一种基于自适应预测的高光谱图像近无损压缩方法
一种高光谱图像压缩系统[实用新型专利]
![一种高光谱图像压缩系统[实用新型专利]](https://img.taocdn.com/s3/m/544f9ff852d380eb63946d15.png)
专利名称：一种高光谱图像压缩系统专利类型：实用新型专利
发明人：粘永健,何密,张珠,肖晶晶申请号：CN201921118889.8
申请日：20190717
公开号：CN209962268U
公开日：
20200117
专利内容由知识产权出版社提供
摘要：本实用新型提出了一种高光谱图像压缩系统，包括压缩感知成像模块和成像数据压缩模块；压缩感知成像模块包括沿光路依次设置的物镜、分光元件、第一透镜、数字微镜阵列DMD、第二透镜、成像阵列；物镜接收目标表面的多条辐射光线并传递至分光元件分成多束发散的单光谱光线；多束发散的单光谱光线通过第一透镜后形成多束平行的单光谱光线，被数字微镜阵列DMD进行光谱压缩后通过第二透镜汇聚在成像阵列上，形成光谱压缩图像；成像数据压缩模块对接收的光谱压缩图像进行空间压缩。
先通过压缩感知成像模块对目标表面的辐射光线进行光谱压缩，再使用成像数据压缩模块对光谱压缩后的图像进一步的空间压缩，实现了高光谱图像的有效压缩。
申请人：中国人民解放军陆军军医大学
地址：400030 重庆市沙坪坝区高滩岩正街30号
国籍：CN
代理机构：重庆双马智翔专利代理事务所(普通合伙)
代理人：顾晓玲
更多信息请下载全文后查看。
一种基于自适应预测的高光谱图像近无损压缩方法
收稿日期:2006-03-07;修返日期:2006-04-27 基金项目:国家自然科学基金资助项目(60472036,90304001);北京市自然科学基金资助项目(4032008,4052007);北京市教委科技发展计划重点项目(KZ200310005004,KM 200410005022)作者简介:王晋(1982-),男,北京人,硕士研究生,主要研究方向为图像编码(wr ite_to_me99@ema );张晓玲(1971-),女,山东莱州人,博士研究生,主要研究方向为图像/视频编码;柴焱(1980-),男,北京人,硕士研究生,主要研究方向为图像编码.一种基于自适应预测的高光谱图像近无损压缩方法*王 晋,张晓玲,柴 焱,沈兰荪(北京工业大学信号与信息处理研究室,北京100022)摘 要:提出一种高光谱图像的近无损压缩方法。
首先使用三维自适应预测有效地去除高光谱图像的空间和谱间相关性;然后对预测误差进行量化,以进一步降低编码率。
实验结果表明,该方法能在控制重建误差的前提下显著地降低了比特率。
关键词:高光谱图像;近无损压缩;量化;三维自适应预测中图分类号:TP 751.1 文献标志码: A 文章编号:1001-3695(2007)05-0305-03N ear-lossless Com pr ession of Hyper spect ral Im ageBased on Adaptive Pr edict ionWAN G J in,ZHAN G Xia o-ling ,CHAI Yan,S HEN Lan-sun(L aboratory of S ignal &Information Pr oces sing,B eijing Univer sity of Technology,Beijing 100022,C hina)Abst ract :A near-los sless com press ion a lgorit hm was present ed.First,3D ada pt iv e prediction wa s introduced in t o rem ove s pa tial and spectral redunda ncies efficient ly.T hen predict ion errors were quantized properly t o reduce coding rat e further.Ex-perim ent s show t ha t this m et hod can reduce bit-rat e dist inct ly while reconstruct ion error can be controlled.Key wo rds:hypers pect ral im ag ery;nea r-los sless com pression;quantiza tion;3D adapt iv e predict ion 目前,图像的压缩方法可分为有损压缩、无损压缩和近无损压缩三类。
基于自适应波段聚类PCA的高光谱图像压缩
