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。     

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。     

成像光谱和热红外多光谱技术地质制图研究

根据高光谱分辨率的航空成像光谱（ＭＡＩＳ）和热红外多光谱（ＴＩＭＳ）图像数据中遥感信息特点，即可从其数据获得成像地物光谱，利用航空成像光谱图像处理和分析方法，可有效和精确地对地物特性进行识别和提取。此次以调查沉积岩地区地质地层单元、岩性识别为研究内容的中日联合遥感研究所采用的图像数据，是由中国科学院上海技术物理研究所新开发的ＭＡＩＳ和ＴＩＭＳ获取的。研究结果表明，利用计算机图像处理方法，对ＴＩＭＳ图像进行主成分分析（ＰＣ），ＭＡＩＳ的短波红外（ＳＷＩＲ）图像的假彩色合成图（ＦＣＣ），以及可见近红外（ＶＮＩＲ）图像波段差值处理，可将研究区内出露的白云岩、灰岩以及红色砂岩、绿色砂岩等岩性识别出来，同时圈出了研究区内出露的各个时代的地层，证明了ＭＡＩＳ和ＴＩＭＳ在地质制图方面有较大的潜力。     

高光谱图像数据变换编码压缩方法

三维ＤＣＴ变换编码包括谱段方向的一维ＤＣＴ变换和由此产生的特征值图像的二维ＤＣＴ变换编码。谱段方向一维ＤＣＴ变换的主要作用是去除光谱方向的数据相关性,并产生由ＤＣＴ系数构成的并与各个谱段相对应的特征值图像。特征值图像的压缩由ＪＰＥＧ算法完成,图像的压缩比由ＪＰＥＧ的量化因子ｑ控制。图像边缘特征对高光谱图像的应用具有非常重要的意义,在高光谱图像的压缩过程中要尽量保持图像的边缘特征。我们设计了具有图像     

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。     

基于小波理论的遥感图像高保真压缩方法研究

根据遥感图像局部相关性较弱、纹理复杂丰富的特点,提出了基于小波分析理论的自适应标量、矢量混合量化压缩方法。该方法根据遥感图像小波变换后高频子图的局部块纹理强弱将这些块划分为４类,对平坦块进行高倍压缩,对纹理块进行高保真压缩,使各块的恢复误差大致平衡。其主要特点是避免了矢量编码过程中的码书训练和码书搜索,因而时间性能好,并且对单幅图像的压缩比和峰值信噪比（ＰＳＮＲ）优于ＪＰＥＧ方法。此方法与ＫＬ变换去波段相关技术相结合,应用于多波段遥感图像压缩领域,收到了良好的效果。     

VLBI软件及应用研究

本文系统地研究了ＶＬＢＩ天体测量和大地测量数据处理软件系统（ＣＡＬＣ／ＳＯＬＶＫ）。利用最新ＶＬＢＩ观测资料（１９９３年～１９９４年）对各类天文地球动力学参数进行了精密的测定和研究。     

VLBI软件及应用研究

本文系统地研究了ＶＬＢＩ天体测量和大地测量数据处理软件系统（ＣＡＬＣ／ＳＯＬＶＫ）。利用最新ＶＬＢＩ观测资料对各类天文地球动力学参数进行了精密的测定和研究。     

基于HRIS光谱图像帧序列相关性的D2PCM无损压缩方法

分析了HRIS光谱图像帧序列的相关性，并针对这一特性，提出了利用D^2PCM方法，降低光谱图像序列的谱相关和空间相关，减少图像中的冗余，从而实现光谱图像的压缩。该方法提高了压缩比和压缩效率。     

河口表层悬浮泥沙气象卫星遥感定量模式研究

分析了HRIS光谱图像帧序列的相关性 ,并针对这一特性 ,提出了利用D2 PCM方法 ,降低光谱图像序列的谱相关和空间相关 ,减少图像中的冗余 ,从而实现光谱图像的压缩。该方法提高了压缩比和压缩效率 ,算法运算量小 ,快速。     

Analyzing hyper-spectral and multi-spectral data fusion in spectral domain

Image fusion is the combination of two or more different images to form a new image by using a certain algorithm. Despite the fact that the number and kind of satellite imagery are daily increasing, using fusion techniques, in a proper way, to eliminate the redundancy in data and increase the quality of data is an important challenge in Remote Sensing Image Processing. Fusion of multispectral images with a hyperspectral image generates a composite image which preserves the spatial quality from the high resolution (MS) data and the spectral characteristics from the hyperspectral data. For the present study three fusion algorithms (Principal Component Transformation, Colour Normalized and Gram-Scmidt Transformation) were analysed for Hyperion and IKONOS MSS data. Their ability to preserve the spectral quality of fused data, in comparison with original hyper-spectral image, has been investigated.     

