【摘要】：高光譜圖像具有超過(guò)一百個(gè)光譜的波段,其可以提供豐富的光譜和空間信息,因此高光譜圖像的應(yīng)用范圍越來(lái)越普遍,例如,地物、目標(biāo)檢測(cè)和解混等領(lǐng)域。盡管圖像分析可以從高光譜圖像豐富的數(shù)據(jù)中受益,但是龐大的數(shù)據(jù)可能會(huì)給高光譜圖像的存儲(chǔ)和傳輸帶來(lái)沉重的負(fù)擔(dān)。因此,如何有效壓縮成為高光譜圖像應(yīng)用中的一個(gè)重要問(wèn)題。壓縮技術(shù)大致可以分為兩大類(lèi):無(wú)損和有損壓縮方法,這取決于是否可以將壓縮數(shù)據(jù)精確地重新生成原始圖像。對(duì)于無(wú)損壓縮,關(guān)鍵是要消除數(shù)據(jù)冗余而不丟失信息。相反,有損壓縮雖然失去一些信息但獲得比無(wú)損壓縮更高的壓縮比。有損壓縮是高光譜圖像壓縮中的一個(gè)很有前途的研究課題,也是本文研究的重點(diǎn)。本文的研究?jī)?nèi)容主要有:1.神經(jīng)網(wǎng)絡(luò)大多應(yīng)用在二維數(shù)據(jù)圖像中,對(duì)三維高光譜圖像應(yīng)用不充分。通過(guò)閱讀大量有關(guān)神經(jīng)網(wǎng)絡(luò)的文獻(xiàn)提出一種基于自適應(yīng)波段聚類(lèi)主成分分析和反向傳播神經(jīng)網(wǎng)絡(luò)的高光譜圖像壓縮算法。該算法利用反向傳播神經(jīng)網(wǎng)絡(luò)的輸入層到隱含層對(duì)應(yīng)壓縮、隱含層到輸出層對(duì)應(yīng)解壓縮的架構(gòu)對(duì)高光譜圖像進(jìn)行壓縮,該算法可有效提高圖像信噪比。2.研究高光譜圖像發(fā)現(xiàn)其譜間相關(guān)性大于空間相關(guān)性,針對(duì)此特性提出一種基于預(yù)測(cè)和矢量量化的高光譜圖像壓縮算法。首先利用譜間相關(guān)性,通過(guò)預(yù)測(cè)前一波段的像素?cái)?shù)據(jù),將符合要求的預(yù)測(cè)結(jié)果繼續(xù)預(yù)測(cè)下一波段,通過(guò)設(shè)置合理的參數(shù),在預(yù)測(cè)步驟中95%以上的波段可通過(guò)預(yù)測(cè)結(jié)果來(lái)預(yù)測(cè)波段數(shù)據(jù)。最后,利用矢量量化對(duì)預(yù)測(cè)數(shù)據(jù)進(jìn)行壓縮。3.提出一種基于稀疏表示的高光譜圖像壓縮算法。該算法針對(duì)高光譜數(shù)據(jù)量大,壓縮時(shí)間長(zhǎng)的問(wèn)題,只對(duì)非零系數(shù)和字典進(jìn)行壓縮,計(jì)算復(fù)雜度低,并且在解碼端可以根據(jù)字典與非零系數(shù)快速重建圖像,顯著縮短重建時(shí)間。
【圖文】：

(4) Low Altitude50 波段原圖 Low Altitude50 波段預(yù)測(cè)圖像圖 3.8 Lunar Lake50 和 LowAltitude50 波段原圖和預(yù)測(cè)圖觀察圖 3.8 可知，從圖像質(zhì)量上來(lái)分析，預(yù)測(cè)圖像和原圖像通過(guò)人的肉眼來(lái)看是沒(méi)有太多區(qū)別的，從側(cè)面驗(yàn)證使用廣義回歸神經(jīng)預(yù)測(cè)高光譜圖像間的波段是有效的，預(yù)測(cè)速度快，準(zhǔn)確性較高。②壓縮效果分析算法 3.2 不同壓縮比下峰值信噪比比較如表 3.1 所示。壓縮比按照公式( )2CR 65536 224 16 16 224 65536 logN N 計(jì)算，公式中 N 代表碼書(shū)尺寸，實(shí)驗(yàn)仿真中選取碼書(shū)尺寸分別為 256，512，1024，2048，4096。觀察表 3.1 的數(shù)據(jù)可以看出，在相同的壓縮比條件下，算法 3.2 的峰值信噪比比 LBG 算法、文獻(xiàn)[63]算法有所提高，這說(shuō)明在保留原始圖像信息方面，算法 3.2比對(duì)比算法保留了原始圖像更多的信息，與原始圖像相比較，失真較小，說(shuō)明該算法對(duì)圖像進(jìn)行壓縮是可行的。

第 4 章 基于稀疏表示的高光譜圖像壓縮算法實(shí)驗(yàn)數(shù)據(jù)大小為256 256 224。運(yùn)行環(huán)境為奔騰雙核主頻 2.7GHz，6GB 內(nèi)存，，操作系統(tǒng) Windows 7，Matlab 2014b。并與不同的學(xué)習(xí)字典的個(gè)數(shù)來(lái)比較壓縮性能。通過(guò)觀察圖 4.2 可知，直方圖 a 數(shù)據(jù)密集，直方圖 b 數(shù)據(jù)稀疏說(shuō)明高光譜圖像數(shù)據(jù)中包含少量信息少的光譜曲線，這些波段可由預(yù)處理步驟過(guò)濾掉，剩下有用的波段。預(yù)處理步驟降低冗余度，減小數(shù)據(jù)的壓縮空間。
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP751;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王斌;;基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測(cè)觀察[J];種子科技;2017年04期

2 陳綾鋼;呂靖芳;;高光譜圖像技術(shù)在農(nóng)產(chǎn)品監(jiān)測(cè)中的應(yīng)用進(jìn)展[J];北京農(nóng)業(yè);2016年01期

3 朱貞映;袁建;何榮;;糧油中高光譜圖像技術(shù)的應(yīng)用現(xiàn)狀[J];糧食與飼料工業(yè);2016年09期

4 徐爽;何建國(guó);馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測(cè)中的研究進(jìn)展[J];食品研究與開(kāi)發(fā);2013年10期

5 劉遵雄;蔣中慧;任行樂(lè);;基于核方法協(xié)同表示的高光譜圖像分類(lèi)[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年05期

6 葉珍;白t

本文編號(hào)：2630014