实用型模块化成像光谱仪多光谱图像的信噪比估算

《实用型模块化成像光谱仪多光谱图像的信噪比估算》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com第23卷第11期光学学报Vo1．23，No．112003年11月ACTAOPTICASINICANovember，2003文章编号：0253—2239(2003)11-1335—6实用型模块化成像光谱仪多光谱图像的信噪比估算及压缩方法研究*蒋青松王建宇(中国科学院上海技术物理研究所二室，上海200083)摘要：采用局部标准差法和去相关法对实用型模块化成像光谱仪多光谱图像的信噪比进行估算。这两种方法已将地物变化的影响降低到很低的程度。这样在大气订正后，图像的信噪比性能充分

2、反映出遥感仪器的信噪比性能。针对图像压缩，提出控制各波段恢复图像的峰值信噪比刚好大于原始图像的信噪比，使由压缩算法本身所带来的噪声限制在原始图像的噪声范围之内。结合这种压缩思想，用基于离散余弦变换和基于离散小波变换的压缩算法，对实用型模块化成像光谱仪多光谱图像进行压缩。实验表明，利用这种方法，对于高信噪比的波段，图像信息得到了保真；对低信噪比的波段，压缩倍数提高迅速且恢复图像视觉无失真，对整幅成像光谱图像，压缩性能提升显著——当压缩比等于37．95倍时，峰值信噪比等于45．86dB。关键词：信息光学；图像压缩；多光谱

3、图像；信噪比估算；离散余弦变换；离散小波变换中图分类号：0438文献标识码：A1引言分析方法，对实用型模块成像光谱仪图像的各波段数据的信噪比进行了估算，指出基于空间和光谱维实用型模块化成像光谱仪一(Operational去相关的方法比较可靠，并给出了实际的计算结果。modularimagingspectrometer，OMIS)由中国科学根据实验结果，本文提出在图像压缩当中，应控制各院上海技术物理研究所研制，是一种带有稳定平台波段恢复图像的峰值信噪比(Peaksignal—to-noise的新型机载遥感器，具有128

4、个波段，覆盖了从可见ratio，PSNR)大于原始图像的信噪比(Signal—to—光到热红外的光谱范围，采用12bit编码。通过对多noiseratio，SNR)，使由压缩算法本身所带来的噪声光谱图像在空间维和光谱维方向的数据特性进行分限制在原始图像的噪声范围之内，对图像整体质量析]，可知多光谱图像内部存在很大的相关性，为多的影响减至最小。结合这种压缩思想，用基于离散光谱图像的压缩奠定了理论基础。为了方便数据的余弦变换(Discretecosinetransform，DCT)的压缩广泛应用和仪器的优化改进，对遥感器

5、获取的成像算法和基于离散小波变换(Discretewavelet光谱数据要有定量的质量评价。各通道数据的信噪transform，DWT)的压缩算法(这两种算法结构简比是一个非常重要的评价量，该度量对用户来说是单，计算量小，便于在数字信号处理器(DSP)上实现必需的，因为噪声的大小决定了识别地物光谱中吸收对图像的实时压缩[3)，对实用型模块成像光谱仪多特征所能达到的精度，以及地物识别的精度。而要识光谱图像进行压缩。实验结果表明，利用这种方法，别一个位置的吸收特征，要求噪声的幅度必须小于该对于高信噪比的波段，图像质量得到

6、了保真；对低信吸收峰的深度。所以噪声大小对于判断某个吸收特噪比的波段，压缩得到很大提高，对整幅成像光谱图征的识别是否可能是必需的。仅仅只有噪声信息还像，它的压缩倍数就上去了，而图像的有用信息也几不够，因为同样水平的噪声在信号弱时对数据质量的乎完整地被保留下来了。影响要比信号强时大，所以必须考虑信噪比。基于离散余弦变换的压缩算法参考了国际标准本文采用局部标准差法和去相关法两种信噪比化组织(ISO)发布的基于离散余弦变换的JPEG[4*国家高技术研究发展计划(863计划)星载高光谱成像(Jointphotographic

7、expertsgroup)压缩算法思想，仪海量数据压缩(863—103—05—05)资助课题。先进行离散余弦变换正变换，再对离散余弦变换系E-mail：qsjiangyw@sina．com数进行量化，并对量化后的直流系数和交流系数分收稿日期：2002一10一II}收到修改稿日期：2002—11-20别进行差分编码或游程编码，最后再进行熵编码，原维普资讯http://www.cqvip.com1336光学学报理框图如图1所示。噪比，不能直接从噪声特性入手，而应从信号的相关性着手，运用去相关的方法可靠地求出各波段的噪声大

8、小，进而求出信噪比信噪比。下面就噪声分析方法逐一介绍。2．1局部标准差法该方法使用了局部均值(Localmean，LM)和局Fig．1DCT—basedJPEGcompressionalgorithm基于离散小波变换的压缩算法先将图像分解为部标准差5](Localstandarddeviation，LSD)的概低频分量sJ及高频分量{w，w；，