資源描述：
《基于分布式壓縮感知的高光譜遙感圖像編碼-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、信息技術(shù)與信息億基于分布式壓縮感知的高光譜遙感圖像編碼劉丹孫強}LIUDanSUNQiang勞霧隨著高光譜遙感技術(shù)的不斷發(fā)展，高光譜數(shù)據(jù)的規(guī)模必將持續(xù)增大。對于衛(wèi)星數(shù)據(jù)鏈路而言．數(shù)據(jù)獲取與傳輸?shù)睦щy將嚴重制約高光譜遙感技術(shù)的發(fā)展。因此，研究高效的數(shù)據(jù)壓縮技術(shù)才有可能利用有限的帶寬實現(xiàn)高光譜數(shù)據(jù)的實時傳輸。本文提出了一種基于分布式壓縮感知的高光譜圖像編碼方法，結(jié)合Contourlet變換去除波段間的冗余，考慮到星載壓縮系統(tǒng)的實際需求，采用了非對稱的分布式信源編解碼方案。實驗結(jié)果證明，本文提出的方法利用了相鄰波段的相關(guān)性
2、，在達到重構(gòu)效果的前提下降低了編碼端的復雜度，提高了編碼效率。黌鞭分布式信源編碼壓縮感知Contourlet變換doi：10．3969／j．issn．1672-9528．2015．4．69高光譜遙感圖像以其較高的光譜分辨率、空間分辨率1高光譜遙感圖像統(tǒng)計特性和潛在的可應用性越來越受到航天遙感研究領(lǐng)域的重視。然而，在衛(wèi)星數(shù)據(jù)鏈路有限的帶寬下，如何充分利用高光不同類型圖像所反映出來的統(tǒng)計特性是大不相同的。譜圖像豐富的光譜和空間信息。進行實時、有效、可靠的如何能夠更好的對高光譜圖像進行分析對壓縮具有極為重壓縮，是當前遙感領(lǐng)
3、域的研究重點。要的意義。下面通過譜間相關(guān)性和空間相關(guān)性進行討論。傳統(tǒng)的高光譜遙感圖像壓縮方法都是基于三維立體數(shù)1．1高光譜圖像的譜間特性據(jù)，著眼于譜問相關(guān)性和空間相關(guān)性進行的。相應的方法高光譜圖像的每個波段圖像都是相同區(qū)域地物在各個有三維預測編碼I、三維余弦變換p_、三維小波變換波段的反射值，由于相鄰波段的波長相近使得它們的灰度和三維矢量量化l7等。此類算法復雜度高，需要占用大值也是相近的，其大小取決于光譜分辨率。圖l給出高光量的存儲空間和計算時間，不但增加碼流的開銷，而且壓譜圖像的相關(guān)系數(shù)，可以看出大部分波段之間具
4、有較強的縮性能也有待進一步提高。分布式壓縮感知編碼是近年來相關(guān)性，只有少數(shù)波段和其他波段差異加大。新發(fā)展的一項數(shù)據(jù)編碼技術(shù)，它能夠有效克服現(xiàn)有編碼算法的弊端，非常適合高光譜圖像的壓縮。本文首先介紹了高光譜遙感圖像的統(tǒng)計特性，并對分布式壓縮感知進行了分析和討論，在此基礎(chǔ)上，提出了基于分布式壓縮感知的高光譜遙感圖像編碼方案，同時對傳統(tǒng)編碼和分布式編碼效率進行了分析和討論，并進行了相應的仿真實驗。圖1高光譜圖像的相關(guān)系數(shù)1．2高光譜圖像的空間特性光譜圖像空間相關(guān)性是指同一波段空間上相鄰像素間遼寧師范大學計算機與信息技術(shù)學院
5、遼寧大連的相關(guān)性。圖像的相關(guān)系數(shù)是標準化的協(xié)方差函數(shù)，即圖116029遼寧師范大學科研處遼寧大連116029像的協(xié)方差函數(shù)與方差的商。相關(guān)系數(shù)越大，同一波段相基金項目：本文受國家自然基金項目(項目編號：鄰像素之間的相似性越大。61402214)；遼寧省教育廳科學研究一般項目(項目編號：圖2給出了高光譜圖像JasperRidge與自然圖像LenaL2011192)；大連市科學技術(shù)基金計劃項目(項目編號：20l3J21DW027)資助。的相關(guān)性對比。可以看出，高光譜圖像的空間相關(guān)性低于匾曼生蔓塑信息技術(shù)與信息億在達到重構(gòu)
6、效果的前提下降低了編碼端的復雜度，提高了2007．編碼效率。PanXz，LiuRK，LvXO．Low—complexitycompression目前分布式信源編碼雖然在率失真性能方面的優(yōu)勢較methodforhyperspectralimagesbasedondistributedsource為明顯，但是相對于更復雜的非分布式編碼方法，在壓縮coding[J]．IEEEGeoscienceandRemoteSensingLetters，性能上還有一定的差距。如何研究更加符合相關(guān)性局部變2012，9(3)：224—22
7、7．化的改進算法將是本文進一步的工作。NianYongjian，WanJianwei，HeMi，eta1．ResearchProgressonLosslessCompressionforHyperspectralImageUsing參考文獻：DistributedSourceCoding[J】JournalofAstronautics，2012，【1]AiazziB，AlparoneL，Barontis，eta1．CrispandFuzzyAdaptive33(7)：860—869．【13]Dua~eMF，Sarvo
8、thamS，BaronD，SpectralPredictionsforLosslessandNear—losslessCompressioneta1．DistributedCompressedSensingofJoindySparseSialsofHyperspectralImagery[J]．IEEEGeoscienceandRemote[q
