基于張量分解的高光譜圖象壓縮技術(shù)研究.pdf

1、近年來,高光譜圖象在地物分類,識別和目標(biāo)檢測中的應(yīng)用日益廣泛,其高光譜分辨率在帶來頗多裨益的同時也使數(shù)據(jù)量的大幅度增加,這很不利于其傳輸和存儲,因此必須研究高光譜圖象的高效壓縮。壓縮質(zhì)量和計算復(fù)雜度是圖象壓縮乃至數(shù)據(jù)壓縮方法的一對矛盾。傳統(tǒng)高光譜圖象壓縮方法在這兩方面不能達(dá)到很好的權(quán)衡而或多或少存在著問題。如基于預(yù)測的高光譜壓縮方法只是利用譜帶間數(shù)據(jù)冗余而忽視了空間冗余,因此壓縮質(zhì)量較差。基于矢量量化的壓縮方法雖然可以取得較好的壓縮質(zhì)量

2、,但是算法整體比較復(fù)雜,壓縮解壓耗時比較多?；谧儞Q如 DWT和DCT的壓縮方法由于去相關(guān)效果有限,不能充分的利用高光譜圖象的空間冗余和譜間冗余,而且后續(xù)的編碼工作計算復(fù)雜度較高。為了較好的解決壓縮質(zhì)量和計算復(fù)雜度這對矛盾,需要提出一種快速而高質(zhì)量的高光譜壓縮方法。
　　作為PCA變換的高階形式,張量分解(Tucker分解)同樣具有最優(yōu)的去相關(guān)能力,而且可以同時去除高光譜圖象的空間相關(guān)性和譜間相關(guān)性,因此本文提出基于張量分解的高光

3、譜圖象壓縮方法。將高光譜圖象三維數(shù)據(jù)立方體當(dāng)做3階張量按照指定維度進行分解后,可得到數(shù)據(jù)量能少很多的一個無相關(guān)核張量和三個標(biāo)準(zhǔn)正交投影矩陣。其中核張量是原圖象去除了空間和譜間冗余并從新集中分布能量后的結(jié)果,其三維大小直接決定了壓縮前后壓縮比和重建信噪比。如何合適的配置核張量三維大小是將張量分解實際應(yīng)用到高光譜圖象壓縮中必須解決的問題,也是本文的關(guān)鍵技術(shù)。本文在提出基于張量分解的高光譜圖象壓縮算法的同時也設(shè)計了核張量最優(yōu)維度配置算法,該壓

4、縮算法不需要復(fù)雜的編碼處理,由Tucker分解的最優(yōu)去相關(guān)和能量聚集能力保證壓縮結(jié)果的質(zhì)量,相比基于DWT或DCT的壓縮方法,編解碼時間都要少得多。
　　本文內(nèi)容大致如下:
　　首先對張量分解尤其是Tucker分解基本理論進行研究,包括張量的定義,運算及其性質(zhì),Tucker分解與CP分解等。然后論證了Tucker分解與PCA的關(guān)系,對比了Tucker分解與3D-DWT和3D-DCT的能量聚集能力。
　　其次是基于張量分

5、解的高光譜圖象壓縮方案設(shè)計,包括壓縮原理及可行性分析,壓縮比和信噪比定義等等。在以上理論研究基礎(chǔ)上，針對一定壓縮比下壓縮質(zhì)量最好這個問題提出了核張量最優(yōu)維度配置的命題。
　　然后文章主要研究了核張量最優(yōu)維度配置方法,以達(dá)到一定壓縮比下,圖象重建結(jié)果信噪比最高,從而盡可能提高壓縮質(zhì)量。其中,著重研究了兩個算法:1)基于高光譜圖象特點和Tucker分解特性的快速搜索配置方法;2)基于粒子群優(yōu)化算法的搜索配置方法。并基于以上兩個搜索算法