基于模糊邏輯的高光譜圖像壓縮算法的研究.pdf

1、高光譜遙感是在許多個毗鄰的窄波段同時獲得圖像的新一代光學遙感探測技術，它將成像技術和光譜技術有機地融為一體。高光譜圖像提供了關于地物更細致的光譜信息，利用這些信息可以有效地用于地物的分析和識別。然而高光譜圖像的這種較高分辨率的優(yōu)越性是以其較大的數據量及較高的數據維為代價的，海量的數據給存儲和傳輸帶來困難。因此，對高光譜圖像進行壓縮編碼的研究具有重要的應用價值。
　　本文首先對高光譜圖像的數據特征進行了詳細的分析。相關性分析結果顯示

2、，高光譜圖像的譜間相關性強于其空間相關性。譜間相關性是高光譜圖像所特有的，因此對高光譜圖像壓縮時要將重點放在去除譜間相關性上，而基于譜間相關性所展開的高光譜圖像壓縮的研究也更能體現高光譜圖像本身的特點。同時通過高光譜圖像信息熵以及診斷性光譜吸收特征的分析，驗證了高光譜圖像各波段的重要性有差異的結論?？紤]到高光譜圖像光譜信息的重要價值，在壓縮過程中應盡可能保留光譜信息，尤其重要的光譜信息。為此，本文設計了一個基于重要光譜信息保護的高光譜圖

3、像有損壓縮系統(tǒng)。
　　為了有效去除高光譜圖像的冗余信息，本文設計了基于模糊邏輯的高光譜圖像壓縮的基本框架。該壓縮技術的核心是基于模糊邏輯的預測模型，首先利用預測模型去冗余并得到預測殘差圖像，再對殘差利用2DSPIHT編碼，進一步去除空間相關性。本文研究了兩種預測模型，即RLP(Relaxation-Labelled Prediction)模型和FMP(Fuzzy Matching Pursuits)模型，這兩種模型的實質是對高光譜

4、圖像的像素矢量(Pixel Vector)聚類，接著對每一類像素進行純光譜維的預測。這兩種預測模型均屬于分類 DPCM的范疇，在譜向和空間均具有自適應性，充分考慮了高光譜圖像的非平穩(wěn)特性。實驗結果表明，與經典的最優(yōu)光譜DPCM壓縮方法、最優(yōu)雙向預測和最優(yōu)自回歸雙向預測方法比較，該算法具有更好的壓縮性能。
　　為了有效保留具有重要光譜信息的波段，在上述基于預測技術的高光譜圖像壓縮的基本框架上，重點研究了基于感興趣波段(BOI)保護的