基于信息量失真测度的VQ及在高光谱图像无损压缩中的应用

随着成像光谱技术的迅速发展 ,如何高效无失真的压缩海量高光谱数据引起人们越来越多的关注。由于相似的地表区域具有相似的光谱曲线 ,矢量量化是对高光谱图像进行压缩的理想算法。提出一种基于信息量失真测度的矢量量化编码方法 ,并用于高光谱图像无损压缩。与常用的矢量量化失真测度———欧几里德平方误差测度相比 ,该算法在不增加运算复杂度的情况下 ,矢量量化后的误差图像的熵值能够降低 0 0 5bpp左右。     

基于可操纵金字塔和IHS变换的遥感影像融合

提出了一种基于可操纵金字塔和IHS变换的遥感影像融合方法。对多光谱（MS）图像的强度分量和全色图像（PAN）分别进行可操纵金字塔分解,针对金字塔分解后的低频、高频和各带通子图像分别采取不同的融合规则获得融合子图像,再先后通过可操纵金字塔框架下的逆变换和IHS逆变换得到融合图像。实验结果表明,该方法在增强影像细节信息、保...     

基于分类K—L变换的多波段遥感图像近无损压缩方法

去除空间和谱间相关性是多波段遥感图像压缩中的重要环节，为了得到更好的去相关效果，将矢量量化方法引入多波段遥感图像压缩中，以去除对应同一地物的波段矢量间的相关性，再通过分类K－L变换去除量化误差图像的变间相关性，对K－L变换后的特征图像采用预测树的方法进一步去除谱间结构相关性和空间相关性，实验结果表明，该方法可以取得很好的压缩效果。     

边界处理对解压图像质量的影响

基于小波变换的图像压缩编码是一种很有前景的图像压缩方法。用该方法对图像进行压缩时，在小坡变换中要对边界进行处理。在本文中给出一种小波变换的边界处理方法，使用该方法可使解压图像的质量有明显的改善。     

ISVR: an improved synthetic variable ratio method for image fusion

An Improved Synthetic Variable Ratio (ISVR) fusion method is proposed to merge high spatial resolution panchromatic (Pan) images and multispectral (MS) images based on a simulation of the panchromatic image from the multispectral bands. Compared to the existing SVR (Synthetic Variable Ratio) family methods, the ISVR method manifests two major improvements: a simplified and physically meaningful scheme to derive the parameters necessary as required by SVR, and less computing power. Two sets of IKONOS Pan and MS images: one in urban area and another one in a forest area, were used to evaluate the effectiveness of classification-oriented ISVR method in comparison to the Principal Component Substitution (PCS), Synthetic Variable Ratio (SVR) and Gram-Schmidt Spectral Sharpening (GS) methods that are available in the ENVI software package. Results indicate the ISVR method achieves the best spectral fidelity to facilitate classification compared to PCS, SVR, and GS methods.     

主分量变换在油气异常信息提取中的作用

本文介绍了机载细分红外图像增强油气信息的计算机图像处理方法和主分量变换对提取油气信息的作用以及处理后的结果。     

一种基于预测树的多光谱遥感图像无损压缩方法

最小绝对权值（ＭＡＷ）预测树方法是一种有效的多光谱遥感图像无损压缩方法,但其中构造预测树的算法复杂,实现困难。本文对预测树方法进行改进,提出一种侧邻域最小绝对权值（ＳＮＭＡＷ）预测树方法,通过改变预测树的四邻域定义,使构造预测树的算法简化,并且,实验结果表明,对不同类型的多光谱遥感图像,ＳＮＭＡＷ的压缩效果与ＭＡＷ的压缩效果相近或有所改善。