基于神经网络的多光谱遥感图像无损压缩

《基于神经网络的多光谱遥感图像无损压缩》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、维普资讯http://www.cqvip.com第19卷第1期遥感技术与应用V0Z．19No．12004年2月REMOTESENSINGTECHNOLOGYANDAPPLICATIONFeb．2004基于神经网络的多光谱遥感图像无损压缩冯燕，何明一，魏江(西北工业大学电子信息学院，陕西西安710072)摘要：分析并改进了利用自组织特征映射(s0FM)神经网络设计码书的方法，提出了一种基于改进SOFM算法设计码书的矢量量化和分类谱间预测相结合的多光谱图像无损压缩方法。该方法对光谱信息进行矢量量化，根据分类信息生成残差图像以去除数据的空间相关性，构造分类谱间预测器去除数据

2、的谱间结构和统计相关性。对机载64波段多光谱遥感图像的试验结果表明，该方法无论是对训练集内图像还是训练集外图像，均取得了较好的压缩效果，平均无损压缩比达到3．2以上。关键词：多光谱遥感图像；无损压缩；SOFM神经网络；矢量量化；分类谱间预测中图分类号：TP751文献标识码：A文章编号：1004—0323(2004)O1—0042—05整个系统的性能。1引言本文提出了一种基于sOFM神经网络矢量量随着遥感技术的发展，新型遥感器的分辨率和化的多光谱遥感图像无损压缩方法。该方法首先用波段数在不断提高和增加，使得多光谱遥感图像的SOFM神经网络对多光谱遥感图像的光谱信息进数据

3、量越来越大，给机载和星载数据存储与传输带行矢量量化(分类)，并生成残差图像以去除多光谱来过重负担。而多光谱遥感图像数据本身却存在着遥感图像的空间相关性，其次根据分类信息构造分相当大的冗余度，即空间冗余和谱间冗余。因此，对类谱间预测器以去除谱间的相关性，最后对数据进多光谱遥感图像进行数据压缩是可能的和非常必要行算术编码。实验结果表明了算法的有效性。的。由于多光谱遥感图像数据对地物的分析和识别2基于神经网络的多光谱图像矢量量有非常重要的作用，因此在很多数情况下需要进行化无损压缩。近年来出现了一些多光谱图像的无损压缩技2．1基本原理术nq，这些技术基本是通过变换、预测和矢量

4、量化矢量量化是一种有效的信息压缩手段。矢量量的方法去除多光谱图像的谱间相关性和空间相关化过程中输入矢量空间被分成若干个小空间，每个性，取得了较好的效果。多光谱遥感图像反映了不小空间是输入矢量出现得比较密集的“聚类区”，它同波段对地物的光谱反射特性，每一种地物都有其所包含的所有矢量用其质心(称为码字)来表示。整特定的光谱信息，相同的地物应该具有相同或相近个系统的量化误差用所有输入矢量与其所对应的码的光谱曲线，因此充分利用多光谱遥感数据的第三字之间的误差的均方值表示。矢量量化问题的实质维信息——光谱信息，是进一步提高多光谱遥感图就是找出一种最佳的空间分割及每个小空间的质像

5、压缩性能的有效途径“。心，从而使量化误差为最小。人工神经网络是模仿人脑认知功能的新型智能对多光谱遥感图像进行矢量量化，要充分利用信息处理系统，具有学习性、容错性(鲁棒性)和并行多光谱遥感图像的光谱信息。多光谱遥感图像反映处理能力。将SOFM神经网络用于多光谱图像光了不同波段对地物的光谱反射特性，对同一地物而谱维信息的矢量量化中，利用神经网络的容错性来言，具有相同或相似的光谱反射特性。多光谱遥感图解决矢量量化中非典型矢量匹配问题，从而可提高像可看作三维数据(M×N×B)，其中MXN是图收稿日期：2003—1O-13；修订日期：2004一O1O7基金项目：国家973计划资

6、助项目和陕西省自然科学基金项目。作者简介：~(1963-)，女，陕西西安人，副教授，在职博士生，主要研究方向为数字信号处理、神经网络和数据压缩。维普资讯http://www.cqvip.com第1期冯燕等：基于神经网络的多光谱遥感图像无损压缩43像的空间尺寸，B表示波段数。每个数据可表示为模式识别等领域显示出非常好的性能，在矢量量化户(，J，6)，(一1，2，⋯，M；J一1，2，⋯，N；b一1，2，中，码书设计相当于聚类分析，可以由神经网络的无⋯，B)，它是空间(，)点在b波段的光谱反射值。导师学习算法实现。Kohonen提出的SOFM神经网p(，)一[户(，J，1)

7、，户(，J，2)，⋯，户(，，B)]矢量络具有无监督聚类功能，它具有输入层和输出层(竞称为波段矢量，它表示的是同一地物在不同波段的争层)双层的网络结构，该网络的输入层神经元的个反射值，反映了对应地物的光谱反射特性。在多光谱数和码书中码字的维数相同，输出层神经元的个数图像的矢量量化中，将量化矢量选为p(，j；)，(一1，等于码书的大小。每个输入层神经元通过可变的权2，⋯，，一1，2，⋯，Ⅳ)矢量量化是从码书中搜索值与输出层神经元相连，且每个输出神经元都还有到最接近的码矢量(码字)，并用码字的索引表示被一个随时间变化的拓扑邻域，输出层所有神经元通量化的矢