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.     

基于近邻子空间划分的高光谱影像波段选择方法

在降低高光谱遥感影像数据的冗余度方面,波段选择一直是一种有效的方法.近年来,提出了许多用于高光谱波段选择的聚类算法,但大多数算法只有在选择足够多的聚类中心时才能够表现出良好的性能.在选择少量波段时,往往效果很不理想,不能满足实际使用的目的.而且,随着聚类中心数量的增加,大多数波段选择算法的精度存在不同程度的下降趋势.针对当前基于聚类的波段选择方法存在对聚类中心数的强敏感性和选择的特征波段子集高相关性的问题,提出了一种基于近邻子空间划分的波段选择方法(SEASP).该方法主要包括近邻子空间划分和特征波段选取两个步骤.考虑到高光谱波段之间的有序性,SEASP首先计算出相邻波段之间的相关系数,得到相关系数向量.若两个波段之间的相关性在某个区间内最小,即相关系数的变化率在该区间内最大,说明这两个波段在很大概率上不属于同一组,为两个相邻分组之间的分割点.因此,在相关系数向量的基础上,计算出其对应的若干个极小值,通过极小值的选取来确定最终划分的子空间.最后以信息熵为度量标准从划分的子空间中选出特征波段子集.在3个公开数据集的实验结果表明,提出的SEASP算法与其他算法相比,不仅原理简单,而且在精度...     

一种基于图像熵的密度峰值聚类波段选择方法

基于将图像熵引入到密度峰值聚类算法中以确定波段信息量,提出一种基于图像熵的密度峰值聚类波段选择方法.通过构建衡量波段重要性得分,解决了传统密度峰值聚类方法在波段选择时未考虑波段信息量的问题.实验结果表明,该方法的分类精度较传统密度峰值聚类方法平均提高2.12%.     

一种基于模糊聚类的小波图像压缩方法

基于小波变换的图像压缩算法在比特率较低时会出现重构图像边缘模糊现象．在充分考虑高频子带小波系数的分布特性对保存边缘、纹理等信息的影响之后，提出了一种新的基于势函数模糊聚类的方法来解决重构图像边缘模糊问题，实验结果显示：这种方法能较好地保存图像边缘和纹理信息，有效地减少边缘模糊现象和改善重构图像的主观质量．     

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.     

基于块聚类匹配与PCA的图像去噪方法研究

图像去噪是图像处理领域的重要研究方向,局部块匹配和主成分分析法是图像去噪处理的重要手段,传统的块匹配算法只在固定的窗口范围内进行一次相似度的块筛选,这种搜索方式保留了图像的局部特征但对纹理的保护较差,图像存在失真模糊的现象.为解决这一问题,将聚类匹配和局部筛选相结合,通过聚类类别对样本块进行进一步筛选,同时对匹配窗口的...     

基于视觉显著性波段选择的高光谱分类

波段选择是一种能够减少高光谱图像数据量的同时不改变其物理信息的处理方式,然而,大部分波段选择方法都以选择信息量最大的波段子集为思路,而信息量最大的波段子集却并不一定在后续的分类中有着最佳表现.为达到更好的高光谱分类效果,引入视觉显著性方法,定义基于显著图的波段评价指标,以充分利用各波段图像的空间信息,结合固有的光谱信息...     

基于上下文多字典学习的高光谱波段选择

高光谱图像存在大量冗余信息,波段选择是一种有效的减少冗余、降低光谱维数的方法.提出一种基于上下文多字典学习的高光谱图像波段选择算法.该算法使每个波段的图像都可以通过其他波段图像的线性组合来近似表示,而且能够保证相邻波段图像具有相似的性质.同时通过稀疏求解方法求出每个波段对应整个原始图像的权重,便可按照权重来选择波段.实...     

