高光譜影像壓縮及區(qū)域分割技術研究.pdf

1、空間遙感技術的發(fā)展在經歷了由黑白（全色）、彩色、多光譜成像三個階段后，在二十世紀八十年代初進入了一個新階段，即高光譜遙感階段。高光譜遙感技術的發(fā)展使人的視覺得到了有效的延伸，從而豐富了人們認識事物的手段。
　　高光譜遙感技術的理論基礎是測譜學，在此基礎上通過成像光譜儀獲取地球表面物體光譜反射率，在紅外、可見光、紫外光譜區(qū)域獲取地表物體連續(xù)的數十到數百波段的光譜信息。當前，隨著各國研制的不同型號成像光譜儀的發(fā)展，高光譜遙感技術更向著

2、超高光譜遙感發(fā)展。
　　隨著遙感技術的不斷發(fā)展，高光譜影像的空間與譜間分辨率都在不斷提高。這就導致了由成像光譜儀獲得的高光譜遙感影像的數據量不斷增大。龐大的數據量對高光譜影像的存儲和傳輸帶來了麻煩。尤其通過星載成像光譜儀獲取的高光譜影像在向地面?zhèn)鬏敃r，給衛(wèi)星鏈路的帶寬帶來了巨大壓力。上述原因是制約高光譜遙感技術發(fā)展不可回避的重要問題之一。因此，研究有效的高光譜影像壓縮技術成為相關科研工作者所面對的重要問題。
　　文章首先對高

3、光譜影像編碼技術的研究現(xiàn)狀進行了概括。在此基礎上，重點介紹了本文提出的波段排序的高光譜影像3D混合樹編碼方法，分別從研究目的、具體算法、實驗結果與結論四個方面對所提出的算法進行了描述。具體為，目的：高光譜影像壓縮的關鍵技術是對空間維和光譜維的去相關性。根據高光譜影像數據結構的特點，如何有效去除其空間相關性與譜間相關性是高光譜影像壓縮中至關重要的問題。對高光譜影像進行編碼時，三維小波變換是極為有效的去除冗余的方法。因此提出了一種通過波段排

4、序并結合3D混合樹型結構對高光譜影像三維小波變換系數進行編碼的算法；算法實現(xiàn)：首先，將高光譜影像按照自然波段順序進行波段分組,并對每組影像進行相鄰影像的譜間相關性統(tǒng)計；其次，對相關性較弱的波段組，建立以影像波段序號為頂點、影像相關性系數為邊的完全圖，對這個完全圖求其最大漢密爾頓路回路。按照求得的最大漢密爾頓回路順序對該波段組進行重新排序，從而提高波段組的譜間相關性；在此基礎上，對重新排序后的波段組進行三維小波變換，并通過3D混合樹結構對

5、三維小波變換系數進行零樹編碼。結果：通過對大量 AVIRIS型高光譜影像數據的仿真實驗驗證了所提出方法的有效性。對相關性較低的波段組，加入排序算法后，其解碼影像與未排序時比，峰值信噪比有了一定的提高。通過實驗統(tǒng)計，算法平均用時2.7579s。結論：由于采用了對弱相關性波段組的重新排序機制，從而使得基于混合樹結構的3D零樹編碼出現(xiàn)了更多有效的零樹，在一定程度上提高了編碼效率。通過實驗統(tǒng)計算法用時表明該算法以較小的時間代價獲得了解碼效果的提

6、升。
　　在上面研究的基礎上，本文研究了高光譜影像感興趣區(qū)域自動提取問題。這個問題是高光譜影像感興趣區(qū)域壓縮前必要的預處理步驟。分別從研究目的、具體算法、實驗結果與結論四個方面對所提出的算法進行了描述。具體為，目的：在高光譜影像壓縮編碼的諸多算法中，根據對解碼重建影像數據實際應用的需要，有時需要關注影像中的特定區(qū)域或小目標。因此，研究基于感興趣區(qū)域的高光譜影像壓縮編碼技術勢在必行。根據高光譜影像數據結構的特點，如何快速、有效、自動

7、提取出影像中感興趣區(qū)域成為高光譜影像感興趣區(qū)域壓縮算法成功與否的必要技術環(huán)節(jié)之一。方法：首先，將高光譜影像以像素為單位建立影像光譜向量矩陣。然后，由一組感興趣純凈像元光譜反射率向量構造感興趣像元標準混合參考向量。接著，計算目標影像光譜向量中每個向量與感興趣像元標準混合參考向量間的相關性，得到感興趣像元相關性矩陣。最后，采用感興趣像元相關性矩陣作為約束條件對C-V活動輪廓模型的能量函數進行改造，并將改造后的能量函數作為感興趣區(qū)域的判別標準

8、對高光譜影像中感興趣像素點進行自動提取。結果：通過對美國JasperRidge與Cuprite地區(qū)的AVIRIS型高光譜影像進行感興趣區(qū)域提取實驗，驗證了該算法的有效性。通過與對比算法的提取效果進行比較，提出的算法能夠更有效的找出影像中的感興趣區(qū)域。在相同迭代次數下，提出的算法能找到影像中更多的感興趣像素點。而達到相似提取效果時，提出的算法用時要遠小于對比算法。提出的算法迭代500次的效果就已優(yōu)于對比算法模型迭代2000次的效果。并且，

9、用于對比的算法模型在迭代2000次以上時，已經無法找到影像中更多的感興趣像素點，而提出的算法解決了這一問題，能夠有效找出影像中更多可能的感興趣像素點。結論：由于傳統(tǒng)C-V模型僅是以影像中物體的輪廓作為提取依據，而高光譜影像數據的特點決定了影像中邊界輪廓兩側往往并非異質區(qū)域，這就使采用傳統(tǒng)C-V活動輪廓模型的方法對高光譜影像感興趣區(qū)域的提取效果不佳。而提出的算法在C-V活動輪廓模型的能量函數中加入了感興趣像素點相關性矩陣作為目標提取的約束