基于tilera平台的ccsds高光谱图像无损压缩算法实现

《基于tilera平台的ccsds高光谱图像无损压缩算法实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、■Ｉ：爲麥毛謂似者圍硕±学位论文Ｉ．雜Ｉ基于ＴＵｅｒａ平台的ＣＣＳＤＳ高光谱图像无损压霸法实现３作者姓名何淑资＾＾９学校导师姓名、职賴王柯伊副教授５＾企业导师姓名Ｖ职敌李部伟髙工申请学位类别工程硕±０１１２０５６６学校代码１０７０１学号１３分类号ＴＮＭ９密级公开西安电子科技大学硕±学位论文基于Ｔｉｌｅｒａ平台的ＣＣＳＤＳ髙光谱图像无损压缩算法实现作者姓名：何淑贤领域：电子与通信工程学位类别；工程硕±学校导师姓名、职称：王柯ｒ副教授

2、企业导师姓名、职称：李部伟高工学院：通信工程学院提交日期：２０１５年１２月ImplementationofCCSDSHyperspetralImageLosslessCompressionBasedonTileraProcessorAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringByHeShuxianSu

3、pervisor:WangKeyanAssociateProfessorLiGaoweiSeniorEngineerDecember2015西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽我所知，除了文中特别加标注和致谢ｉ中所罗列的内容Ｕ■外，论文中不包含其他人己经发表或撰写过的研巧成果；也不包含一为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我同工作的同事对本研究所做的任何贡献均已

4、在论文中作了明确的说明并表示了谢意。学位论文若有不实之处一，本人承担切法律责任。本人签名：係如督日期：西安电子科技大学关于论文使用授权的说明：本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文，允许查阔、借阅论文的复印件；学校可Ｗ公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研究成果完成的论文、发明专利等成果，署名单位为西安电子科技大学。保密的学位

5、论文在年解密后适用本授权书。心疫：导师签名：本人签名例：日期；日期摘要摘要高光谱图像广泛应用于土地、环境、资源和城市等方面，随着高光谱图像空间分辨率和光谱分辨率的不断提高，数据量急剧增加，为解决庞大的数据量对图像传输和存储带来的巨大压力，必须对高光谱图像进行有效压缩。但由于高光谱图像的很多应用对图像质量要求很高，需要尽可能无失真地保持原有光谱信息，因此，无损压缩成为首选方案。在目前的高光谱图像压缩方法中，CCSDS123.0-B-1算法是CCSDS组织制定的多/高光谱图像无损压缩国际标准。压缩比和压缩速率是评

6、估图像压缩算法的两个主要性能指标，无损压缩不允许信息失真，压缩比难以大幅提高，可通过提高算法的压缩速率来提高算法的整体性能。传统的图像压缩算法都是在单核处理器上实现的，但单核处理器的性能已发展到极致，仅仅改进单核处理器难以带来性能上的大幅提升，而多核处理器能极大地提高了处理器的计算性能，因此用多核处理器对高光谱图像进行无损压缩，能大大加快压缩速率。针对上述问题，本文主要研究CCSDS123.0-B-1算法，本文的创新性工作包括：（1）对CCSDS123.0-B-1算法进行改进，提出了基于边缘检测的预测算法，以提高算法的压缩比；（2）

7、基于Tilera公司的TILE-Gx36多核处理器实现了改进后的CCSDS123.0-B-1算法，以提高算法的压缩效率。本文提出的基于边缘检测的预测算法，利用了图像中的局部边缘信息，通过动态更新的判决门限值，检测图像中不同方向的边缘，并且根据检测到的边缘方向，对位于不同方向的相邻像素点赋予不同的预测权值，从而使得预测值更加接近原始像素值。仿真数据表明本文改进的算法在压缩时间没有显著增加的情况下，测试的所有高光谱图像的压缩比与原算法相比均有提高，提高幅度约为1.5%-11.2%。本文基于多核平台实现了改进的压缩算法，该并行程序主要包括

8、高光谱图像分割和内存管理等模块，由于该算法的串行特点，本文将图像分割成尺寸较小的图像，实现的是小图间的并行，由于切割图像会带来信息丢失，因此需要在信息丢失和并行度降低之间选取合适的折中。由于频繁的申请和释放内存会带来性能的损失，本文一