留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

DSC的超光谱图像无损压缩算法

杨新锋 韩利华 粘永健

杨新锋, 韩利华, 粘永健. DSC的超光谱图像无损压缩算法[J]. 红外与激光工程, 2016, 45(3): 323003-0323003(7). doi: 10.3788/IRLA201645.0323003
引用本文: 杨新锋, 韩利华, 粘永健. DSC的超光谱图像无损压缩算法[J]. 红外与激光工程, 2016, 45(3): 323003-0323003(7). doi: 10.3788/IRLA201645.0323003
Yang Xinfeng, Han Lihua, Nian Yongjian. Lossless compression algorithm for hyperspectral images based on DSC[J]. Infrared and Laser Engineering, 2016, 45(3): 323003-0323003(7). doi: 10.3788/IRLA201645.0323003
Citation: Yang Xinfeng, Han Lihua, Nian Yongjian. Lossless compression algorithm for hyperspectral images based on DSC[J]. Infrared and Laser Engineering, 2016, 45(3): 323003-0323003(7). doi: 10.3788/IRLA201645.0323003

DSC的超光谱图像无损压缩算法

doi: 10.3788/IRLA201645.0323003
基金项目: 

河南省重点科技攻关计划项目(122102210563,132102210215);河南省高等学校重点科研项目计划(15B520008)

详细信息
    作者简介:

