本文關鍵詞： 有損壓縮 變換編碼 速率控制 多譜帶排序 遙感圖像通信 分布式編碼　出處：《哈爾濱工業(yè)大學》2017年博士論文　論文類型：學位論文

【摘要】：目前,遙感中心提供越來越多的地球表面可用衛(wèi)星圖像。一方面,衛(wèi)星圖像提供大量信息,每一張圖像大小在幾十兆字節(jié)到千兆字節(jié)范圍之間,圖像壓縮可以有效的減少存儲的需求。另一方面,目前,全球定位系統(tǒng)提供用戶的位置和信息。因此,使用衛(wèi)星導航已成為生活中不可或缺的一部分,同時,傳輸這些衛(wèi)星圖像成了一個巨大的挑戰(zhàn)。此外,高光譜圖像已經(jīng)在獨立的陸地地圖服務,以及政府和軍事活動等各種各樣遙感項目得到了廣泛應用�？紤]到高光譜衛(wèi)星圖像中的一些頻帶受到衛(wèi)星和地面站之間的大氣以及信道噪聲的干擾,我們將同一個高光譜圖像的不同版本進行聯(lián)合處理,以獲得更高的圖像質(zhì)量。因此,研究高光譜衛(wèi)星圖像通信方案以提高接收圖像的質(zhì)量成為了新的研究熱點。本文提供了衛(wèi)星圖像通訊的有效方法。在通信系統(tǒng)中,由兩部分組成;壓縮和傳輸。本文的第一部分介紹了兩個衛(wèi)星使用小波變換和速率控制衛(wèi)星圖像的圖像壓縮方法。第一個壓縮方法是基于從原始衛(wèi)星圖像眾多相關聯(lián)的頻帶中去除一些小波子帶。被分解的子帶由使用帶之間的相關系數(shù)決定,然后重建解碼器從最相關的子帶到那些被刪除的子帶。這種方法減少了高質(zhì)量衛(wèi)星圖像的儲存大小。來自ETM的多頻譜圖像。實驗結(jié)果表明,該方法將平均多光譜圖像質(zhì)量提高了3-11d B。第二個壓縮方法介紹了一個立足于碼率控制的衛(wèi)星圖像有損壓縮的簡單方法,該方法的目標是減少植物特征的影響。這個壓縮技術是基于一個新的速率控制方案的植被組(即。組包含最重要的樂隊,植被特征提取)編碼比特率高于其余組。該研究是在幾個衛(wèi)星圖像上進行的,來自ETM的多頻譜圖像;通過飛船可見分光儀采集的多頻譜遙感圖像。在所有實驗結(jié)果中,傳統(tǒng)的壓縮方法對衛(wèi)星圖像的植被特征表現(xiàn)出更大的影響。此外,所提出的方法對植被特征影響較小。這些結(jié)果驗證了所提方法的有效性。第二部分介紹了兩個無線通信構(gòu)架,衛(wèi)星傳感圖像問題中解決大量接收端情況下的無線編碼和基于Soft Cast和分布式編碼。本文將這些框架進行了擴展,用來解決多波段的遙感圖像問題。第一個通訊方法,稱為Hyper Cast,使用一個集群轉(zhuǎn)換的方法。這種方法將高光譜圖像波段分成組,然后采用變換從每組刪除冗余信息。隨后,傳輸能量將根據(jù)他們的能量分布直接分配到量化數(shù)據(jù)上,無需FEC的參與。Hyper Cast分別在Line Cast,Soft Cast-3D和傳統(tǒng)框架上廣播PSNR增益高達6.98d B,3.48dB和6.14d B。第二種通訊方法是基于DWT和分布式信源編碼實現(xiàn)的。小波變換之前,高光譜的預處理是進行兩步波段訂購和規(guī)范化。對DWT操作,我們進行一個三級劃分,每個頻譜圖像劃分為10個小波子帶,其中9個子帶是圖像的細節(jié)描述。最后的一個級別(LL-LL-LL)為圖像的近似描述。對于LL-LL-LL子帶,我們采用了基于信源分布式編碼的培基編碼技術來提高壓縮效率,同時降低編碼復雜度。小波分解后細節(jié)和陪集值傳播類似于前面的方案沒有FEC。廣播中的實驗結(jié)果表明,該方案分別比Line Cast,Soft Cast-3D和常規(guī)框架提高了6.91d B,3.00dB和5.63d B平均圖像質(zhì)量。此外,所提出的方案比所有最先進的方案具有較少的編碼時間。最后,此通信方案提出了高效的排序算法來提高壓縮性能。與平均PSNR上沒有頻帶排序高達1.30d B的情況相比,所提出的頻帶排序算法具有更好的性能。
[Abstract]:At present, the remote sensing center provides satellite images of the earth's surface can be more and more. On the one hand, the satellite images provide a lot of information, each image in size between tens of megabytes to gigabytes, image compression can effectively reduce the storage requirements. On the other hand, at present, the global positioning system to provide user location and information therefore, the use of satellite navigation has become an integral part of life, at the same time, the transmission of satellite images has become a huge challenge. In addition, the hyperspectral image has been in the land map service, and government and military activities of various remote sensing projects have been widely used. Considering some hyperspectral bands satellite images are between the satellite and the ground station and the atmospheric channel noise, we combine the different versions of the same hyperspectral images were combined to obtain treatment. Get better image quality. Therefore, the communication scheme of hyperspectral satellite images to improve the quality of the received image has become a new hotspot. This paper provides an effective method of satellite image communication. In the communication system, is composed of two parts; compression and transmission. The first part of this paper introduces two satellite images wavelet transform and rate control of satellite image compression methods. The first method is compressed from the original satellite images of many associated bands in the removal of some