导读:本文包含了多光谱图像压缩论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,图像,小波,稀疏,感应,卷积,准则。
多光谱图像压缩论文文献综述
孔繁锵,周永波,沈秋,温珂瑶[1]（2019）在《基于卷积神经网络的端到端多光谱图像压缩方法》一文中研究指出针对多光谱图像的空谱相关特性,提出一种基于卷积神经网络的端到端多光谱图像压缩方法。编码端,将多光谱数据整体输入到多光谱图像压缩网络中,采用卷积提取多光谱图像的主要光谱特征与空间特征,使用下采样减小特征数据的尺寸,并通过率失真优化控制光谱特征与空间特征数据的熵,使空谱特征数据分布更加紧凑,将量化后的中间特征数据进行无损熵编码得到压缩码流。解码端,码流经过熵解码、逆量化、上采样、反卷积的逆变换过程重构多光谱图像。实验结果表明,相同码率下该方法能有效保留多光谱图像谱间信息,并在图像恢复质量上比JPEG2000平均高约2 dB。(本文来源于《中国激光》期刊2019年10期）
黄荣[2]（2018）在《基于聚类和小波变换的多光谱图像压缩算法研究》一文中研究指出多光谱图像在环境检测、生物医学、军事侦查领域等具有广泛的应用,它是不同谱段下相同地物空间亮度反映的集合,同时具备了一维的光谱信息和二维的空间信息,巨大的信息量使得多光谱图像在运输和传输上需要占据巨量的资源,因此,针对多光谱图像的压缩算法研究势在必行。多光谱图像压缩算法的发展依赖于光谱成像技术。本文首先介绍了光谱成像技术的起源,并对国内外光谱成像历史进行了分析;同时论述了常用的叁种多光谱图像压缩算法的思路和国内外学者对此的研究内容;并对多光谱图像压缩质量的评价体系进行了具体论述,为之后的多光谱图像压缩理论研究奠定了基础。本文也分析了多光谱图像的统计特性,定义了空间冗余系数和谱间冗余系数来表示多光谱图像空间冗余特性,对二者的系数进行了定量分析,证明了多光谱图像具备了强的空间冗余和谱间冗余。为去除空间冗余和谱间冗余,本文介绍了小波和聚类的一些基本理论,对小波变换的构造原理和发展历史进行了具体介绍,对小波基的构造方法和以及一些常用于图像处理的小波基原理进行了讲解;同时,分析了聚类的理论基础,对本文所采用的谱聚类算法进行了算法设计;并对以小波变换为核心的,常用于图像压缩的JPEG2000标准进行具体说明。基于以上的理论研究,本文提出了基于改进谱聚类和小波变换的多光谱图像压缩算法,即通过改进的谱聚类的算法去除多光谱图像的谱间冗余,对分类后的类代表图像进行小波变换,通过SPIHT算法编码输出,对类间差别成分进行Karhunen-Loève(KLT)变换降维,最终进行小波变换和编码进行码流输出。同时为提高精度,采用类代表码流重构后的图像进行自适应调节,减少编码过程中产生的量化误差。实验表明,与JPEG2000和KLT+DWT算法相比,30波段下,用该方法峰值信噪比提高7.2db左右,具有更好的峰值信噪比和压缩比,适用于不同谱段数的压缩,具备强的稳定性,满足火星多光谱相机压缩需求,在实际应用中具有广阔前景。(本文来源于《中国科学院大学(中国科学院西安光学精密机械研究所)》期刊2018-06-01）
王平,陈欣,粘永健,乔梁[3]（2018）在《基于子带谱间变换的多光谱图像压缩》一文中研究指出针对星载多光谱图像压缩,提出了基于子带谱间变换的压缩算法。该算法首先对多光谱图像序列的每个波段分别进行空间二维小波变换,以此去除多光谱图像的空间相关性;为了去除多光谱图像的谱间相关性,将小波分解后的每一层子带作为整体,采用串行成对变换的方式对两个波段进行子带谱间KLT变换;最后,利用最优截断的嵌入式块编码算法对变换后的所有主成分同时进行最优率失真压缩。实验结果表明,该算法能够获得较好的压缩性能,同时具有较低的编码复杂度,适用于星载多光谱图像的压缩。(本文来源于《电光与控制》期刊2018年06期）
