一种基于小波包变换的纹理图像压缩算法

提出一种基于小波包变换与自适应混合量化的新图像压缩算法.该算法首先用小波包变换对纹理丰富的图像进行完全分解,并用一种与后续编码器相关联的成本函数(CostFunction)进行最佳小波包基搜索;然后依据图像内容,自适应确定小波包系数的扫描次序;再对小波包变换后的最低频子带进行DPCM无失真编码,对高频子带实施矢量量化编码;最后对所形成的二进制符号流进一步实施自适应算术编码.仿真实验结果表明:提出的小波包图像压缩算法是一种比较好的编码方案,其压缩效果不仅明显优于JPEG算法与SPIHT算法(特别是纹理图像),而且优于已有的其他小波包图像压缩算法.     

基于小波变换的多光谱图像压缩方法

在分析多光谱图像小波变换后系数特点的基础上,提出了一种共享有效图的小波变换压缩方法（ＳＳＭＷＴ）。该方法将小波变换压缩技术中的零树编码推广到多光谱图像压缩中,利用多光谱图像的结构相关性,对多幅小波图像只需构造一幅有效图,同时去除空间冗余和谱间结构冗余,并与Ｋ－Ｌ变换相结合,进一步去除谱间统计冗余,实验表明了该方法的有效性。     

小波变换的边界处理

小波变换是一种十分有效的信号算是方法。对信号进行小波时，在许多应用中人们要求原始数据能够或尽可能精确恢复。边界处理对数据的精确恢复有着至关重要的影响。本文给出小波变换中边界处理的两种一般方法，并从理论上证明了该方法可以保证数据的精确恢复，最后的实验结果也证实了这一结论。     

小波变换在高光谱决策树分类中的应用研究

近几年来，离散小波变换在遥感图像压缩、消噪和融合中得到了广泛的应用。利用航空飞行的高光谱图像数据，先后进行了主成分分析及10种小波变换，并应用分类回归树对其进行分类处理。将小波变换的分类结果与主成分分析的结果及不同的小波变换方法之间进行了对比。结果表明，在样本数相同的条件下，小波变换的分类精度均高于主成分分析，其中Haar小波的分类精度最高；小波变换后的分类对样本数量的要求要小于主成分分析。在样本数足够的情况下，主成分分析数据压缩率要高于小波变换。但小波变换在压缩的情况下，仍保留了原光谱的大部分信息。而主成分分析只保留了原图像的方差而无法保留波形。     

基于小波变换的影像信息融合方法

文中提出了一种基于小波变换的影像信息融合方法来提高遥感影像的几何分辨率，该算法的基本思想是：首先利用小波正变换算法将待处理的两幅影像分解成不同分辨率的子图像，然后在一定的准则下对不同分辨率的子图像进行信息融合处理，最后利用小波重建算法对融合子图像进行小波逆变换处理，得到信息融合后的高质量图像，实验表明该方法是可行的。     

基于增强小波ECW的遥感图像压缩研究

基于小波变换的图像压缩方法能在高压缩比的前提下保持好的重建图像质量,小波变换的编码技术被广泛地应用于图像的压缩中。但这些传统的小波压缩技术及改进算法,都需要构造复杂的小波基、小波函数,算法复杂,制约了在实际中的广泛应用。而最新发展的增强小波技术较传统的小波技术ECW在压缩率、压缩速度、压缩编码方面均有了新的突破,利用ECW SDK二次开发包,可在应用系统中直接嵌入ECW技术进行遥感影像压缩,避免了传统的小波技术算法复杂等弊端。实践表明该方法是一种有效的、可以在实际中广泛应用的遥感图像压缩方法。     

基于MATLAB图像压缩的研究

基于图像压缩理论,对有损压缩和无损压缩的相关理论与方法进行了深入研究。在此基础上,采用有损压缩、无损压缩、小波变换以及小波工具箱对图像进行分析,主要有图像大小、清晰度、恢复系数以及能量比等;并对结果进行分析与比较。结果表明,无损压缩对图像压缩后数据失真少,图像比较清晰。     

遥感影像的形状参数

基于小波变换的图像压缩编码方法需要知道小波变换后各子带图像的概率密度函数的形状参数，以便设计出最佳的量化器。在本文中，通过ＫＳ（Ｋｏｌｍｏｇｏｒｏｖ—Ｓｍｉｒｎｏｖ）检验的方法给出了遥感影像小波变换后各子带图像的形状参数，为遥感影像利用小波变换进行压缩提供了设计量化器的依据。     

基于小波变换及神经网络的图像压缩编码

提提出的基于小波变换及神经网络的图像压缩方法，能较好地解决ＤＣＴ变换图像压缩比的缺点与不足，在理论上和技术上开辟了图像压缩的新途径。     

基于整数小波变换的半盲脆弱水印算法

提出了一种用于图像认证的小波域半盲脆弱水印算法。水印由二值伪随机序列组成,嵌入在小波域细节分量的感知重要系数中。采用自适应量化中间值系数的方法嵌入水印。基于整数小波变换,并对量化算法进行改进以避免舍入误差。水印提取时不需要原始图像。实验结果表明,算法具有较好的不可见性,且对一定强度的图像压缩、增强等处理有鲁棒性;对于模糊、加噪等攻击表现出较强的脆弱性;对剪切等攻击有较好的篡改定位能力。     