wavelet subband decomposed subband. Based on the correlation coefficient between the belt by using the decision and reconstruction from the most relevant sub decoder to those deleted sub bands. This method reduces the size of high quality satellite image storage. Multi spectral images from ETM. The experimental results show that this method will improve the quality of the average multi spectral image compression 3-11d B. second The method introduces a simple method based on satellite image compression rate control method, the goal is to reduce the influence of plant characteristics. The compression technology is a new vegetation group rate control scheme based on (i.e. group contains the most important bands, vegetation feature extraction) the encoding bit rate is higher than the rest group. The study was performed in several satellite images, multi spectral images from ETM; multi spectral remote sensing image through visible spectrometers. The spacecraft in all of the experimental results, traditional compression methods of satellite images of vegetation characteristics showed a greater impact. In addition, the proposed method has little effect on vegetation features. These results validate the effectiveness of the proposed method. The second part introduces the two wireless communication architecture, wireless receiver case encoding a satellite sensing image problem and based on Soft Cast and distributed encoding. In this paper, the framework is extended to solve the problem of multi band remote sensing images. The first communication method, called Hyper Cast, using a cluster conversion method. This method of hyperspectral image band is divided into groups, and then the transformation from each group to delete the redundant information. Then, the transmission of energy according to the energy distribution of their allocated directly to the quantitative data, without the involvement of the FEC.Hyper Cast Cast Soft Cast-3D in Line, and the traditional framework of broadcast PSNR gain up to 6.98d B, 3.48dB 6.14d and B. second kinds of communication method is based on DWT and distributed source encoding implementation. Wavelet transform before pretreatment the two step is the high spectral band ordering and standardization. For DWT operation, we performed a three grade classification, each spectrum image is divided into 10 wavelet sub bands, including 9 sub bands is the details of the image. The last. One level (LL-LL-LL) description for the approximation of the image. For the LL-LL-LL subband, we used to improve the compression efficiency based on distributed source encoding technology medium encoding, and reduce encoding complexity. After wavelet decomposition details and coset similar to the value propagation scheme without FEC. radio experimental results this scheme, respectively than the Line Cast, Soft Cast-3D and 6.91d B to improve the conventional framework, the average 3.00dB and 5.63d B image quality. In addition, the proposed scheme is less than all of the most advanced scheme of encoding time. Finally, the communication scheme is proposed to improve the algorithm efficient compression performance. Compared with no band sort of up to 1.30d B PSNR on average, band sorting algorithm proposed has better performance.