纪强,石文轩,田茂,常帅[4]（2016）在《基于KL与小波联合变换的多光谱图像压缩》一文中研究指出鉴于卫星拍摄的遥感图像的空间分辨率和光谱分辨率越来越高,在一些应用中,常会对多光谱图像进行压缩。为了提高多光谱图像的压缩质量,提出了联合相位相关和仿射变换的图像配准方法,有效提高了图像谱段之间的相关性。针对多光谱图像压缩,提出了结合Karhunen-Loève,KL变换去除谱间相关和嵌入式二维小波编码方法。相比JPEG2000谱段图像独立压缩方法,提出方法解压图像的Peak Signal to Noise Ratio,PSNR值平均提高2.1 d B。实验结果表明:所提出的方法能在相同的压缩率下获得比JPEG2000谱段图像独立压缩方法更好的图像质量。(本文来源于《红外与激光工程》期刊2016年02期）
徐冬冬,付天骄,张宇,张星祥,任建岳[5]（2015）在《基于改进的K-L变换的多光谱图像压缩算法》一文中研究指出融合离散小波变换(DWT,discrete wavelet transform)与Karhunen-Loeve变换(KLT),将图像的能量集中到少数系数上,以达到更好的压缩效果。首先将多光谱图像的每个谱段进行快速9/7 2DDWT,消除多光谱图像的大部分空间冗余;然后对所有谱段产生的小波系数进行改进的KLT,来消除光谱冗余和残存的空间冗余;最后对所得谱段产生的小波系数进行改进的KLT,来消除光谱冗余和残存的空间冗余;最后对所得系数进行熵编码,得到压缩码流。实验结果表明,在码率为0.25~2.0bit/pixel范围内,平均信噪比(SNR)高于41dB,同时缩短了运算时间,从而提升了多光谱图像压缩算法的性能。(本文来源于《光电子·激光》期刊2015年06期）
朱福珍,朱兵,丁群,蒋爱平[6]（2015）在《基于压缩感知的多光谱图像融合算法》一文中研究指出为提高融合效果,降低融合时间,提出了一种基于压缩感知的多光谱图像融合算法。对多光谱图像的强度分量和全色图像分别进行小波分解,仅对高频细节分量进行压缩感知测量,得到对应的观测值矩阵,利用正交匹配追踪算法对高频系数进行恢复,再利用高频系数融合准则,得到融合后的高频细节分量,最后进行小波逆变换和IHS逆变换,得到融合后的多光谱图像。实验结果表明:本文提出的压缩感知多光谱图像融合算法明显改善了融合结果图像的主观视觉效果和客观评价指标,处理数据量大大减少,融合时间缩短约60 s。(本文来源于《黑龙江大学自然科学学报》期刊2015年02期）
梁玮,曾平,罗雪梅,王义峰,谢琨[7]（2015）在《色彩再现的多光谱图像压缩》一文中研究指出针对多光谱图像在色度高保真再现等领域的应用,为提高压缩效率,进一步存储传输,提出了WF系列编码方法,设计了APWS_RA算法,进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理,提出了色感应失真准则和视觉特性矩阵W;同时,优化了APWS编码算法的码率分配,形成APWS_RA编码算法;最后,结合以上技术,以色度误差准则指导编码,对视觉加权后的多光谱图像数据进行aPWS_rA编码,命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W,利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余,小波变换去除其空间冗余,最后结合误差补偿机制和码率分配策略进行小波编码。实验表明,在相同比特率下,较现有低复杂度经典编码算法,WF系列编码方法能更有效地保留光谱中的色度信息,APWS_RA算法的重建光谱误差最小,WF_APWS_RA算法的重建色度精度优势明显。(本文来源于《光谱学与光谱分析》期刊2015年01期）
梁玮,曾平,郑海红,罗雪梅[8]（2015）在《利用复合变换的多光谱图像压缩算法》一文中研究指出针对现有多光谱图像压缩算法去除空谱冗余不充分、自适应性不强等问题,提出了多光谱图像的空间稀疏等价表示方式以及相应的聚类实现算法——OptimalLeaders.在此基础上,设计了一种基于复合变换的多光谱图像压缩算法——OLPKWS.该算法使用OptimalLeaders聚类,将多光谱数据等价变换为代表光谱和差别成分,自适应去除其空间冗余;采用误差补偿机制提高多光谱图像重建质量;针对代表数据,采用主成分分析降维去除谱间冗余;针对预测差别成分,通过Karhunen-Loeve变换(KLT)去除谱间冗余,用二维小波变换去除空间冗余,最后采用标准差码率预分配策略结合SPIHT算法完成压缩编码.实验表明,在相同的压缩比下,所提算法较聚类、SPIHT和KLTSPIHTTCIRA算法明显提高了重建图像的峰值信噪比.(本文来源于《西安电子科技大学学报》期刊2015年04期）