基于自适应波段聚类PCA的高光谱图像压缩陈善学;胡灿;屈龙瑶【期刊名称】《科学技术与工程》【年(卷),期】2015(015)012【摘要】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.【总页数】7页(P86-91,108)【作者】陈善学;胡灿;屈龙瑶【作者单位】重庆邮电大学移动通信技术重庆市重点实验室,重庆400065;重庆邮电大学移动通信技术重庆市重点实验室,重庆400065;重庆邮电大学移动通信技术重庆市重点实验室,重庆400065【正文语种】中文【中图分类】TP751.1【相关文献】1.基于波段聚类的高光谱图像波段选择 [J], 葛亮;王斌;张立明2.采用自适应波段分组的高光谱图像压缩算法 [J], 白璘;何明一;戴玉超3.玉米冠层FPAR的高光谱遥感估算研-基于PCA方法及近、短波红外波段 [J], 杨飞;张柏;刘志明;刘殿伟;王宗明;宋开山4.聚类与自适应波段选择结合的高光谱图像降维 [J], 张悦;官云兰5.基于自适应波段聚类主成分分析和反向传播\r神经网络的高光谱图像压缩 [J], 陈善学;张燕琪因版权原因，仅展示原文概要，查看原文内容请购买。
应用自适应预测器排序的三阶预测高光谱图像无损压缩
应用自适应预测器排序的三阶预测高光谱图像无损压缩李昌国;郭科【期刊名称】《光学精密工程》【年(卷),期】2014(022)003【摘要】针对图像校正引起的高光谱图像的数据相关性,本文基于三级谱间预测和后向像素搜素(IP3-BPS)两阶预测提出了一种应用自适应预测器排序的三阶预测高光谱图像无损压缩算法.首先,根据高光谱图像相邻波段的相关系数大小进行自适应波段分组.然后,对谱间相关系数大于0.9的分组,利用校正引起的数据相关性和高光谱图像波段缩放因子分别给出一种递归双向像素搜索和一种自适应预测器排序技术;新形成的三阶预测算法将递归双向像素搜索和后向像素搜索作为最后两阶预测的预测器,并自适应调整两者的排序以获得更优的预测值.对机载可见光/红外成像光谱仪(AVIRIS'97)高光谱图像进行压缩的实验结果表明,提出的算法的平均比特率达到3.85bpp,优于其它无损压缩算法0.07～1.28 bpp.该算法在计算复杂度较低的情况下,是一种高效的高光谱图像无损压缩方法.【总页数】10页(P760-769)【作者】李昌国;郭科【作者单位】成都理工大学地球物理学院,四川成都610059;四川师范大学基础教学学院,四川成都610068;成都理工大学地球物理学院,四川成都610059【正文语种】中文【中图分类】TP751.1;TN919.81【相关文献】1.基于多预测器的高光谱图像无损压缩 [J], 苏令华;吕韶昱;万建伟2.一种基于自适应预测的高光谱图像近无损压缩方法 [J], 王晋;张晓玲;柴焱;沈兰荪3.基于最佳线性预测器的高光谱图像无损压缩算法 [J], 孙蕾;罗建书4.自适应波段选择与最佳预测顺序的高光谱图像无损压缩 [J], 朱福全;王华军;杨丽平;李昌国5.基于自适应预测的高光谱遥感图像无损压缩算法 [J], 况军;罗建书;向露因版权原因，仅展示原文概要，查看原文内容请购买。
高光谱图像压缩方法
高光谱图像压缩方法陈玉玲;闫敬文;马丽梅【摘要】针对压缩时不能充分利用图像普相关性、细节信息丢失等问题,提出一种自适应分组Karhun-Loeve变换/整数小波变换(APKLT/IWT)的高光谱图像压缩方法.对高相关性的谱段进行自适应分组,应用改进式KL变换和整数小波变换分别消除谱相关性和图像空间冗余,应用SPIHT算法进行压缩编码,对低相关性的谱段则直接采用三维整数小波变换/三维SPIHT(3D IWT/3D SPIHT)进行压缩编码.实验结果表明,相同压缩比条件下,PSNR值比非自适应的分组KL变换/整数小波变换/SPIHT(KLT/IWT/SPIHT)压缩算法提高了6dB,运算时间减少,压缩性能明显提高.%Because the compression can not take full advantage of the image of the general relevance,and losses information details and other issues,a compression method for hyperspectral images based on adaptive partitioned Karhun-Loeve transform (APKLT) and integer wavelet transform (IWT) was proposed.The spectral data of high correlation were partitioned into several classes.The spectral correlation and image space redundancy of these classes were eliminated by KLT and IWT respectively.The SPIHT algorithm was used to compress the APKLT/IWT data.The spectral data of low correlation were compressed using 3D IWT and 3D SPIHT algorithm directly.Experimental results show that the PSNR of proposedAPKLT/IWT/SPIHT method improves 6 dB comparing with non-adaptive KLT/IWT/SPIHT method in the condition of same compression rate,and the computing time decreases,which outperforms other methods.