| 【中文题名】 | 多光谱遥感图像压缩技术研究 |
| 【英文题名】 | Research on Compression Algorithm of Multispectral Remote-Sensing Images |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-6-28 |
| 【中关键词】 | 多光谱图像,图像压缩,K-L,变换,整型小波变换,神经网络 |
| 【英关键词】 | multispectral images,image compression,KLT,integer wavelet transform,neural network,principal component analysis（PCA）, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 |
随着多光谱遥感技术的发展，多光谱图像的压缩受到越来越多的关注。由于遥感图像数据对地物分析和识别有非常重要的作用，因此大多数情况下希望在遥感图像压缩中尽量减少信息损失，即进行无损／近无损压缩。本文在对一些目前已有的多光谱图像压缩方法进行深入研究的基础上，分别利用K-L变换和神经网络的方法实现了遥感图像的压缩。
本文首先讲述了图像压缩的意义，对现有的图像压缩编码方法进行了概括，并对多光谱遥感图像的压缩技术作了简要的介绍。然后从信息论的角度对信息编码理论进行了总结，回顾了目前常用的各种编码方法，并对算术编码进行了详细的讨论。接着详细研究了K-L变换原理和整型小波的构造方法，编程实现了结合K-L变换和整数小波变换的多光谱图像压缩算法，该算法将K-L变换用于去除多光谱遥感图像的谱间冗余，在谱内则使用整型小波方法去除空间冗余。实验结果表明，对机载64波段多光谱遥感图像进行K-L变换和整数小波变换后，选用五个本征子图像重建原图像，压缩比可以达到11以上，峰值信噪比则超过45dB，取得了其它方法无法获得的效果。该方法主要的优点是可以通过控制选取保留的本征值个数来调整误差，使得舍入误差控制在要求的范围内。... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-7 |
|
第一章 概论 |
7-14 |
|
1.1 数据压缩的必要性 |
7-8 |
|
1.1.1 什么是数据压缩 |
7 |
|
1.1.2 数据压缩的必要性 |
7-8 |
|
1.2 图像压缩编码理论基础 |
8-11 |
|
1.2.1 图像中的冗余信息 |
8-9 |
|
1.2.2 图像压缩编码技术分类 |
9 |
|
1.2.3 图像压缩编码方法概述 |
9-10 |
|
1.2.4 图像压缩系统的性能评价 |
10-11 |
|
1.3 多光谱遥感图像压缩技术介绍 |
11-13 |
|
1.3.1 多光谱遥感图像压缩的意义 |
11-12 |
|
1.3.2 遥感图像压缩技术分类 |
12 |
|
1.3.3 常用的遥感图像压缩技术 |
12-13 |
|
1.4 论文的主要内容 |
13-14 |
|
第二章 信息编码理论 |
14-25 |
|
2.1 统计编码 |
14-21 |
|
2.1.1 自信息量和一阶熵 |
14-15 |
|
2.1.2 统计编码的基础 |
15-16 |
|
2.1.3 常见的统计编码方法 |
16-21 |
|
2.2 变换编码 |
21-25 |
|
2.2.1 联合熵与条件熵 |
22-23 |
|
2.2.2 变换编码的理论基础 |
23-25 |
|
第三章 基于变换的多光谱遥感图像压缩方法 |
25-40 |
|
3.1 多光谱图像压缩方法现状 |
25 |
|
3.2 KLT理论 |
25-26 |
|
3.3 多光谱遥感图像KLT及其统计特征分析 |
26-28 |
|
3.4 小波分析 |
28-32 |
|
3.4.1 小波分析的基本理论 |
28-30 |
|
3.4.2 整型小波变换 |
30-32 |
|
3.5 基于KLT／IWT的多光谱遥感图像压缩算法 |
32-40 |
|
3.5.1 算法的依据 |
32 |
|
3.5.2 算法的实现 |
32-34 |
|
3.5.3 实验结果及分析 |
34-40 |
|
第四章 神经网络在多光谱遥感图像压缩中的应用 |
40-47 |
|
4.1 人工神经网络用于图像压缩的优越性 |
40 |
|
4.2 基于神经网络的主分量分析编码 |
40-47 |
|
4.2.1 用Oja算法提取第一主分量 |
41-42 |
|
4.2.2 用自适应主分量提取算法提取其余主分量 |
42-43 |
|
4.2.3 算法的实现 |
43-44 |
|
4.2.4 实验结果及分析 |
44-47 |
|
第五章 总结与展望 |
47-49 |
|
5.1 总结 |
47-48 |
|
5.2 展望 |
48-49 |
|
参考文献 |
49-51 |
|
致谢 |
51-52 |
|
| 【DOI】 | LunWen.ID:2.2008.389225 |