梁玮[9]（2014）在《基于光谱特性的多光谱图像压缩方法研究》一文中研究指出多光谱图像综合了地物空间信息和光谱信息,可较传统色度图像更加全面、准确地反映场景的各种光学属性,因此被越来越广泛地应用于航天航空遥感、高性能色彩再现、环境监测、艺术品存档、生物医学和军事侦查等领域。但多光谱图像作为一种叁维图像,其海量数据也增大了图像存储、传输的难度,必须对其使用有效的数据压缩方法。本文结合多光谱图像自身特点和不同的应用背景,针对现有多光谱图像压缩算法存在的空谱冗余去除不充分、自适应性不强、时空复杂度高以及不能保证重建图像的色度精度等问题,提出了多光谱图像稀疏等价表示模型、色度误差评价准则,探讨了基于聚类分析、小波变换、复合架构及字典学习的有效压缩途径,重点研究设计了多种通用或面向色彩再现的有效压缩算法。首先讨论了小波变换理论及其有效系数编码算法,分析了多光谱图像的空间和谱间统计特性,在此基础上提出了多光谱图像的稀疏等价表示模型,为后续有效压缩方法的设计提供了理论依据。然后,以通用、低复杂度、高品质的多光谱压缩为目标,从多光谱图像光谱维切入,设计了基于谱间自适应聚类和小波变换的多光谱图像压缩算法APWS,及其改进算法APWS_RA。APWS算法以波段子图矢量间欧氏距离为测度设计自适应吸引力传播聚类,用于产生多光谱图像的谱间稀疏等价表示,以降低去除图像谱间冗余的复杂度,并通过误差补偿机制提高多光谱图像重建质量。APWS_RA算法在APWS算法的基础上,采用了更为合理的基于稀疏表示成分标准差的码率预分配策略。分析表明,APWS和APWS_RA算法在低复杂度下均有效提高了图像的压缩性能,且APWS_RA算法更具优势。针对多光谱图像在色度高保真再现等领域的应用需求,提出了色感应误差准则,并设计了基于其指导编码的WF系列压缩方法。该方法可利用传统多光谱图像嵌入编码等以图像均方误差指导编码的压缩算法,形成低复杂度、光照稳定性好、且支持跨设备再现的多光谱图像压缩算法。并按此方法,具体设计了WF_APWS_RA算法。实验表明,WF类编码算法可有效提高重建光谱图像在不同光照条件下的色彩还原精度。为更有效地自动去除多光谱图像的空谱冗余,从多光谱图像的空间结构相似性入手,提出了基于光谱均方误差的OptimalLeaders和基于色度误差的Optimal Leaders-Color聚类算法,用以产生多光谱图像空间稀疏等价表示,从而自适应去除多光谱图像空间冗余。在此基础上,设计了基于光谱聚类的通用多光谱图像复合压缩方法OLP-X、基于色度聚类的多光谱图像复合压缩方案OLCP-X、以及进一步结合WF编码思想且兼顾色度和光谱精度的OLCPW-X压缩方法(其中,X为传统模式的多光谱图像压缩算法)。叁类压缩方法均有效采用了空间稀疏等价表示编码思想和误差补偿机制,对代表光谱和预测残差图像分别进行光谱降维和X压缩,以更好地去除空谱冗余。实验表明,OLP-X、OLCP-X支撑算法可有效提升原有X编码算法的重建光谱精度;OLCPW-X方法有效地兼顾了重建多光谱图像的色度和光谱精度,其支撑算法较OLCP-X,在峰值信噪比相当的情况下,提高了重建图像的色度精度。最后,根据多光谱图像的光谱维数据特性,提出了一种基于光谱字典学习和稀疏表示的多光谱图像压缩方法。该方法采用K-SVD算法训练具有代表性的相似光谱集以获取冗余字典,通过该冗余字典获取各光谱矢量的稀疏表示系数以去除待压缩多光谱图像的谱间相关性,并量化存储等价的稀疏表示非零系数。实验表明,新方法较经典的光谱维主成分分析法,具有更好的光谱维压缩性能;光谱学习字典方法亦可结合压缩感知理论或空间去相关技术进一步扩展其应用。(本文来源于《西安电子科技大学》期刊2014-09-01）
