高级检索

ISSN1001-3806CN51-1125/TN 网站地图

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

基于残差偏置和查找表的高光谱图像无损压缩

何艳坤 白玉杰

引用本文:
Citation:

基于残差偏置和查找表的高光谱图像无损压缩

    作者简介: 何艳坤(1991-),女,硕士研究生,主要研究方向为高光谱预测、图像与信息处理。E-mail:987738409@qq.com.
  • 基金项目:

    国家自然科学基金资助项目(61171154)

  • 中图分类号: TP751.1

Lossless compression of hyperspectral images based on lookup table and residual offset

  • CLC number: TP751.1

  • 摘要: 为了提高高光谱遥感图像的压缩比,提出一种基于残差偏置和查找表的高光谱图像无损压缩方法。在高光谱图像的第一谱段图像采用了无损压缩标准中值预测器方法进行谱段内预测,其它谱段图像采用谱间预测方法。首先,在多级查找表(LAIS-LUT)预测方法的基础上搜索当前预测值,用当前预测值周围特定的5个像素点和当前像素值周围相同位置的5个像素点进行比较,通过比较结果,得出一个偏置值;然后在预测残差上加上偏置值;最后,将最终预测残差进行算术编码,并进行了理论分析和实验验证。结果表明,针对美国航空航天局的高光谱图像,所提出的方法比LAIS-LUT压缩比平均提高0.05;针对国内高光谱图像,该方法比LAIS-LUT压缩比平均提高0.07。这一结果对提高高光谱图像压缩效率是有帮助的。
  • [1]

    CHEN Y H,SHI Z L,ZHAO H C,et al.Spatial-spectral associated predictiorrbased rice algorithm for hyperspectral image lossless compression[J]. Chinese Journal of Scientific Instrument, 2010,31(1):105-110(in Chinese).
    [2]

    CHANG J,TAO W Sh,NI A, et al. Lossless compression for hyperspectral images based on bi-direction prediction[J]. Electronics Optics & Control, 2010, 17(10):65-68(in Chinese).
    [3]

    JARNO M,PEKKA T. Lossless compression of hyperspectral images using a quantized index to lookup tables[J].IEEE Transactions on Geoscience and Remote Sensing Letters,2008,5(3):471-478.
    [4]

    SONG J,WU Ch K, ZHANG J.Lossless compression of hyperspectral images based on classification and coset coding[J].Journal of Electronics & Information Technology,2011,33(1): 231-234(in Chinese).
    [5]

    ARNO M N, HUANG B. Lossless compression of hyperspectral images using clustered linear predictionwith adaptive prediction length[J]. IEEE Geoscience and Remote Sensing Letters,2012,9(6): 1118-1121.
    [6]

    DUTRA A J S, PEARLMAN W A, SILIA E A B. Successive approximation wavelet coding of AVIRIS hyperspectral images[J] . IEEE Journal of Selected Topics Signal Processing,2011,5(3): 370-385.
    [7]

    ZHOU H,DUAN Y P, WANG J P. Project design for optical image lossless compression technique in range[J].Laser Technology, 2008,32(2):222-228( in Chinese)
    [8]

    WU X L,MEMON N.Context based lossless interband compression-extending CALIC[J].IEEE Transactions on Image Processing,2000,9(6):994-1001.
    [9]

    YAO L H, SHAO X D,LIU J X, et al.Application of symmetry method in code recognition of laser guidance signal[J].Laser Technology, 2013,37(6):791-794(in Chinese).
    [10]

    MAGL 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.
    [11]

    MIELIKAINEN J. Lossless compression of hyperspectral images using lookup tables[J] . IEEE Transactions on Signal Processing Letters, 2006, 13(3):157-160.
    [12]

    HUANG B, SIRRAJA Y. Lossless compression of hyperspectral imagery via lookup tables with predictor selection[J].Proceedings of the SPIE,2006,6365:63650l.
    [13] LV Z M,LI J. lossless compression of hyperspectral images based on two-way lookup table prediction[J].Journal of Optoelectronics稬aser,2012,23(10):2027-2033(in Chinese).

    [14]

