浅谈超光谱图像压缩方法的发展建筑工程管理论文.doc

会员专享推荐 · 你可能也用得上更多

开通会员，畅读全站文档

本篇文档已为你保留

本篇文档价值 ~~¥35.00~~会员免费解锁

全文不限次阅读，剩余内容即刻解锁
高速下载通道，免排队、无等待
专属客服 1 对 1 答疑，优先响应
每日赠送下载券，本篇文档免费送

有 86 篇商业计划书正在上传

下载原文档

浅谈超光谱图像压缩方法的发展_建筑工程管理论文摘要：超光谱图像在获得较高谱间分辨率的同时产生了庞大的数据量和较高的数据维，为了能够快速处理和传输这些数据并减少储存空间，必须对数据进行有效的压缩编码，但目前国内外还没有一种关于超光谱(多光谱)图像的压缩标准。与普通二维静止图像不同，超光谱图像数据可以看作由二维(2D)的空间信息和一维(1D)的谱段信息组成的三维(3D)体数据。超光谱图像常用压缩算法有:变换压缩方法、矢量量化方法、预测编码方法等。

关键词：超光谱图像;压缩方法;超光谱图像在获得较高谱间分辨率的同时产生了庞大的数据量和较高的数据维，为了能够快速处理和传输这些数据并减少储存空间，必须对数据进行有效的压缩编码。常用压缩算法如下：1、基于变换的压缩方法(1)K-L变换的基本原理是通过变换，重新组织数据，使图像能量相对集中于较少的几个系数，而其他的系数值只具有很小能量，这样通过抑制能量小的系数，即可实现数据压缩。K-L变换的主要缺点是变换的基函数需要计算原始数据相关的协方差矩阵和特征矢量，这些计算在实际应用中通常难以实现。

(2)DCT变换其基函数固定不变，相比K-L变换，不用考虑原始数据，计算简单。其缺点是谱间去相关的效率比K-L变换低。DCT在去块内相关时，性能得到了明显的改善。

(3)小波变换的基本思想是把图像根据Mallat塔式快速小波变换算法进行多分辨率分解。其具体过程:首先对图像进行多级小波分解，然后对每层的小波系数进行量化，再对量化后的系数进行编码。由于小波变换(WT)具有多分辨率性质，图像经小波变换后得到的系数在空域和频域都有良好的分布特性，因此各种基于小波变换的图像压缩技术皆取得很大成功。

2、基于矢量量化的压缩方法矢量量化((Vector Quantization,VQ)将一组像素值看做一个矢量，并将其量化成有限个矢量(码矢量)中的一个，该技术能够有效地利用被量化的一组数据之间的统计相关性。所有码矢量的集合称为“码书”，矢量量化的关键问题就是码书的设计。矢量量化技术使用于低码率编码。

3、基于预测的压缩方法基于预测的压缩方法不同于以上两种方法，不经过变换，直接探索像素与像素之间的相关性和波段与波段之间的相关性。它特别适用于数据连续变化的自然物理过程。其基本原理是:任何一个像素可以由其周围的像素(包括空间相邻像素和谱间相邻像素)预测。该方法是图像编码技术中研究的最早、且应用最广的一种方法。

4、JPEG2000编码方案JPEG2000编码方案是对JPEG编码的改进。在JPEG编码中采用DCT变换技术而JPEG2000编码则采用以离散小波变换作为基础的分块位平面编码机制。JPEG2000编码首先把原图像数据从RGB格式转换为YCrCb格式，接着进行离散小波变换，然后对变换后的小波系数进行量化，接着对量化后的数据嫡编码，最后形成输出码流。解码器是编码器的逆过程，首先对码流进行嫡解码，然后解量化和小波反变换，最后生成重建图像数据。现有的超光谱图像压缩方法如:Abousleman等使用3维DCT变换对超光谱图像进行压缩，Saghri使用K-L变换去除了光谱维的相关性，接着使用2维DCT去除空间相关性。Shapiro提出嵌入式零树小波(EZW)编码算法，以及Said和Pearlman提出的针对EZW改进的等级树集合分裂(SPIHT)算法。Dragotti等使用K-L 2D DW T对超光谱图像进行压缩，使用K-L变换去除谱间相关性，使用2维DWT去除空间相关性，随后使用SPIHT算法对变换系数进行量化编码。WangQi等使用1 2维小波变换去除超光谱图像的空间相关性和谱间相关性，然后对每一波段图像的小波系数采用最优截断嵌入式块(EBCOT)编码方法进行压缩编码。目前，基于小波变换的超光谱图像压缩编码有:嵌入式零块编码(EZW:embeddedzerotree wavelet)、等级数集合分裂编码(SPIHT:set partitioning in hierarchical trees)、集合分裂嵌入式块编码(SPECK:Set Partitioned Embedded block)、最优截断嵌入式块编码(EBCOT:embedded block coding with optimized truncation)等。

(1)EZW算法中采用的零树结构，充分利用了不同尺度间小波系数的相似性，有效地剔除了对高频系数的编码，很大程度上提高了小波系数的编码效率。特点:由于编码时形成多棵零树，要多次扫描图像，因而造成效率很低。

(2)SPIFIT编码是对EZW算法的改进，吸取了很多零树的思想，在零树的基础上引入了空间方向树结构和集合。特点:压缩性能较好，但不能实现并行算法。

(3)SPECK编码是利用零树和方向树结构表示这些不重要系数，可充分利用同一子带中不重要系数的相关性，消除块间冗余。特点:与SPIHT相比，压缩性能较低，但是计算简单，可以并行计算，主要易于硬件实现。(4)EBCOT算法尽管没有利用码块间相关性，但在码块内通过各种编码元素的上下文模型，尽可能地利用了码块内相邻样点、相邻比特平面之间的各种相关性，可以使码块编码的效率得到充分提高。特点:它是JPEG2000中的核心算法。在二维SPIFIT编码的基础上，马晨光等提出了基于三维SPIFIT编码算法。在二维SPECK编码基础上，马晨光等提出了基于三维SPECK算法。3D SPEZBC(Set Partitioned Embedded Zero Block Coding)算法是针对经三维小波变换后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，然后再采用基于实际的自适应算术编码来进一步提高编码性能。近年来，基于三维小波变换的超光谱图像压缩编码被许多学者广泛研究，并取得很大成就。