱信息和空间信息的深度卷积神经网络压缩方法．主要通过主成分分析对高光谱图像进行光谱维降维预处理,在保持图像空间结构特性的同时,去除光谱冗余性．在此基础上,在编码端利用重要性图网络对压缩编码进行内容自适应码率分配,避免低码率下强边缘或小纹理处码率分配不足,从而提高图像压缩重建质量．在高光谱数据上的实验结果表明：该方法在低码率(0.184 4)下依然能达到较好的压缩性能,峰值信噪比为27.209 9,结构相似度为0.922 4.     

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.     

基于块稀疏表达模式的高光谱图像压缩

针对高光谱图像压缩算法存在的解码端计算复杂度高,且没有充分考虑高光谱图像结构特征信息等问题,提出了一种基于块稀疏表达模式的高光谱图像压缩方法.主要通过在编码端利用结构字典对稀疏系数进行结构化压缩编码,避免解码端非线性重构,以达到缩短高光谱图像重构时间的目的.实验证明该方法在压缩比较低(0.015 9)时依然能获得较高的重构精度(峰值信噪比为22.240 3,结构相似度为0.511 4).     

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。     

基于自适应波段聚类PCA的高光谱图像压缩

对高光谱图像进行有效压缩已经成为高光谱遥感领域的研究热点。针对现有高光谱图像压缩算法谱间特性利用不够充分的问题,提出了一种自适应波段聚类PCA(principal component analysis)与JPEG2000相结合的高光谱图像压缩算法。算法采用基于吸引力传播聚类的方法进行自适应波段聚类,对聚类后的各个波段组分别进行PCA运算,最后利用JPEG2000标准对所有主成分进行编码压缩。对高光谱图像进行波段聚类,不仅能更有效地利用谱间相关性,提高压缩性能;还可以降低PCA的运算量。实验结果表明,该算法在相同压缩比下,其信噪比、异常检测、光谱角性能相比对比算法均有所改善。     

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.     

基于异步迭代和自映射的分形图像压缩

介绍了分形压缩编码和解码现状,利用自映射编码和异步迭代改进了分形压缩编码和解码。     

高光谱成像技术用于肝切片癌变信息的提取

利用自主研发高光谱成像仪,展开了对肝癌组织切片的检测研究。实验过程中采集25例肝癌病理切片,每例切片选择3个视野进行分析,每个视野均包含了肿瘤细胞、正常细胞及淋巴细胞。采集的高光谱图像数据合成假彩色图像中,正常细胞区域呈黄绿色,肿瘤细胞区域呈浅紫色,淋巴细胞呈黑紫色。对特定波长图像进行相减、相除多光谱融合处理后,正常细胞区域亮度较大,肿瘤细胞区域呈暗色。对高光谱图像数据进行光谱解混合运算后,正常细胞和肿瘤细胞区域的颜色呈现明显差异。以上结果表明,从肝癌切片高光谱图像数据中可获取一定的癌变信息,为病理人员诊断肿瘤提供一种有效辅助手段。     

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.     

基于光谱特征的玉米品种高光谱图像识别

为了对玉米种子进行无损识别分类,对玉米种子的高光谱图像的光谱信息进行分析,探索高光谱图像技术在玉米种子识别分类上的可行性。利用波长范围为400～1 000 nm的高光谱图像采集系统采集11类共528粒玉米样本的高光谱图像;在每个玉米样本上提取感兴趣区域并获取此区域的平均光谱信息,对光谱曲线进行分析,去除12个奇异样本;结合偏最小二乘判别分析法对所选玉米种子样本识别分类。实验结果表明,在所选玉米样本的识别中训练集样本的识别精度可以达到99.22%,测试集样本的识别精度也达到了94.66%。研究结果表明,不同种类的玉米种子的光谱信息具有一定的差异性,利用高光谱图像技术提取其光谱信息对玉米种子品种进行无损识别分类是可行的。     

基于运动估计和感兴趣区域的干涉多光谱图像压缩算法

为了有效地压缩干涉多光谱图像，提出一种采用基于运动估计和感兴趣区域的小波变换和非对称零树编码的图像压缩算法．根据干涉多光谱图像平移和光谱分布特点，在小波变换中使用运动估计并提升强干涉区小波系数，以减小谱间相关性，并使强干涉区优先编码．算法采用非对称零树编码，符合小波变换后图像序列形成的非对称结构．实验结果表明：该算法在8倍压缩时，整幅图像的峰值信噪比比三维分层树集合分割序列编码算法（3DSPIHT）提高了0．35～0．49dB，比2DSPIHT提高了2．24～2．62dB；强干涉区峰值信噪比比JPEG2000比特平面位移算法提高了0．29～0．38dB；46个谱段的光谱失真均方误差平均值减小到9．69，有效地保护了光谱信息．     

基于特征提取的高光谱数据分类

目的提出高光谱数据的分类流程,以取高光谱数据对地物具有更高的光谱分辨率的优势,避其巨大数据量和波段间强相关性的弱势。方法应用辨别分析和决策面特征提取方法。结果减低了数据量,优化了高光谱信息。特征提取对高光谱信息优化处理十分有效,并达到了高维信息数据降维和高效利用的可行性。结论在一定的分类精度范围内,减低维数而不丢失信息,可以提高分类器的效能,实现高维遥感数据的优化处理和高效利用。     