    LI J,JIN X L,LI G N.Lossless compression of hyperspectral image for space-borne application [J].Spectroscopy and Spectral Analysis,2012,33(8):2264-2269(in Chinese).
  • [1] 周慧段一萍王锦鹏 . 靶场光测数字图像无损压缩技术方案设计. 激光技术, 2008, 32(2): 222-224.
    [2] 孙越娇雷武虎胡以华赵楠翔任晓东 . 基于视觉显著模型的遥感图像舰船快速检测. 激光技术, 2018, 42(3): 379-384. doi: 10.7510/jgjs.issn.1001-3806.2018.03.017
    [3] 王宗俐常佳蒋晓阳李冰寒 . 基于直方图均衡的空间需求优化方法. 激光技术, 2012, 36(3): 307-311.
    [4] 朱文艳李莹袁飞冯少彤聂守平 . 基于JPEG压缩编码的小波域多图像融合算法研究. 激光技术, 2014, 38(3): 425-430. doi: 10.7510/jgjs.issn.1001-3806.2014.03.031
    [5] 徐光宪徐山强郭晓娟华一阳 . DCT变换与DNA运算相结合的图像压缩加密算法. 激光技术, 2015, 39(6): 806-810. doi: 10.7510/jgjs.issn.1001-3806.2015.06.016
    [6] 刘德阳王广军吴健艾列富 . 基于视点相关性的光场图像压缩算法. 激光技术, 2019, 43(4): 551-556. doi: 10.7510/jgjs.issn.1001-3806.2019.04.020
    [7] 薛芳谭勇邬志强王玉诏 . 基于激光遥感的酒驾遥感探测技术研究. 激光技术, 2019, 43(1): 93-97. doi: 10.7510/jgjs.issn.1001-3806.2019.01.019
    [8] 刘翠连陶于祥罗小波李青妍 . 混合卷积神经网络的高光谱图像分类方法. 激光技术, 2022, 46(3): 355-361. doi: 10.7510/jgjs.issn.1001-3806.2022.03.009
    [9] 齐永锋马中玉 . 邻域谱概率协同表示的高光谱图像分类方法. 激光技术, 2019, 43(4): 448-452. doi: 10.7510/jgjs.issn.1001-3806.2019.04.003
    [10] 方俊龙郭宝峰沈宏海杨名宇 . 一种改进的基于自动形态学的端元提取算法. 激光技术, 2017, 41(1): 106-112. doi: 10.7510/jgjs.issn.1001-3806.2017.01.022
    [11] 王琪杨桄张俭峰向英杰田张男 . 结合K-L散度和互信息的无监督波段选择算法. 激光技术, 2018, 42(3): 417-421. doi: 10.7510/jgjs.issn.1001-3806.2018.03.024
    [12] 张昌赛刘正军杨树文左志权 . 基于LiDAR数据的布料模拟滤波算法的适用性分析. 激光技术, 2018, 42(3): 410-416. doi: 10.7510/jgjs.issn.1001-3806.2018.03.023
    [13] 吴香伟郭宝峰陈春种沈宏海 . 基于加权组合核RX算法异物检测及其参量选择. 激光技术, 2015, 39(6): 745-750. doi: 10.7510/jgjs.issn.1001-3806.2015.06.003
    [14] 熊羽左小清黄亮陈震霆 . 基于多特征组合的彩色遥感图像分类研究. 激光技术, 2014, 38(2): 165-171. doi: 10.7510/jgjs.issn.1001-3806.2014.02.005
    [15] 房垚鑫郭宝峰马超 . 基于改进点扩散函数的遥感图像超分辨率重建. 激光技术, 2019, 43(5): 713-718. doi: 10.7510/jgjs.issn.1001-3806.2019.05.024
    [16] 崔治邓曙光肖卫初 . 利用HSSIM和残差比阈值的3维激光扫描图像去噪. 激光技术, 2015, 39(5): 669-673. doi: 10.7510/jgjs.issn.1001-3806.2015.05.018
    [17] 周永康朱尤攀曾邦泽胡健钏欧阳慧明李泽民 . 宽动态红外图像增强算法综述. 激光技术, 2018, 42(5): 718-726. doi: 10.7510/jgjs.issn.1001-3806.2018.05.025
    [18] 张凡 . 红外图像改进非局部均值滤波算法研究. 激光技术, 2015, 39(5): 662-665. doi: 10.7510/jgjs.issn.1001-3806.2015.05.016
    [19] 李庆辉李艾华姜柯赵少宁 . HIS空间的火灾图像模糊增强快速算法. 激光技术, 2014, 38(1): 137-140. doi: 10.7510/jgjs.issn.1001-3806.2014.01.030
    [20] 张健李白燕 . 基于图论最小割集算法的图像分割研究. 激光技术, 2014, 38(6): 863-866. doi: 10.7510/jgjs.issn.1001-3806.2014.06.030
  • 加载中
计量
  • 文章访问数:  3438
  • HTML全文浏览量:  775
  • PDF下载量:  684
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-12-11
  • 录用日期:  2014-01-07
  • 刊出日期:  2014-09-25

基于残差偏置和查找表的高光谱图像无损压缩

    作者简介: 何艳坤(1991-),女,硕士研究生,主要研究方向为高光谱预测、图像与信息处理。E-mail:987738409@qq.com
  • 1. 西安电子科技大学 通信工程学院, 西安 710072;
  • 2. 西北工业大学 电子信息学院, 西安 710172
基金项目:  国家自然科学基金资助项目(61171154)

摘要: 为了提高高光谱遥感图像的压缩比,提出一种基于残差偏置和查找表的高光谱图像无损压缩方法。在高光谱图像的第一谱段图像采用了无损压缩标准中值预测器方法进行谱段内预测,其它谱段图像采用谱间预测方法。首先,在多级查找表(LAIS-LUT)预测方法的基础上搜索当前预测值,用当前预测值周围特定的5个像素点和当前像素值周围相同位置的5个像素点进行比较,通过比较结果,得出一个偏置值;然后在预测残差上加上偏置值;最后,将最终预测残差进行算术编码,并进行了理论分析和实验验证。结果表明,针对美国航空航天局的高光谱图像,所提出的方法比LAIS-LUT压缩比平均提高0.05;针对国内高光谱图像,该方法比LAIS-LUT压缩比平均提高0.07。这一结果对提高高光谱图像压缩效率是有帮助的。

English Abstract

参考文献 (14)

目录

    /

    返回文章
    返回