基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用高光谱图像具有较强的谱间相关性的特点,本文提出一种基于三维自适应预测的高光谱图像无损压缩方法,首先根据相关系数计算波段预测顺序,然后利用相关性较强的空间邻点和谱间邻点,采用基于神经网络模型的自适应预测方法进行三维预测编码.实验结果表明,该方法能够有效的去除高光谱图像的空间和谱间相关性,与现在最优的无损压缩国际标准JPEG-LS相比,压缩后的平均比特率能够降低0.3bpp左右.
推荐文章
一种基于自适应预测的高光谱图像近无损压缩方法
高光谱图像
近无损压缩
量化
三维自适应预测
高光谱图像无损压缩算法的DSP优化实现
高光谱图像
无损压缩
自适应预测
数字信号处理器
干涉多光谱图像无损压缩算法
图像处理
图像压缩
干涉多光谱图像
无损压缩
基于波段分组的高光谱图像无损压缩
高光谱图像
无损压缩
波段分组
波段排序
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于三维自适应预测的高光谱图像无损压缩算法
来源期刊 电子学报 学科 工学
关键词 高光谱图像 无损压缩 自适应预测 波段排序
年,卷(期) 2004,(6) 所属期刊栏目 学术论文
研究方向 页码范围 957-959
页数 3页 分类号 TP751.1
字数 2260字 语种 中文
DOI 10.3321/j.issn:0372-2112.2004.06.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 沈兰荪 北京工业大学信号与信息处理研究室 237 7601 48.0 79.0
2 张培强 北京工业大学信号与信息处理研究室 8 112 4.0 8.0
3 张晓玲 北京工业大学信号与信息处理研究室 31 408 10.0 19.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (39)
参考文献  (8)
节点文献
引证文献  (57)
同被引文献  (40)
二级引证文献  (114)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(8)
  • 参考文献(3)
  • 二级参考文献(5)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2004(1)
  • 引证文献(1)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(3)
  • 引证文献(3)
  • 二级引证文献(0)
2007(11)
  • 引证文献(9)
  • 二级引证文献(2)
2008(7)
  • 引证文献(5)
  • 二级引证文献(2)
2009(16)
  • 引证文献(7)
  • 二级引证文献(9)
2010(26)
  • 引证文献(10)
  • 二级引证文献(16)
2011(13)
  • 引证文献(3)
  • 二级引证文献(10)
2012(15)
  • 引证文献(3)
  • 二级引证文献(12)
2013(23)
  • 引证文献(1)
  • 二级引证文献(22)
2014(15)
  • 引证文献(5)
  • 二级引证文献(10)
2015(13)
  • 引证文献(3)
  • 二级引证文献(10)
2016(11)
  • 引证文献(4)
  • 二级引证文献(7)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(8)
  • 引证文献(0)
  • 二级引证文献(8)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
高光谱图像
无损压缩
自适应预测
波段排序
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
相关基金
北京市自然科学基金
英文译名:Natural Science Foundation of Beijing Province
官方网址:http://210.76.125.39/zrjjh/zrjj/
项目类型:重大项目
学科类型:
论文1v1指导