基于改進預測樹的高光譜圖像無損壓縮方法研究.pdf

1、由于高光譜遙感圖像光譜分辨率的提高，可以獲得比多光譜圖像更豐富的信息，并使得許多原先用多光譜信息不能解決的問題現(xiàn)在可以得到解決，因此正備受國內外學者的關注。由于具有高的空間分辨率和譜間分辨率，高光譜遙感圖像被廣泛應用于地理資源監(jiān)測、農作物生長狀況的監(jiān)測、環(huán)境保護、城市規(guī)劃和軍事目標偵查等領域。然而，高光譜圖像的巨大的數(shù)據(jù)量制約了高光譜遙感技術的應用和發(fā)展，有效的圖像數(shù)據(jù)壓縮成為亟待解決的問題。鑒于高光譜圖像較高的獲取成本和寶貴的應用價值

2、，無損壓縮成為首選的方案。本文在結合前人工作成果的基礎上對高光譜遙感圖像無損壓縮方法進行了進一步研究。 首先從圖像壓縮的角度深入分析了高光譜遙感圖像的相關性特性。實驗表明，高光譜遙感圖像的冗余信息主要表現(xiàn)在它的空間相關性和譜間相關性?？臻g相關性和自然圖像相比較弱，而譜間相關性較強，其中，譜間相關性又表現(xiàn)在它具有較強的譜間結構相似性和統(tǒng)計相關性。實驗結果還表明，譜間相關性并不總是很強，由于成像儀噪聲和其他未知的因素影響，某些波段間

3、的相關性也比較弱，相關性系數(shù)呈現(xiàn)出非平穩(wěn)特性。因此，無損壓縮算法的重點是致力于消除譜間冗余信息。 然后在側鄰域最小絕對權值(SNMAW)預測樹方法的基礎上提出一種改進方法。傳統(tǒng)的SNMAw預測樹能夠較好的描述當前波段和參考波段的局部結構相似性，但是當兩個波段的灰度值存在幅度上的伸縮時，采用預測樹得到的預測值與原始值相差較大。本文深入分析了傳統(tǒng)預測樹方法在高光譜遙感圖像壓縮中存在的局限性，并針對這些缺點提出了改進方法，定義一個尺度

4、伸縮因子來表達相鄰兩波段局部上下文的灰度變化，通過比較局部上下文梯度來估算該尺度伸縮因子，并用它對當前的預測值進行修正。實驗結果表明，采用修正后的預測值可以顯著減小預測殘差圖像的一階熵，從而進一步降低碼率。 最后結合高光譜遙感圖像相關性分析結果，提出譜間預測和空間預測相結合的綜合預測器，計算當前波段與前一波段的相關性系數(shù)，拿該系數(shù)與預先設定的參考閾值比較，如果相關系數(shù)大于參考值，則對當前波段進行譜間預測，前一波段作為當前波段的參