【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TN927.2

【相似文獻】

相關期刊論文 前10條

1 ;衛(wèi)星圖像[J];航天器工程;2009年06期

2 ;用“電子顏料”繪制衛(wèi)星圖像[J];成都氣象學院學報;1992年03期

3 曹述互;丁力;肖清福;張福元;;應用氣象衛(wèi)星圖像監(jiān)測遼河洪水[J];遙感信息;1987年03期

4 伍琴;;美試用衛(wèi)星圖像評估洪災損失[J];遙感信息;1993年04期

5 ;衛(wèi)星圖像進入飛機駕駛艙[J];遙感信息;1994年01期

6 王品清;;我國衛(wèi)星圖像數(shù)據(jù)用于生物量研究[J];遙感信息;1987年04期

7 孟波,毛贊猷;利用WILD AVIOPLAN OR-1對衛(wèi)星圖像進行幾何處理[J];環(huán)境遙感;1989年03期

8 王治華,呂杰堂;從衛(wèi)星圖像上認識西藏易貢滑坡[J];遙感學報;2001年04期

9 周汝良,張軍,張洪亮;衛(wèi)星圖像的解譯誤差與提高精度的方法[J];云南地理環(huán)境研究;2000年02期

10 Harold Hough;;衛(wèi)星最佳協(xié)同作用:GPS與遙感[J];遙感信息;1993年02期

相關會議論文 前4條

1 田新利;楊忠;謝波;;一種基于衛(wèi)星圖像的云檢測方法的實現(xiàn)[A];2008'中國信息技術與應用學術論壇論文集（二）[C];2008年

2 ;北京視寶衛(wèi)星圖像有限公司[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

3 曾志遠;;衛(wèi)星圖像數(shù)據(jù)變換的一個新方法：Ⅰ．方法論和TM圖像的變換方程[A];中國地理學會2007年學術年會論文摘要集[C];2007年

4 陳永環(huán);王智靈;朱明清;王建;陳宗海;;基于衛(wèi)星圖像的行車最優(yōu)路線策略研究[A];第13屆中國系統(tǒng)仿真技術及其應用學術年會論文集[C];2011年

相關重要報紙文章 前10條

1 曹麗君;衛(wèi)星圖像表明地球二氧化氮污染嚴重[N];中國綠色時報;2004年

2 本報記者 張守營;汶川到茂縣，，更適合建成地質(zhì)公園[N];中國經(jīng)濟導報;2008年

3 劉鍇;美“天眼”執(zhí)法,公民隱私無處可逃[N];新華每日電訊;2010年

4 本報記者 宋麗芳;資源衛(wèi)星應用靚妝西部[N];中國航天報;2000年

5 龐征;法國擬打造新型太空“間諜”[N];中國航空報;2010年

6 記者 蔣建科;資源衛(wèi)星圖像數(shù)據(jù)質(zhì)量達國際水平[N];人民日報;2012年

7 明星;哈工大開創(chuàng)性成果讓衛(wèi)星圖像更清晰[N];哈爾濱日報;2006年

8 ;衛(wèi)星圖像解析疑難巧妙治理農(nóng)田[N];大眾科技報;2003年

9 蘇恩澤;從“兩彈一星” 到“三器一鏈”[N];中國國防報;2007年

10 譚薇;亞馬遜：被低估的河域文明？[N];第一財經(jīng)日報;2009年

相關博士學位論文 前1條

1 霍薩姆（AHMED HAGAG）;基于變換編碼和分布式編碼的譜帶排序優(yōu)化的衛(wèi)星圖像通信方法[D];哈爾濱工業(yè)大學;2017年

相關碩士學位論文 前10條

1 張新;基于廣義cat映射的衛(wèi)星圖像加密系統(tǒng)研究[D];長春理工大學;2016年

2 王晴;高空間分辨率衛(wèi)星圖像的薄云去除研究[D];中國科學技術大學;2017年

3 王述生;三臺縣城市衛(wèi)星圖像處理方法研究與應用[D];電子科技大學;2007年

4 索明亮;衛(wèi)星圖像中運動車輛探測和速度提取研究[D];北京交通大學;2011年

5 劉磊;海量衛(wèi)星圖像可視化中的多用戶協(xié)同調(diào)度問題研究[D];合肥工業(yè)大學;2013年

6 宋偉偉;利用空間信息的衛(wèi)星圖像場景分類[D];吉林大學;2015年

7 張曦;衛(wèi)星圖像地標匹配相關技術研究[D];國防科學技術大學;2012年

8 孫小棋;Landsat衛(wèi)星圖像云層去除算法研究[D];安徽大學;2015年

9 周麗娟;可見光衛(wèi)星圖像的云檢測算法研究[D];西安電子科技大學;2012年

10 夏志鵬;基于變分法的SAR衛(wèi)星圖像分割技術研究[D];華東師范大學;2009年

本文編號：1510917