【期刊名称】《计算机工程与设计》【年(卷),期】2018(039)003【总页数】5页(P780-784)【关键词】高光谱图像;自适应;分组KL变换;整数小波;复合树集分割【作者】陈玉玲;闫敬文;马丽梅【作者单位】北京邮电大学网络空间安全学院,北京100876;贵州广播电视大学信息工程学院,贵州贵阳550023;汕头大学电子工程系广东省数字信号与图像处理技术重点实验室,广东汕头515063;北京邮电大学网络空间安全学院,北京100876;河北师范大学河北省网络与信息安全重点实验室,河北石家庄050024【正文语种】中文【中图分类】TP3910 引言高光谱遥感卫星图像主要有谱段与谱段间相关性及空间相关性两种冗余，为了消除这些相关性，文献[1,2]采用三维矢量量化和三维小波变换等方法用分离三维处理方法先后消除谱相关性和空间相关性。
基于预测与JPEG2000的高光谱图像无损压缩方法
基于预测与JPEG2000的高光谱图像无损压缩方法刘仰川;巴音贺希格;崔继承;唐玉国【摘要】With the development of high spectral and spatial resolution imaging spectrometer, the amount of hyperspectral image data dramatically increase. Due to the limitation of transmission and storage ability, hyperspectral image must be compressed effectively. Firstly, the correlation of hyperspectral image is deeply analyzed, and it shows that the image has a certain spatial correlation and an extremely high spectral correlation. That makes it possible to compress the image to a great extent. Secondly, the scheme of lossless compression based on one-order linear prediction and JPEG2000 is proposed after the modification of DPCM combining with JPEG2000. Finally, the scheme is realized by programming and preferable results are obtained. The results show that hyperspectral image can be effectively compressed with the scheme, which verifies its feasibility and provides the theoretical basis for its implementation on the hardware platform.%随着成像光谱仪向着高光谱分辨率、高空间分辨率方向发展,高光谱图像的数据量呈几何级数增长.由于数据传输和存储能力的限制,必须对高光谱图像进行有效压缩.首先,对高光谱图像的相关性进行了深入分析,得知其具有一定的空间相关性和极强的谱间相关性,从而具有较强的可压缩性.其次,结合JPEG2000对DPCM进行了修改,提出了基于一阶线性预测与JPEG2000相结合的无损压缩方案.最后,在软件平台上实现了该方案,并取得了较好的压缩效果.结果表明,该方案可以有效的实现高光谱图像无损压缩,验证了方案的可行性,为硬件平台上实现该方案提供了理论依据.【期刊名称】《激光与红外》【年(卷),期】2012(042)004【总页数】6页(P452-457)【关键词】高光谱图像;空间相关性;谱间相关性;一阶线性预测;JPEG2000;无损压缩【作者】刘仰川;巴音贺希格;崔继承;唐玉国【作者单位】中国科学院长春光学精密机械与物理研究所,吉林长春130033;中国科学院研究生院,北京100039;中国科学院长春光学精密机械与物理研究所,吉林长春130033;中国科学院长春光学精密机械与物理研究所,吉林长春130033;中国科学院长春光学精密机械与物理研究所,吉林长春130033【正文语种】中文【中图分类】TN919.811 引言成像光谱仪能同时获取地物的空间信息和光谱信息，所得到的高光谱图像是立方体数据，包括二维空间数据和一维光谱数据。
一种基于2D／3D混合自适应预测的高光谱图像无损压缩方法
一种基于2D／3D混合自适应预测的高光谱图像无损压缩方
法
柴焱;张晓玲;沈兰荪
【期刊名称】《电子学报》
【年(卷),期】2005(033)B12
