论文部分内容阅读
高光谱图像在采集地物空间信息的同时,亦获取地元的光谱信息,从而提供更为丰富的地物细节,因此在农业、地质、海洋、军事等领域有非常重要的应用价值。随着成像光谱仪分辨率的不断提高,高光谱图像数据量剧增,给数据的存储和传输带来了很大困难,因此必须对其进行压缩。高光谱数据作为一种三维图像,不同于二维静止图像,也不同于视频图像,一般的图像压缩技术难以达到高光谱压缩的性能要求。因此分析高光谱图像本身的特点,研究适合高光谱图像压缩的有效算法,具有重要意义。论文详细分析了大孔径静态干涉成像光谱仪(Large Aperture StaticImaging Spectrometer,LASIS)高光谱干涉图像的特点,并得出了相关的结论。LASIS图像不仅具有普通静止图像的帧内相关性,同时存在较强的帧间相关性及谱间相关性。LASIS高光谱干涉图像具有谱像合一的特点,0光程差谱线附近光谱条纹明显,富含光谱信息,需要充分保护,这是LASIS图像的最明显的特性,也是压缩技术的难点之一。后续压缩方法的研究主要围绕LASIS图像的特性展开,以期获得较好的压缩效果。论文针对LASIS图像压缩的高实时性、低复杂度、低存储资源等要求,提出了改进的无链表SPIHT算法(MLSPIHT)。该算法采用2bit的系数状态标志代替SPIHT算法的3个可变长度链表,省却了存储链表需要的大容量不定额外内存及复杂的链表操作。相对于无链表零树编码LZC算法,进一步降低了存储需求和算法复杂度。根据LASIS图像序列本身的特点,提出以下几种压缩方案:(1)、3D非对称等长树DWT和基于感兴趣谱段BOI的3D-MLSPIHT算法。该算法以LASIS系统推扫过一个完整视场形成的图像序列为编码单位,充分利用LASIS图像的谱间相关性,在给定的压缩比下,取得了最佳压缩性能。(2)、基于感兴趣区域ROI的3D-MLSPIHT算法,该算法以连续8帧图像为编码单位,适合于高实时性、低内存的应用环境。(3)、基于感兴趣区域ROI的准三维MLSPIHT算法。该算法以相邻两帧图像为编码单位,进一步降低了内存需求和计算复杂度,其压缩性能介于3D-SPIHT和2D-SPIHT算法之间,适合于对实时性和内存容量要求苛刻的应用条件。以上算法在8:1的压缩比下,PSNR值大于40dB,同时有效的保护了光谱信息,并满足LASIS高光谱图像压缩系统的应用要求。本论文从分析LASIS高光谱干涉图像的特性出发,围绕LASIS图像所特有的光谱特性,针对不同的应用环境,提出了相应的压缩算法,并对所提出的方法进行了实验分析和性能评价。