基于TDPCA與SPIHT的高光譜壓縮和降維算法研究.pdf

1、高光譜圖像十分龐大，給存儲(chǔ)、傳輸和處理帶來(lái)了很多問(wèn)題，因此壓縮技術(shù)研究成為了當(dāng)今熱點(diǎn)。高光譜空間和譜間相關(guān)性的特點(diǎn)決定了壓縮降維的方法應(yīng)不同于普通圖像。基于高光譜圖像的降維與壓縮，本文探討了一些傳統(tǒng)方法，首次提出一種以高光譜圖像分析為目標(biāo)的基于二維主成分分析的降維方法。后續(xù)壓縮中，為了提高壓縮比，結(jié)合了波段間不同相關(guān)性，在預(yù)測(cè)編碼前重新排列預(yù)測(cè)順序，提出波段排序+最佳整形譜間預(yù)測(cè)+多級(jí)樹(shù)分裂（SPIHT）相結(jié)合的壓縮算法。論文內(nèi)容主要包

2、含下面幾個(gè)部分：
　　 首先，介紹了成像光譜儀，遙感成像的概念，以及目前國(guó)內(nèi)外圖像壓縮技術(shù)的發(fā)展現(xiàn)狀和一些評(píng)價(jià)圖像壓縮質(zhì)量的標(biāo)準(zhǔn)。為了更好突出壓縮降維的目的與效果，本文選擇PSNR以及MSE等指標(biāo)評(píng)價(jià)壓縮結(jié)果。另外介紹了高光譜圖像目前主要的三種壓縮算法，并通過(guò)實(shí)驗(yàn)對(duì)比，找出高光譜圖像與普通圖像的區(qū)別。接下來(lái)介紹了傳統(tǒng)的降維方法，如主成分分析（PCA）等，并在此基礎(chǔ)上提出一種比較新的TDPCA和RTDPCA方法。它是通過(guò)多變量線(xiàn)性

3、變換對(duì)高光譜數(shù)據(jù)進(jìn)行特征提取，應(yīng)用二維主成分分析的方法對(duì)高光譜遙感圖像進(jìn)行降維，實(shí)驗(yàn)結(jié)果顯示該算法計(jì)算量小，方差小，峰值信噪比，分類(lèi)準(zhǔn)確性均顯著提高，MSE有所下降。
　　 最后介紹了小波變換及其變換的樹(shù)形結(jié)構(gòu)，以及基于這種結(jié)構(gòu)所提出的EZW與SPIHT編碼方法。本論文對(duì)SPIHT編碼做了詳細(xì)介紹與分析，運(yùn)用波段排序+整型最佳線(xiàn)性預(yù)測(cè)器+SPIHT編碼相結(jié)合的方法壓縮高光譜圖像。實(shí)驗(yàn)證明此方法能獲得足夠大的PSNR，以及比較滿(mǎn)意