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:
随着数据量的不断增长,如何有效压缩高光谱图像成为影响其普及应用的一个关键问题.近年来,小波压缩技术已经被证明是高光谱图像压缩方法中很有发展前景的一个,但由于其对高光谱图像特性的利用较为有限而使其性能的进一步提升受到了限制.文章根据高光谱图像的光谱特征,提出了一种基于光谱去相关的高光谱图像小波压缩方法,设计了分块预测方法来同时去除光谱间相关性和空间相关性,并将其应用于小波压缩方法之中.首先,将高光谱图像分为几个具有高谱间相父性的图像块.然后推导出各块中波段的近似成比例的特性,并在各块分别进行基于这一特性和超光谱图像其他特性设计波段预测编码.最后,将预测用的参考波段和预测后获得的偏差数据,通过小波编码技术进行压缩.实验结果表明,所设计的方法与目前先进的超光谱压缩技术相比其性能有显著的提升.与AT-3DSPIHT算法比较,最高PSNR或SNR提升幅度均能达到4.2 dB左右.此外,此方法在低比特率下的优势也十分突出.
推荐文章
基于小波域点到线模型的高光谱图像压缩算法
高光谱图像
无损压缩
矢量量化
点到线模型
小波域
子矢量
中值滤波结合小波变换在光谱去噪中的应用
中值滤波
小波变换
去噪
光谱
基于RTF的高光谱图像去噪方法
高光谱去噪
回归树场
代价函数
光谱和空间上下文信息
过平滑
木材近红外光谱小波阈值去噪方法
近红外光谱
小波变换
多分辨分析
去噪
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 光谱去相关技术在高光谱图像小波压缩中的应用
来源期刊 光谱学与光谱分析 学科 工学
关键词 高光谱图像 光谱去相关 小波变换编码
年,卷(期) 2010,(6) 所属期刊栏目
研究方向 页码范围 1619-1623
页数 分类号 TN911.7
字数 2853字 语种 中文
DOI 10.3964/j.issn.1000-0593(2010)06-1619-05
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 张晓林 北京航空航天大学电子信息工程学院 287 1613 16.0 30.0
2 刘荣科 北京航空航天大学电子信息工程学院 79 339 9.0 14.0
3 陈雷 北京航空航天大学电子信息工程学院 13 75 6.0 8.0
4 雷志东 北京航空航天大学电子信息工程学院 7 37 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (8)
同被引文献  (4)
二级引证文献  (0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高光谱图像
光谱去相关
小波变换编码
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
光谱学与光谱分析
月刊
1000-0593
11-2200/O4
大16开
北京市海淀区学院南路76号钢铁研究总院
82-68
1981
chi
出版文献量(篇)
13956
总下载数(次)
19
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导