基于PHI高光谱影像的植被光谱特征应用研究

探讨了植被冠层的光谱反射特征和诊断性光谱吸收特征。从连续统去除的光谱吸收特征中获得了波段深度、连续统去除后微分反射比、波段深度比和归一化波段深度指数等光谱特征变量。应用染有病害的多时相小麦PHI（Pushbroom hyperspectral imager）航空高光谱影像数据，分析了小麦病害对小麦光谱的影响及其光谱特征；运用微分光谱特征分析了监测小麦病害的可能性。     

基于光谱角匹配加权的高光谱图像异常检测

针对高光谱背景中存在异常和噪声的问题,提出了一种基于光谱角匹配(SAM)加权的核RX异常检测算法。首先对图像背景像元进行K-均值聚类,得到不同类背景对应的聚类中心,然后计算背景像元与聚类中心的光谱角余弦,选出较纯净的背景作为新背景,最后新背景中的每个像元将自己的光谱角信息作为权值,构造加权核RX异常检测算子,通过加权削弱了残留其中的异常和噪声的干扰。为验证算法的有效性,利用真实的AVIRIS和ROSIS-03遥感器采集高光谱数据进行了仿真实验,结果表明与对比算法相比,所提算法对潜在的异常具有较强的抑制能力,提高了检测精度。     

基于光谱差异均衡区间筛选的高光谱目标检测

如何快速、准确地进行目标检测,是高光谱遥感图像在实际应用中面临的关键问题.波段选择是提高高光谱数据利用效率的途径之一,针对目前基于光谱匹配的高光谱目标检测算法数据利用率低,易受冗余信息干扰导致检测率不理想的问题.在构建光谱区间差异均衡化计算模型的基础上,提出差异均衡化的光谱子区间提取方法.使用实测高光谱遥感影像数据集对方法进行验证.结果表明,相比于采用全谱段数据以及其他波段选择方法的目标检测结果,所提出的方法在计算耗时、检测准确率方面均取得更理想的结果,可高效实现高光谱图像的目标检测.      

基于高光谱线性混合光谱分解识别人工地物

城市下垫面包含多种不同年代、材料和成分的人工建筑物,其光谱多样性远远超过自然环境.利用高光谱遥感数据的丰富光谱信息,可以弥补传统遥感数据源(如航片、多光谱遥感数据等)在区分城市地物所需光谱分辨率等相关信息上的不足.从光谱分析与光谱匹配技术出发对城市地物和人工目标进行精细分类,可提供城市规划、环境监测、城市变迁乃至相关社会经济等方面的信息.本研究基于Hyperion高光谱遥感数据,以广州市区为试验区,尝试用手动提取终端像元,首先对水体与植被做分层掩膜,尽可能消除其在求取参考波谱与影像波谱角度过程中的影响;继而参考约翰-霍普金斯大学提供的标准光谱库的人工建筑物波谱,对光谱角度制图方法所产生的规则影像进行密度分割,获取与参考光谱夹角最小的端元准确位置,再通过高空间分辨率影像Quick Bird数据对其进行准实地验证,尽可能提"纯"并获取相应地物影像端元;最后,应用线性光谱分解模型提取出广州市区地表物质的丰度,由丰度图设定阈值生成地物分类图.结果表明:星载高光谱数据可识别出都市人工地物中的水泥混凝土、铺路混凝土、粘土瓦屋顶、较老建筑屋顶、裸土、高反射率未知物(玻璃、金属等)、低反射率未知物(阴影)、林地、草地与水体等,其总体精度为76.2099%,Kappa系数为0.7258.     

基于矩张量分析的花岗岩破裂声发射特征试验

基于声发射定位技术和矩张量分析方法,对在单轴加载条件下岩石破裂过程中的裂纹破裂机制及时空分布特征进行试验研究.借助CAD软件展示不同破裂机制的声发射事件,直观反映裂纹破裂类型.研究结果表明:单轴压缩加载试验中,花岗岩试样破裂以剪破坏为主,但岩石微裂纹的破裂类型所占比例并不固定,岩石内部微裂纹破裂类型与岩石材料的力学环境有关;花岗岩作为一种脆性岩石,破裂不符合格里菲斯强度准则认为的脆性材料都是拉伸破坏的基本观点,证明格里菲斯强度准则对于均质度不高的脆性岩石的适用性有一定的局限;花岗岩单轴压缩试验中,试样的破坏类型与其应力水平没有关系,3种类型的声发射事件随应力增大的变化趋势相似.     

关于张量分析的一个注记

本文以计算由几个张量缩并所得到的数量的微分为例,探讨了简化张量的微分运算。     

基于广义判别分析的高光谱影像特征提取

为提高高光谱影像地物识别的精度与速度,采用基于核方法的广义判别分析进行高光谱影像的非线性特征提取.研究了广义判别分析的数学模型、模型求解方法及特征提取过程,并进行了高光谱影像特征提取与分类实验.结果表明:样本点在特征空间中,同类目标大体聚集成团,异类彼此分离,具有良好的紧致性,特征提取结果优于线性判别分析结果.