邓村,范赐恩,邓德祥[10]（2014）在《基于V型扫描的星载多光谱图像无损压缩算法》一文中研究指出为了实现星载多光谱图像的无损压缩,深入研究了空间数据系统咨询委员会(CCSDS)建议的123.0-B-1标准;并结合CCD多光谱遥感成像特点,提出了利用V型扫描对预测方式进行改进;最后在VC6.0平台下实现了该算法。实验结果表明,该算法的平均压缩率比Z型扫描方式的CCSDS 123.0-B-1、CCSDS 121.0-B-1、CCSDS 122.0-B-1、JPEG-LS标准算法的平均压缩率分别高6.7%、68.9%、21.8%和12.9%。该算法复杂度低,适合运用于星上系统。(本文来源于《科学技术与工程》期刊2014年17期）
多光谱图像压缩论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多光谱图像在环境检测、生物医学、军事侦查领域等具有广泛的应用,它是不同谱段下相同地物空间亮度反映的集合,同时具备了一维的光谱信息和二维的空间信息,巨大的信息量使得多光谱图像在运输和传输上需要占据巨量的资源,因此,针对多光谱图像的压缩算法研究势在必行。多光谱图像压缩算法的发展依赖于光谱成像技术。本文首先介绍了光谱成像技术的起源,并对国内外光谱成像历史进行了分析;同时论述了常用的叁种多光谱图像压缩算法的思路和国内外学者对此的研究内容;并对多光谱图像压缩质量的评价体系进行了具体论述,为之后的多光谱图像压缩理论研究奠定了基础。本文也分析了多光谱图像的统计特性,定义了空间冗余系数和谱间冗余系数来表示多光谱图像空间冗余特性,对二者的系数进行了定量分析,证明了多光谱图像具备了强的空间冗余和谱间冗余。为去除空间冗余和谱间冗余,本文介绍了小波和聚类的一些基本理论,对小波变换的构造原理和发展历史进行了具体介绍,对小波基的构造方法和以及一些常用于图像处理的小波基原理进行了讲解;同时,分析了聚类的理论基础,对本文所采用的谱聚类算法进行了算法设计;并对以小波变换为核心的,常用于图像压缩的JPEG2000标准进行具体说明。基于以上的理论研究,本文提出了基于改进谱聚类和小波变换的多光谱图像压缩算法,即通过改进的谱聚类的算法去除多光谱图像的谱间冗余,对分类后的类代表图像进行小波变换,通过SPIHT算法编码输出,对类间差别成分进行Karhunen-Loève(KLT)变换降维,最终进行小波变换和编码进行码流输出。同时为提高精度,采用类代表码流重构后的图像进行自适应调节,减少编码过程中产生的量化误差。实验表明,与JPEG2000和KLT+DWT算法相比,30波段下,用该方法峰值信噪比提高7.2db左右,具有更好的峰值信噪比和压缩比,适用于不同谱段数的压缩,具备强的稳定性,满足火星多光谱相机压缩需求,在实际应用中具有广阔前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多光谱图像压缩论文参考文献
[1].孔繁锵,周永波,沈秋,温珂瑶.基于卷积神经网络的端到端多光谱图像压缩方法[J].中国激光.2019
[2].黄荣.基于聚类和小波变换的多光谱图像压缩算法研究[D].中国科学院大学(中国科学院西安光学精密机械研究所).2018
[3].王平,陈欣,粘永健,乔梁.基于子带谱间变换的多光谱图像压缩[J].电光与控制.2018
[4].纪强,石文轩,田茂,常帅.基于KL与小波联合变换的多光谱图像压缩[J].红外与激光工程.2016
[5].徐冬冬,付天骄,张宇,张星祥,任建岳.基于改进的K-L变换的多光谱图像压缩算法[J].光电子·激光.2015
[6].朱福珍,朱兵,丁群,蒋爱平.基于压缩感知的多光谱图像融合算法[J].黑龙江大学自然科学学报.2015
[7].梁玮,曾平,罗雪梅,王义峰,谢琨.色彩再现的多光谱图像压缩[J].光谱学与光谱分析.2015
[8].梁玮,曾平,郑海红,罗雪梅.利用复合变换的多光谱图像压缩算法[J].西安电子科技大学学报.2015
[9].梁玮.基于光谱特性的多光谱图像压缩方法研究[D].西安电子科技大学.2014
[10].邓村,范赐恩,邓德祥.基于V型扫描的星载多光谱图像无损压缩算法[J].科学技术与工程.2014
论文知识图