基于光谱技术的稻飞虱虫害聚类研究

为了实现可靠的稻飞虱虫害诊断,使用PR715光谱辐射度计采集了健康水稻叶片、有幼虫寄生的叶片、单个体成虫及参考白板的光谱值,获得各个阶段稻飞虱病虫害的光谱。由于原始光谱在谱线的两端噪声比较大,因此用滤波方法对光谱进行平滑处理,得到相对平滑的反射率光谱曲线。采用主分析、欧式距离和余弦3中方法进行聚类分析,其中主成分分析、余弦的分类正确率为100%,欧式距离的平均分类正确率均为：92.24%,相对较差。实验结果证明,光谱分析方法在一定程度上能快速、精确提取稻飞虱病害的信息,实现聚类分析,为对稻飞虱病虫害进行快速、精确和非破坏性诊断提供技术支持。     

基于ADV212的图像压缩系统设计与实现

本文在分析了单片JPEG2000压缩标准的专用编解码芯片ADV212的硬件结构和工作原理的基础上,实现了基于ADV212的图像压缩系统的硬件设计和FPGA逻辑设计.其中,该系统的数据输入接口采用LVDS,数据输出接口采用USB,FPGA主要实现对压缩芯片ADV212寄存器的配置,整个系统的数据流控制以及系统时序逻辑适配.实验结果表明,该系统满足系统对图像压缩实时性的要求,同时,重构后的图像与原始图像进行相比,具有较高的峰值信噪比(PSNR).     

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。     

应用于深空通信中的图像编码方法的研究

介绍了应用于深空通信背景条件下的静态及动态图像编码方法,二维图像压缩方法-JPEG2000的制定、使用的核心算法、特性及结构.同时,通过计算机仿真进行了实验,对比了JPEG2000标准与其前代标准JPEG之间的效果.     

基于小波变换的JPEG2000图像压缩研究

在着重研究JPEG2000图像压缩系统基础上，分析了基于离散小波变换的压缩算法实现静止图像的压缩、编码、传输、存储等各种功能的机理；开发了JWlet实验软件，并采用Wlet软件对压缩图像进行了展示和评估，实验证明，基于小波变换的图像压缩系统具有渐进传输、感兴感区域编码，误差恢复等多种功能和很高的压缩效率。     

一种基于DSP的JPEG2000视频压缩系统的实现

JPEG2000是国际标准化组织ISO和国际电信联盟ITU T共同制定的新一代图像压缩标准.它是基于EB COT算法,使用DWT,采用两层编码策略, 能够获得较好的压缩率.介绍了JPEG2000的基本特点,概述了其图像编码系统.详细描述基于DSP的JPEG2000硬件压缩系统各个硬件的选择以及具体的实现过程.     

基于PCA和神经网络的人脸识别

介绍一种基于PCA和神经网络结合的人脸识别方法。该方法首先利用主成分分析方法对整幅图像进行特征提取,获得最佳描述特征,从而减小神经网络的输入。然后将降维之后的图像数据输入到一个前向传播神经网络中训练。神经网络的权值采用粒子群算法进行优化,用标准人脸数据库中的样本进行测试,最后将该方法与其他方法作了比较。实验结果表明,该方法能够取得更好的效果。     

基于PCA和DWT的强鲁棒数字水印算法

针对传统离散小波变换(DWT)数字水印算法抗几何攻击能力较弱的问题,提出一种基于主成分分析(PCA)和DWT的新的数字水印算法。新算法对载体图像进行一级小波分解,在低频子带上用主成分分析提取出既含有高频又含有低频成分的主成分系数,将水印嵌入到提取出的主成分系数中。实验结果表明,与传统DWT水印算法相比,该算法不仅明显提高了抗剪裁、旋转等抗几何攻击能力,对加噪、图像灰度值变化等攻击也表现出了很强的鲁棒性。     

基于PCA和DC的信息系统需求变更管理方法研究

用户需求变更问题是信息系统需求工程研究的重要内容.影响需求变更的因素指标非常多,选取一个好的需求变更管理方法比较困难.针对这一问题,提出基于主分量分析(PCA)和动态聚类(DC)的信息系统需求变更管理方法.