【摘要】利用高光谱图像具有较强谱间相关性的特点，本文提出了一种基于2D／3D混合自适应预测的高光谱图像无损压缩方法，首先根据相关系数计算波段预测顺序，通过局部纹理分析进行二维空间预测，采用基于神经网络模型的自适应预测方法进行三维预测，然后利用预测波段与当前波段间邻域块的相关性对二维预测和三维预测的结果进行校正，对预测残差采用基于上下文模型的Golomb编码．实
验结果表明，应用于四种不同遥感器所获取的图像，该方法都能够有效的去除高光谱图像的空间和谱间相关性，与无损压缩国际标准JPEG-LS和3D-APA算法相比，压缩后的平均比特率均有明显降低．
【总页数】4页(P2409-2412)
【作者】柴焱;张晓玲;沈兰荪
【作者单位】北京工业大学信号与信息处理研究室,北京100022
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.一种基于网格编码量化的高光谱图像无损压缩方法 [J], 王晋;张晓玲;沈兰荪;柴焱
2.一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法 [J], 柴焱;计文平;沈兰荪
3.一种基于2D/3D混合自适应预测的高光谱图像无损压缩方法 [J], 柴焱;张晓玲;沈兰荪
4.一种基于自适应预测的医学图像高效无损压缩方法 [J], 张晓玲;沈兰荪
5.一种基于自适应预测的高光谱图像近无损压缩方法 [J], 王晋;张晓玲;柴焱;沈兰荪
因版权原因，仅展示原文概要，查看原文内容请购买。
高光谱图像无损预测压缩技术
2023-11-11CATALOGUE目录•高光谱图像概述•无损压缩技术概述•高光谱图像无损预测压缩技术•高光谱图像无损预测压缩技术应用•高光谱图像无损预测压缩技术展望•相关技术介绍01高光谱图像概述高光谱图像是一种包含大量连续光谱带的图像，每个像素包含一条完整的光谱曲线。
高光谱图像通常在遥感领域应用广泛，用于获取地物的光谱信息，从而进行地物分类、识别和监测等任务。
高光谱图像定义高光谱图像在空间维度上具有高分辨率，能够清晰地表达地物的空间细节。
高分辨率光谱维度高数据量大相较于传统图像，高光谱图像增加了光谱维度，使得图像中的每个像素都包含一条完整的光谱曲线。
由于高光谱图像具有高分辨率和高的光谱维度，导致其数据量较大，处理和存储难度较高。
03高光谱图像特点0201高光谱图像应用领域高光谱图像能够获取地物的光谱信息，通过分析光谱信息可以对地物进行分类和识别。
地物分类环境监测农业应用地质勘探高光谱图像可以监测环境中的污染源、污染物浓度等环境状况。
高光谱图像可用于农作物生长状况监测、病虫害预警等农业应用中。
高光谱图像可用于地质勘探、矿产资源调查等地质领域的应用中。
02无损压缩技术概述•无损压缩技术是一种通过特定的算法对数据进行编码和解码的程序，在压缩和解压缩过程中，源数据不会丢失任何信息。
这种技术主要用于图片、音频和视频等多媒体数据的压缩，可以在保证数据质量的前提下，实现较高的压缩比。
无损压缩技术定义1. 哈夫曼编码（Huffma…基于统计的方法进行编码，对出现频率高的数据用较短的编码代替，反之则用较长的编码代替。
将连续的相同数据用较短的编码代替，适用于具有连续重复数据的文件。
将数据表示为一个实数范围内的概率分布函数，根据数据特征进行编码。
将数据与字典中的元素进行匹配，用较短的编码代替字典中的元素。
无损压缩技术分类2. 游程编码（Run-Len…3. 算术编码（Arithme…4. 字典编码（Diction…1. 优点无损压缩可以保留源数据的完整性，解压缩后可以得到与源数据完全相同的数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种基于自适应预测的高光谱图像近无损压缩方法
王晋;张晓玲;柴焱;沈兰荪
【期刊名称】《计算机应用研究》
【年(卷),期】2007(24)5
【摘要】提出一种高光谱图像的近无损压缩方法.首先使用三维自适应预测有效地去除高光谱图像的空间和谱间相关性;然后对预测误差进行量化,以进一步降低编码率.实验结果表明,该方法能在控制重建误差的前提下显著地降低了比特率.
【总页数】3页(P305-307)
【作者】王晋;张晓玲;柴焱;沈兰荪
【作者单位】北京工业大学,信号与信息处理研究室,北京,100022;北京工业大学,信号与信息处理研究室,北京,100022;北京工业大学,信号与信息处理研究室,北
京,100022;北京工业大学,信号与信息处理研究室,北京,100022
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.一种基于网格编码量化的高光谱图像无损压缩方法 [J], 王晋;张晓玲;沈兰荪;柴焱
2.一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法 [J], 柴焱;计文平;沈兰荪
3.一种基于2D/3D混合自适应预测的高光谱图像无损压缩方法 [J], 柴焱;张晓玲;沈兰荪
4.一种基于2D／3D混合自适应预测的高光谱图像无损压缩方法 [J], 柴焱;张晓玲;沈兰荪
5.一种基于自适应预测的医学图像高效无损压缩方法 [J], 张晓玲;沈兰荪
因版权原因，仅展示原文概要，查看原文内容请购买。