基于TDPCA與SPIHT的高光譜壓縮和降維算法研究.pdf

1、高光譜圖像十分龐大，給存儲、傳輸和處理帶來了很多問題，因此壓縮技術研究成為了當今熱點。高光譜空間和譜間相關性的特點決定了壓縮降維的方法應不同于普通圖像?；诟吖庾V圖像的降維與壓縮，本文探討了一些傳統(tǒng)方法，首次提出一種以高光譜圖像分析為目標的基于二維主成分分析的降維方法。后續(xù)壓縮中，為了提高壓縮比，結合了波段間不同相關性，在預測編碼前重新排列預測順序，提出波段排序+最佳整形譜間預測+多級樹分裂（SPIHT）相結合的壓縮算法。論文內容主要包

2、含下面幾個部分：
　　 首先，介紹了成像光譜儀，遙感成像的概念，以及目前國內外圖像壓縮技術的發(fā)展現(xiàn)狀和一些評價圖像壓縮質量的標準。為了更好突出壓縮降維的目的與效果，本文選擇PSNR以及MSE等指標評價壓縮結果。另外介紹了高光譜圖像目前主要的三種壓縮算法，并通過實驗對比，找出高光譜圖像與普通圖像的區(qū)別。接下來介紹了傳統(tǒng)的降維方法，如主成分分析（PCA）等，并在此基礎上提出一種比較新的TDPCA和RTDPCA方法。它是通過多變量線性

3、變換對高光譜數(shù)據(jù)進行特征提取，應用二維主成分分析的方法對高光譜遙感圖像進行降維，實驗結果顯示該算法計算量小，方差小，峰值信噪比，分類準確性均顯著提高，MSE有所下降。
　　 最后介紹了小波變換及其變換的樹形結構，以及基于這種結構所提出的EZW與SPIHT編碼方法。本論文對SPIHT編碼做了詳細介紹與分析，運用波段排序+整型最佳線性預測器+SPIHT編碼相結合的方法壓縮高光譜圖像。實驗證明此方法能獲得足夠大的PSNR，以及比較滿意