基于模糊邏輯的高光譜圖像壓縮算法的研究.pdf

1、高光譜遙感是在許多個毗鄰的窄波段同時獲得圖像的新一代光學(xué)遙感探測技術(shù)，它將成像技術(shù)和光譜技術(shù)有機地融為一體。高光譜圖像提供了關(guān)于地物更細(xì)致的光譜信息，利用這些信息可以有效地用于地物的分析和識別。然而高光譜圖像的這種較高分辨率的優(yōu)越性是以其較大的數(shù)據(jù)量及較高的數(shù)據(jù)維為代價的，海量的數(shù)據(jù)給存儲和傳輸帶來困難。因此，對高光譜圖像進(jìn)行壓縮編碼的研究具有重要的應(yīng)用價值。
　　本文首先對高光譜圖像的數(shù)據(jù)特征進(jìn)行了詳細(xì)的分析。相關(guān)性分析結(jié)果顯示

2、，高光譜圖像的譜間相關(guān)性強于其空間相關(guān)性。譜間相關(guān)性是高光譜圖像所特有的，因此對高光譜圖像壓縮時要將重點放在去除譜間相關(guān)性上，而基于譜間相關(guān)性所展開的高光譜圖像壓縮的研究也更能體現(xiàn)高光譜圖像本身的特點。同時通過高光譜圖像信息熵以及診斷性光譜吸收特征的分析，驗證了高光譜圖像各波段的重要性有差異的結(jié)論?？紤]到高光譜圖像光譜信息的重要價值，在壓縮過程中應(yīng)盡可能保留光譜信息，尤其重要的光譜信息。為此，本文設(shè)計了一個基于重要光譜信息保護(hù)的高光譜圖

3、像有損壓縮系統(tǒng)。
　　為了有效去除高光譜圖像的冗余信息，本文設(shè)計了基于模糊邏輯的高光譜圖像壓縮的基本框架。該壓縮技術(shù)的核心是基于模糊邏輯的預(yù)測模型，首先利用預(yù)測模型去冗余并得到預(yù)測殘差圖像，再對殘差利用2DSPIHT編碼，進(jìn)一步去除空間相關(guān)性。本文研究了兩種預(yù)測模型，即RLP(Relaxation-Labelled Prediction)模型和FMP(Fuzzy Matching Pursuits)模型，這兩種模型的實質(zhì)是對高光譜

4、圖像的像素矢量(Pixel Vector)聚類，接著對每一類像素進(jìn)行純光譜維的預(yù)測。這兩種預(yù)測模型均屬于分類 DPCM的范疇，在譜向和空間均具有自適應(yīng)性，充分考慮了高光譜圖像的非平穩(wěn)特性。實驗結(jié)果表明，與經(jīng)典的最優(yōu)光譜DPCM壓縮方法、最優(yōu)雙向預(yù)測和最優(yōu)自回歸雙向預(yù)測方法比較，該算法具有更好的壓縮性能。
　　為了有效保留具有重要光譜信息的波段，在上述基于預(yù)測技術(shù)的高光譜圖像壓縮的基本框架上，重點研究了基于感興趣波段(BOI)保護(hù)的