基于聚类和小波变换的多光谱图像压缩算法.pdf

针对多光谱图像的空谱相关特性,提出一种基于卷积神经网络的端到端多光谱图像压缩方法。编码端,将多光谱数据整体输入到多光谱图像压缩网络中,采用卷积提取多光谱图像的主要光谱特征与空间特征,使用下采样减小特征数据的尺寸,并通过率失真优化控制光谱特征与空间特征数据的熵,使空谱特征数据分布更加紧凑,将量化后的中间特征数据进行无损熵编码得到压缩码流。解码端,码流经过熵解码、逆量化、上采样、反卷积的逆变换过程重构多光谱图像。实验结果表明,相同码率下该方法能有效保留多光谱图像谱间信息,并在图像恢复质量上比JPEG2000平均高约2 dB。

基于干涉多光谱图像特点和应用环境要求,提出一种干涉多光谱图像压缩算法.采用小波域匹配预处理来去除帧间推扫平移带来的数据冗余性,采用基于码率预分配的编码方法,按照预分配到的码率大小控制码块的T1编码深度,减少编码计算量和存储器使用量,易于硬件实现和星上环境的应用.实验数据表明,码率为1 bpp时,该算法提高了恢复光谱的分辨率,满足卫星干涉多光谱图像压缩系统要求.