基于KLT／TW和谱特征矢量量化三维谱像数据压缩

提出了基于ＫＬＴ／ＷＴ和谱特征矢量量化（ＳＦＣＶＱ）三维谱像数据压缩的新方法。在对多光谱图像数据进行Ｋａｒｈｕｎｅｎ－Ｌｅｏｖｅ变换（ＫＬＴ）消除谱相关性,再应用小波变换（ＷＴ）对ＫＬＴ后的多光谱图像数据进行消除空间相关性。采用ＳＦＯＶＱ编码对每个谱像数据进行压缩,获得较高的压缩性能。实验结果表明：ＫＬＴ／ＷＴ／ＳＦＣＶＱ方法和ＫＬＴ／ＷＴ／ＶＱ压缩方法比在同样压缩比（ＣＲ）条件下,峰值信噪比（Ｐ     

基于KLT/WT和谱特征矢量量化三维谱像数据压缩

提出了基于KLT/WT和谱特征矢量量化 (SFCVQ)三维谱像数据压缩的新方法。在对多光谱图像数据进行Karhunen Leove变换 (KLT)消除谱相关性 ,再应用小波变换 (WT)对KLT后的多光谱图像数据进行消除空间相关性。采用SFCVQ编码对每个谱像数据进行压缩 ,获得较高的压缩性能。实验结果表明 :KLT/WT/SFCVQ方法和KLT/WT/VQ压缩方法比在同样压缩比 (CR)条件下 ,峰值信噪比 (PSNR)没明显变化 ,而速度提高了 30倍 ,比KLT/WT/FSVQ也提高了 5倍 ,整体压缩性能有较大的提高。     

基于HIS变换和WT变换的遥感影像融合

遥感影像信息融合是近年来国际遥感领域的研究热点.传统的遥感影像融合主要是HIS变换法、加权平均法、PCA法等.利用小渡变换(WT)技术进行遥感影像融合是近年来的研究热点,但其直接舍弃了全色图像的低频率分量,在结果图像中容易出现分块效应.本文结合HIS变换和小波变换的互补性,提出了一种基于HIS变换和小波变换的遥感影像融合方法.通过实验、直观和定性分析,新方法既可以增强融合影像的空间细节表现能力,同时也很好地保留了多光谱影像的光谱信息.     

共享内存环境下的分块最小不连续相位解缠算法

提出了一种共享内存环境下的分块最小不连续相位解缠方法。首先,利用多核协同计算整块相位质量图;然后,将干涉图和相位质量图分割为规则小块,采用质量引导与最小不连续相合成的方法同时对子块干涉图进行相位解缠;最后,主线程在不同解缠相位块以及位于边界的低质量区域上再次进行最小不连续优化,获取最终合并后的解缠结果。仿真和真实干涉相位图的分块解缠实验结果表明,所提算法在保持解缠精度的同时,加速比分别达到3.98和2.26。     

辽-冀与津-冀临界区海岸演变卫星遥感分析

通过对多时相卫星图像的解译和对比,简述并分析了辽、冀、津3省(市)临界区约200km海岸特征与演变情况。     

基于距离权重的分块MASK匀光算法

匀光处理是遥感影像处理中十分重要的一个步骤,现有的MASK匀光算法对消除影像内部光照不均匀现象有较好的效果。但是,MASK算法仍具有一定的局限性,如高斯滤波器最佳尺寸的选择问题,匀光后影像依然存在反差分布不一致问题。针对这些问题,本文提出了一种基于距离权重的分块MASK匀光算法。通过实验,与传统MASK算法进行对比分析,证明本方法得到的结果影像质量更好,反差也趋于一致。     

联合IHS 变换和MAP 估计的遥感图像融合

为了提高多光谱图像和全色图像的融合质量, 提出一种基于推广的IHS(Generalized Intensity-Hue-Saturation, GIHS)变换与最大后验概率MAP(Maximum a Posteriori)相结合的遥感图像融合算法。该算法首先经过GIHS 变换, 由多光谱图像得到强度分量; 其次针对强度分量和全色图像, 通过MAP 构建高分辨率图像的成像模型, 采用最速下 降优化算法得到富含光谱信息的高分辨率全色图像; 进而依据GIHS 变换得到融合图像。实验中分别以IKONOS 卫 星、Quickbird 卫星的多光谱图像和全色图像为例, 进行融合算法验证, 并与GIHS 融合算法、传统的小波变换融合 算法、小波变换结合IHS 变换的融合算法等进行比较分析, 实验表明, 新的融合方法具有更好的融合效果。     

A New Approach to Improve the Cluster-based Parallel Processing Efficiency of High-Resolution Remotely Sensed Image

Object-oriented remotely sensed images processing method has been accepted by more and more experts of remote sensing. To advance the efficiency of data processing, parallel image computing is a good choice since large volumes of data need be analyzed efficiently and rapidly. This paper presents the information extraction method based on per-parcel extraction of high-resolution remotely sensed image; to extract efficiently different information from remotely sensed image, this paper gives the research idea of image rough-classification based on large-scale and subtle-segmentation based on small-scale; to improve the efficiency of image processing, we adapt parallel computing method to solve this problem by presenting an new data-partition method. At last this paper gives the implementation of the research idea based on Message Passing Interface (MPI) and analyzes our experimental system efficiency, and the results show that the new methods can improve the efficiency of high-resolution remotely sensed image data processing efficiently and have a good application.