【技术实现步骤摘要】
本专利技术涉及的是一种高光谱图像压缩编码方法,具体地说是一种。
技术介绍
高光谱图像压缩编码技术作为高光谱图像处理的重要研究方向,长期以来受到各国专家学者以及工程技术人员的广泛关注,并已经在农业,矿物勘探,军事国防等领域得到了广泛的应用。高光谱图像通过利用成像和光谱技术能够提供大量的地物细节信息。它能够反映地物在成百上千的电磁光谱波段上的特征。但是伴随着高光谱技术的不断发展,人们对高光谱图像的要求也逐渐增高,这就造成了空间、光谱分辨率,光谱波段数的不断扩大;从而使高光谱数据立方体的体积不断变大,因而在存储和传输高光谱图像数据会产生困难。为此,高光谱图像压缩编码是解决这一问题的唯一选择。目前主要的高光谱图像压缩方法主要可以分为三类:预测模型方法、向量量化方法和变换技术。在预测模型方法中,通过考虑光谱数据的空间相关性和谱间相关性,建立一个数学模型,通过一部分图像数据来预测并编码整幅图像数据。但是这种方法的性能在很大程度上取决于所选取的数学模型。在变换技术中,通常有两个步骤:首先,将图像数据变换到新的域,获得一系列的系数,然后在对系数进行编码。较为常用和典型的变换方法有离散余弦变换(DCT)、离散小波变换(DWT)和K-L变换(KLT)。虽然KLT是效果最优秀的变换方法,但是其计算代价较高。而在向量量化方法中,会根据图像数据建立一个编码表和每一个像元所对应的标号,然后进行存储和传输。这种方法过程简单,通常能够获得一个较高的压缩比特率,但是随着技术的不断进步,用户对减小图像失真的要求越来越严格。而传统的向量量化方法中,由于直接将误差省略,使压缩会造成无法 ...
【技术保护点】
多元向量量化的高光谱图像压缩编码方法,其特征在于,包括下列步骤:(1)读入高光谱图像数据图像大小为m×n,每个像素有B个波段特征,xi,j为样本数据集合X中的样本,i,j为位置坐标,RB代表B维特征空间;(2)构建压缩字典:a.根据图像本身的特征,设定需要计算的类别数范围,类别数范围设定为类别数的1?3倍;b.遍历设定的类别数范围内的每一个类别数,利用FCM算法聚类,计算在不同类别数下的代价,代价函数为:JN=Σi=1NΣj=1Cuijm||xi-cj||2,其中,m为一个大于1的恒值参数,是像元光谱xi属于类别j的可能度量,是第i个d维的高光谱图像像元,cj是表示类别j的聚类中心的d维向量,在确定的聚类类别数N时,其整体代价为C=Nθ*JN,c.根据在不同类别数下的代价,选择代价最小的类别数作为最佳的聚类类别数,并提取在此类别时的类别中心向量,构成字典;同时记录字典中每个原子在监督数据中所对应的地物种类;(3)根据2种多元向量量化模型和字典原子选择策略,利用多元回归计算每一像元压缩时所使用的字典原子及其系数;其中第一种多元向量量化模型将像元光谱表示为2个字典原 ...
【技术特征摘要】
1.多元向量量化的高光谱图像压缩编码方法,其特征在于,包括下列步骤: (1)读入高光谱图像数据X=e Rb,图像大小为mXn,每个像素有B个波段特征,Xiij为样本数据集合X中的样本,i, j为位置坐标,Rb代表B维特征空间; (2)构建压缩字典: a.根据图像本身的特征,设定需要计算的类别数范围,类别数范围设定为类别数的1_3 倍; b.遍历设定的类别数范围内的每一个类别数,利用FCM算法聚类,计算在不同类别数下的代价,代价函数为: 2.根据权利要求1所述的多元向量量化的高光谱图...
【专利技术属性】
技术研发人员:赵春晖,李晓慧,赵艮平,田明华,朱海峰,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。