基于預(yù)測(cè)的高光譜及極光光譜圖像無損壓縮.pdf

1、自20世紀(jì)80年代以來，高光譜遙感技術(shù)得到了迅猛發(fā)展，它將確定地物性質(zhì)的光譜信息與反應(yīng)空間信息的二維圖像合為一體，形成了一種三維立體數(shù)據(jù)。隨著高光譜技術(shù)向高空間分辨率與高光譜分辨率的方向不斷發(fā)展，成像光譜儀所獲取的數(shù)據(jù)量呈指數(shù)增加，鑒于高光譜數(shù)據(jù)高昂的獲取、傳輸及保存代價(jià)，如何高效地對(duì)高光譜數(shù)據(jù)進(jìn)行無損壓縮顯得尤為重要。
　　本文首先介紹了高光譜遙感技術(shù)以及高光譜圖像與極光光譜圖像的壓縮研究現(xiàn)狀和意義，通過對(duì)高光譜圖像特點(diǎn)的分析及

2、經(jīng)典預(yù)測(cè)算法-同類多波段譜間預(yù)測(cè)算法（C-DPCM算法）的研究，提出了自適應(yīng)去除局部異常值的方法以提高C-DPCM算法的壓縮效果，實(shí)驗(yàn)結(jié)果顯示去除局部異常譜線的方法能夠在C-DPCM算法的基礎(chǔ)上明顯提高無損壓縮效果。接著又對(duì)新型的極光光譜數(shù)據(jù)進(jìn)行研究，從開始的JPEG-LS無損壓縮算法到結(jié)合幀間預(yù)測(cè)的三維JPEG-LS算法，最后結(jié)合極光光譜數(shù)據(jù)的特點(diǎn)提出了基于遞推回歸的南極中山站極光光譜圖像無損壓縮算法。論文的主要研究成果如下：

3、　　(1)本文通過介紹基于預(yù)測(cè)方法的高光譜圖像無損壓縮基本知識(shí)，在第三章提出了一種自適應(yīng)去除局部異常值的多波段譜間預(yù)測(cè)算法。該算法采用兩次回歸訓(xùn)練的方式，在C-DPCM算法的基礎(chǔ)上添加了自適應(yīng)去除局部異常譜線的功能。在第一次回歸訓(xùn)練時(shí)，使用對(duì)每一類每個(gè)波段所有譜線線性回歸訓(xùn)練得到的預(yù)測(cè)系數(shù)預(yù)測(cè)所有像素值，然后求得預(yù)測(cè)誤差并從大到小排序。自適應(yīng)地采用相鄰誤差的最大值差值為分界點(diǎn)，預(yù)測(cè)誤差大于最大差值的對(duì)應(yīng)的是局部異常譜線，反之是非局部異常

4、譜線。然后用剔除局部異常譜線后的剩余譜線進(jìn)行第二次回歸訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，該算法較C-DPCM算法壓縮效果有明顯提高。
　　(2)本文第四章提出了基于JPEG-LS的極光光譜圖像無損壓縮算法?；诿恳粠臉O光光譜圖像可以看做一幅二維圖像，成功地將JPEG-LS的核心算法LOCO-I應(yīng)用其中，且該經(jīng)典算法較傳統(tǒng)的RAR壓縮和ZIP壓縮的效果有明顯提高。接著考慮到，連續(xù)的極光光譜圖像作為一種時(shí)間序列必然存在幀與幀之間的時(shí)間相關(guān)性，因此

5、提出三維的JPEG-LS幀間預(yù)測(cè)方法，通過對(duì)LOCO-I算法的修正，將幀間相關(guān)性應(yīng)用到預(yù)測(cè)中。最終的實(shí)驗(yàn)結(jié)果顯示，利用幀間相關(guān)性的三維 JPEG-LS算法較二維JPEG-LS算法在壓縮性能上有所提高。
　　(3)本文最后結(jié)合極光光譜數(shù)據(jù)的特點(diǎn)提出了一種基于遞推回歸的南極中山站極光光譜圖像無損壓縮算法。該算法鑒于極光光譜圖像波段多，一般線性回歸算法中的預(yù)測(cè)階數(shù)增加將會(huì)導(dǎo)致邊信息占總信息比例急速增大，采用遞推回歸預(yù)測(cè)的方式進(jìn)行在線預(yù)測(cè)