基于分布式压缩感知的高光谱遥感图像编码-论文.pdf

《基于分布式压缩感知的高光谱遥感图像编码-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、信息技术与信息亿基于分布式压缩感知的高光谱遥感图像编码刘丹孙强}LIUDanSUNQiang劳雾随着高光谱遥感技术的不断发展，高光谱数据的规模必将持续增大。对于卫星数据链路而言．数据获取与传输的困难将严重制约高光谱遥感技术的发展。因此，研究高效的数据压缩技术才有可能利用有限的带宽实现高光谱数据的实时传输。本文提出了一种基于分布式压缩感知的高光谱图像编码方法，结合Contourlet变换去除波段间的冗余，考虑到星载压缩系统的实际需求，采用了非对称的分布式信源编解码方案。实验结果证明，本文提出的方法利用了相邻波段的相关性

2、，在达到重构效果的前提下降低了编码端的复杂度，提高了编码效率。黉鞭分布式信源编码压缩感知Contourlet变换doi：10．3969／j．issn．1672-9528．2015．4．69高光谱遥感图像以其较高的光谱分辨率、空间分辨率1高光谱遥感图像统计特性和潜在的可应用性越来越受到航天遥感研究领域的重视。然而，在卫星数据链路有限的带宽下，如何充分利用高光不同类型图像所反映出来的统计特性是大不相同的。谱图像丰富的光谱和空间信息。进行实时、有效、可靠的如何能够更好的对高光谱图像进行分析对压缩具有极为重压缩，是当前遥感领

3、域的研究重点。要的意义。下面通过谱间相关性和空间相关性进行讨论。传统的高光谱遥感图像压缩方法都是基于三维立体数1．1高光谱图像的谱间特性据，着眼于谱问相关性和空间相关性进行的。相应的方法高光谱图像的每个波段图像都是相同区域地物在各个有三维预测编码I、三维余弦变换p_、三维小波变换波段的反射值，由于相邻波段的波长相近使得它们的灰度和三维矢量量化l7等。此类算法复杂度高，需要占用大值也是相近的，其大小取决于光谱分辨率。图l给出高光量的存储空间和计算时间，不但增加码流的开销，而且压谱图像的相关系数，可以看出大部分波段之间具

4、有较强的缩性能也有待进一步提高。分布式压缩感知编码是近年来相关性，只有少数波段和其他波段差异加大。新发展的一项数据编码技术，它能够有效克服现有编码算法的弊端，非常适合高光谱图像的压缩。本文首先介绍了高光谱遥感图像的统计特性，并对分布式压缩感知进行了分析和讨论，在此基础上，提出了基于分布式压缩感知的高光谱遥感图像编码方案，同时对传统编码和分布式编码效率进行了分析和讨论，并进行了相应的仿真实验。图1高光谱图像的相关系数1．2高光谱图像的空间特性光谱图像空间相关性是指同一波段空间上相邻像素间辽宁师范大学计算机与信息技术学院

5、辽宁大连的相关性。图像的相关系数是标准化的协方差函数，即图116029辽宁师范大学科研处辽宁大连116029像的协方差函数与方差的商。相关系数越大，同一波段相基金项目：本文受国家自然基金项目(项目编号：邻像素之间的相似性越大。61402214)；辽宁省教育厅科学研究一般项目(项目编号：图2给出了高光谱图像JasperRidge与自然图像LenaL2011192)；大连市科学技术基金计划项目(项目编号：20l3J21DW027)资助。的相关性对比。可以看出，高光谱图像的空间相关性低于匾曼生蔓塑信息技术与信息亿在达到重构

6、效果的前提下降低了编码端的复杂度，提高了2007．编码效率。PanXz，LiuRK，LvXO．Low—complexitycompression目前分布式信源编码虽然在率失真性能方面的优势较methodforhyperspectralimagesbasedondistributedsource为明显，但是相对于更复杂的非分布式编码方法，在压缩coding[J]．IEEEGeoscienceandRemoteSensingLetters，性能上还有一定的差距。如何研究更加符合相关性局部变2012，9(3)：224—22

7、7．化的改进算法将是本文进一步的工作。NianYongjian，WanJianwei，HeMi，eta1．ResearchProgressonLosslessCompressionforHyperspectralImageUsing参考文献：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