论文部分内容阅读
高光谱遥感是在许多个毗邻的窄波段同时获得图像的新一代光学遥感探测技术,它将成像技术和光谱技术有机地融为一体。高光谱图像提供了关于地物更细致的光谱信息,利用这些信息可以有效地用于地物的分析和识别。然而高光谱图像的这种较高分辨率的优越性是以其较大的数据量及较高的数据维为代价的,海量的数据给存储和传输带来困难。因此,对高光谱图像进行压缩编码的研究具有重要的应用价值。本文首先对高光谱图像的数据特征进行了详细的分析。相关性分析结果显示,高光谱图像的谱间相关性强于其空间相关性。谱间相关性是高光谱图像所特有的,因此对高光谱图像压缩时要将重点放在去除谱间相关性上,而基于谱间相关性所展开的高光谱图像压缩的研究也更能体现高光谱图像本身的特点。同时通过高光谱图像信息熵以及诊断性光谱吸收特征的分析,验证了高光谱图像各波段的重要性有差异的结论。考虑到高光谱图像光谱信息的重要价值,在压缩过程中应尽可能保留光谱信息,尤其重要的光谱信息。为此,本文设计了一个基于重要光谱信息保护的高光谱图像有损压缩系统。为了有效去除高光谱图像的冗余信息,本文设计了基于模糊逻辑的高光谱图像压缩的基本框架。该压缩技术的核心是基于模糊逻辑的预测模型,首先利用预测模型去冗余并得到预测残差图像,再对残差利用2DSPIHT编码,进一步去除空间相关性。本文研究了两种预测模型,即RLP(Relaxation-Labelled Prediction)模型和FMP(Fuzzy Matching Pursuits)模型,这两种模型的实质是对高光谱图像的像素矢量(Pixel Vector)聚类,接着对每一类像素进行纯光谱维的预测。这两种预测模型均属于分类DPCM的范畴,在谱向和空间均具有自适应性,充分考虑了高光谱图像的非平稳特性。实验结果表明,与经典的最优光谱DPCM压缩方法、最优双向预测和最优自回归双向预测方法比较,该算法具有更好的压缩性能。为了有效保留具有重要光谱信息的波段,在上述基于预测技术的高光谱图像压缩的基本框架上,重点研究了基于感兴趣波段(BOI)保护的有损压缩过程。本文研究了基于单峰回归的诊断性光谱吸收波段的检测方法,利用该方法检测到飞机目标的BOI,并在压缩过程中通过码率的分配来实现BOI光谱信息的重点保护。实验结果表明,相同压缩比下,与未考虑BOI的压缩相比,考虑了BOI的重建图像中飞机的光谱特征得到了较好的保留,与从原始图像提取的特征值更为接近。