    杨新锋(1979-),男,副教授,硕士,主要从事遥感图像处理方面的研究。Email:315469690@qq.com

  • 中图分类号: TP751

Lossless compression algorithm for hyperspectral images based on DSC

  • 摘要: 有效的星载超光谱图像压缩技术对于解决超光谱图像实时传输极为重要。针对超光谱图像传统的联合编解码算法的不足,提出了一种基于分布式信源编码(Distributed Source Coding,DSC)的超光谱图像无损压缩算法。为利用超光谱图像的局部空间相关性,将超光谱图像进行分块处理;引入多元线性回归模型构建编码块的边信息,并为每个编码块选取最优的预测阶数,以有效利用超光谱图像的局部谱间相关性。根据(n,k)线性分组码的原理,通过多元陪集码实现超光谱图像的分布式无损压缩。实验结果表明:该算法能够取得较好的无损压缩性能,同时具有较低的编码复杂度,适合星载超光谱图像的压缩实现。
  • [1] Rizzo F, Carpentieri B, Motta G, et al. Low-complexity lossless compression of hyperspectral imagery via linear prediction[J]. IEEE Signal Processing Letter, 2005, 12(2):138-141.
    [2] Tong Qingxi, Zhang Bing, Zheng Fenglan. Multi Applications of Hyperspectral Remote Sensing[M]. Beijing:Publishing House of Electronics Industry, 2006. (in Chinese)童庆禧,张兵,郑芬兰. 超光谱遥感的多学科应用[M]. 北京:电子工业出版社,2006.
    [3] Magli E, Olmo G, Quacchio E. Optimized onboard lossless and near-lossless compression of hyperspectral data using CALIC[J]. IEEE Geoscience and Remote Sensing Letters, 2004, 1(1):21-25.
    [4] Rizzo F, Carpentieri B. High performance compression of hyperspectral imagery width reduced search complexity in the compressed domain[C]//Proceedings Data Compression Conference, 2004:479-488.
    [5] Slepian D, Wolf J K. Noiseless coding of correlated pnformation sources[J]. IEEE Transactions on Information Theory, 1973, 19(4):471-480.
    [6] Magli E, Barni M, Abrardo A, et al. Distributed source coding techniques for lossless compression of hyperspectral images[J]. EURASIP Journal on Advanced Signal Processing, 2007, 2007(1):1-13.
    [7] Wu X L, Memon N D. Context-based, adaptive lossless image coding[J]. IEEE Transactions on Communications, 1997, 45(4):437-444.
    [8] Abrardo A, Barni M, Magli E, et al. Error-Resilient and low-complexity onboard lossless compression of hyperspectral images by means of distributed source coding[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(4):1892-1904.
    [9] Song Juan, Wu Chengke, Zhang Jing, et al. Lossless compression of hyperspectral images based on classification and coset coding[J]. Journal of ElectronicsInformation Technology, 2011, 33(1):231-234. (in Chinese)宋娟, 吴成柯, 张静, 等. 基于分类和陪集码的超光谱图像无损压缩[J]. 电子与信息学报, 2011, 33(1):231-234.
    [10] Song Juan, Li Yunsong, Wu Chenke, et al. Lossless and near lossless compression of hyperspectral images based on search for L minimum and coset coding[J]. ACTA Electronica Sinica, 2011, 39(7):1551-1555. (in Chinese)宋娟, 李云松, 吴成柯, 等. 基于L最小搜索和陪集码的超光谱图像无损及近无损压缩[J]. 电子学报, 2011, 39(7):1551-1555.
    [11] Nian Yongjian, Xin Qin, Tang Yi, et al. Distributed lossless compression of hyperspectral images based on multi-band prediction[J]. Optics and Precision Engineering, 2012, 20(4):906-912. (in Chinese)
  • [1] 徐亦静, 吴志鹏, 王琦龙.  光谱域编码的压缩光谱测量技术 . 红外与激光工程, 2022, 51(11): 20220093-1-20220093-17. doi: 10.3788/IRLA20220093
    [2] 刘永峰, 王年, 王峰, 李从利, 刘晓, 徐国明.  基于谱间相似性的高光谱图像稀疏超分辨率算法 . 红外与激光工程, 2019, 48(S1): 181-192. doi: 10.3788/IRLA201948.S128003
    [3] 张秀, 周巍, 段哲民, 魏恒璐.  基于卷积稀疏自编码的图像超分辨率重建 . 红外与激光工程, 2019, 48(1): 126005-0126005(7). doi: 10.3788/IRLA201948.0126005
    [4] 李方彪, 何昕, 魏仲慧, 何家维, 何丁龙.  生成式对抗神经网络的多帧红外图像超分辨率重建 . 红外与激光工程, 2018, 47(2): 203003-0203003(8). doi: 10.3788/IRLA201847.0203003
    [5] 王忠良, 冯文田, 粘永健.  结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
    [6] 袁影, 王晓蕊, 吴雄雄, 穆江浩, 张艳.  多孔径压缩编码超分辨率大视场成像方法 . 红外与激光工程, 2017, 46(8): 824001-0824001(7). doi: 10.3788/IRLA201746.0824001
    [7] 孙琪真, 汪静逸, 张威, 向阳, 艾凡, 刘德明.  聚合物封装的纵向微结构光纤分布式压力传感系统 . 红外与激光工程, 2016, 45(8): 802003-0802003(7). doi: 10.3788/IRLA201645.0802003
    [8] 纪强, 石文轩, 田茂, 常帅.  基于KL与小波联合变换的多光谱图像压缩 . 红外与激光工程, 2016, 45(2): 228004-0228004(7). doi: 10.3788/IRLA201645.0228004
    [9] 杨新锋, 胡旭诺, 粘永健.  基于分类的高光谱图像压缩算法 . 红外与激光工程, 2016, 45(2): 228003-0228003(4). doi: 10.3788/IRLA201645.0228003
    [10] 张岳, 岱钦, 吴凯旋, 李明晶, 吕耀文.  近距离分布式飞弹测量系统硬件设计 . 红外与激光工程, 2015, 44(S1): 99-103.
    [11] 李勤, 王洪波, 李立京, 梁生, 钟翔.  基于Michelson 干涉仪的光纤分布式扰动传感器 . 红外与激光工程, 2015, 44(1): 205-209.
    [12] 林文台, 梁生, 娄淑琴, 盛新志, 王鹏, 张颜.  一种低误报率的新型光纤分布式振动传感系统 . 红外与激光工程, 2015, 44(6): 1845-1848.
    [13] 丁秀昕, 张晞, 王洪波, 李立京, 李勤, 钟翔.  调制频率对φ-OTDR 分布式光纤扰动传感系统动态性能的影响 . 红外与激光工程, 2015, 44(1): 210-214.
    [14] 乔永明, 马彩文, 靳虎敏, 郝伟, 吕涛.  伞状多层分布式结构光学跟踪平台研究 . 红外与激光工程, 2015, 44(12): 3673-3677.
    [15] 崔平, 倪林.  分布式压缩感知联合重构算法 . 红外与激光工程, 2015, 44(12): 3825-3830.
    [16] 杨新锋, 刘远超, 粘永健, 滕书华.  超光谱图像的分布式压缩 . 红外与激光工程, 2015, 44(6): 1950-1955.
    [17] 吕其英, 李立京, 王洪波, 李勤, 钟翔.  φ-OTDR的分布式光纤扰动传感系统光源参数影响 . 红外与激光工程, 2014, 43(12): 3918-3923.
    [18] 张春熹, 李勤, 李立京, 梁生, 钟翔.  基于Sagnac组合型干涉仪的光纤分布式扰动传感器 . 红外与激光工程, 2014, 43(10): 3378-3382.
    [19] 孙念, 胡炳樑, 王爽, 闫鹏, 孙朗, 王铮杰.  基于FISTA 算法的编码孔径光谱图像压缩与复原系统 . 红外与激光工程, 2014, 43(1): 238-242.
    [20] 梁生, 盛新志, 娄淑琴, 陈京惠, 董宏辉.  基于Lissajous图形的光纤分布式扰动传感器定位方法 . 红外与激光工程, 2013, 42(7): 1896-1901.
  • 加载中
计量
  • 文章访问数:  461
  • HTML全文浏览量:  78
  • PDF下载量:  162
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-07-05
  • 修回日期:  2015-08-03
  • 刊出日期:  2016-03-25

DSC的超光谱图像无损压缩算法

doi: 10.3788/IRLA201645.0323003
    作者简介:

    杨新锋(1979-),男,副教授,硕士,主要从事遥感图像处理方面的研究。Email:315469690@qq.com

基金项目:

河南省重点科技攻关计划项目(122102210563,132102210215);河南省高等学校重点科研项目计划(15B520008)

  • 中图分类号: TP751

摘要: 有效的星载超光谱图像压缩技术对于解决超光谱图像实时传输极为重要。针对超光谱图像传统的联合编解码算法的不足,提出了一种基于分布式信源编码(Distributed Source Coding,DSC)的超光谱图像无损压缩算法。为利用超光谱图像的局部空间相关性,将超光谱图像进行分块处理;引入多元线性回归模型构建编码块的边信息,并为每个编码块选取最优的预测阶数,以有效利用超光谱图像的局部谱间相关性。根据(n,k)线性分组码的原理,通过多元陪集码实现超光谱图像的分布式无损压缩。实验结果表明:该算法能够取得较好的无损压缩性能,同时具有较低的编码复杂度,适合星载超光谱图像的压缩实现。

English Abstract

参考文献 (11)

目录

    /

    返回文章
    返回