傳統(tǒng)高光譜遙感圖像壓縮重構(gòu)算法重點(diǎn)在信號(hào)傳輸與存儲(chǔ)方面,采樣頻率要大于信號(hào)寬度的兩倍,硬件實(shí)現(xiàn)較為困難,為此提出基于激光束匹配的高光譜遙感圖像壓縮重構(gòu)算法研究。采用K-SVD算法訓(xùn)練冗余字典,稀疏分解高光譜遙感圖像,得到遙感圖像稀疏分解系數(shù),以此為基礎(chǔ),量化處理遙感圖像稀疏分解系數(shù),通過JPEG-LS無損壓縮算法壓縮遙感圖像,主要分為三個(gè)階段:預(yù)測(cè)階段、Golomb編碼階段與游程模式編碼階段,以得到的遙感圖像壓縮結(jié)果為依據(jù),基于激光束匹配理論對(duì)遙感圖像進(jìn)行匹配追蹤重構(gòu),實(shí)現(xiàn)了高光譜遙感圖像的壓縮重構(gòu)。仿真實(shí)驗(yàn)結(jié)果顯示:提出算法完成的圖像壓縮比例隨著噪聲程度的增加而下降,圖像重構(gòu)范圍實(shí)際值80.00%～90.01%,超過最低重構(gòu)程度限值75.56%,充分說明提出算法具備較好的壓縮重構(gòu)效果。 

【文章來源】：激光雜志. 2020,41(12)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

PEG-LS無損壓縮算法框架圖

綜上所述，高光譜遙感圖像匹配追蹤重構(gòu)程序如圖2所示。上述過程引入了激光束匹配理論，實(shí)現(xiàn)了高光譜遙感圖像的壓縮重構(gòu)，為高光譜遙感圖像的存儲(chǔ)與使用提供了更加高效的手段。同時(shí)，也通過高光譜遙感圖像的壓縮重構(gòu)為用戶提供更加精準(zhǔn)的信息服務(wù)，為高光譜遙感技術(shù)的發(fā)展提供助力。

為了驗(yàn)證提出算法的性能，選取一幅高光譜遙感圖像作為實(shí)驗(yàn)對(duì)象，具體實(shí)驗(yàn)對(duì)象如圖3所示。實(shí)驗(yàn)對(duì)象為第75波段高光譜遙感圖像，圖像深度為8個(gè)字節(jié)。為了方便實(shí)驗(yàn)的進(jìn)行，選取實(shí)驗(yàn)對(duì)象同一位置圖像的放大效果圖。

【參考文獻(xiàn)】：
期刊論文
[1]基于小波與分形相結(jié)合的圖像壓縮編碼[J]. 張晶晶,張愛華,紀(jì)海峰.  計(jì)算機(jī)科學(xué). 2019(08)
[2]基于編碼-解碼對(duì)稱神經(jīng)網(wǎng)絡(luò)的高分辨率圖像重構(gòu)機(jī)理研究[J]. 熊銳,張雷洪,蔣周杰,王建強(qiáng),覃榜道,賴純莉.  光學(xué)儀器. 2019(04)
[3]加權(quán)空-譜主成分分析的高光譜圖像分類[J]. 阿茹罕,何芳,王標(biāo)標(biāo).  國(guó)土資源遙感. 2019(02)
[4]基于光譜距離聚類的高光譜圖像解混算法[J]. 劉穎,梁楠楠,李大湘,楊凡超.  計(jì)算機(jī)應(yīng)用. 2019(09)
[5]高光譜遙感分區(qū)混合端元提取計(jì)算海洋溢油覆蓋度[J]. 韓仲志,王軒慧,時(shí)鴻濤,萬劍華.  光譜學(xué)與光譜分析. 2019(05)
[6]基于自編碼器圖像重構(gòu)的織物瑕疵檢測(cè)算法[J]. 歐慶芳,謝伙生.  計(jì)算機(jī)與現(xiàn)代化. 2019(01)
[7]新型無人機(jī)圖像序列壓縮與重構(gòu)算法[J]. 黃大慶,馬俊杰,徐喜梅.  指揮信息系統(tǒng)與技術(shù). 2018(06)
[8]壓縮感知圖像的塊子帶自適應(yīng)稀疏表示規(guī)則化重構(gòu)[J]. 熊承義,龔忠毅,高志榮,張夢(mèng)杰.  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[9]聯(lián)合空間預(yù)處理與雙邊濾波的稀疏RX高光譜異常檢測(cè)[J]. 成寶芝,趙春暉.  哈爾濱工程大學(xué)學(xué)報(bào). 2019(04)
[10]基于稀疏表達(dá)的水體遙感反射率高光譜重構(gòu)及其應(yīng)用[J]. 李淵,李云梅,郭宇龍,張運(yùn)林,張毅博,胡耀躲,夏忠.  環(huán)境科學(xué). 2019(01)



本文編號(hào)：3271096