多尺度字典学习的高光谱图像压缩算法

结合小波变换及字典学习提出了一种针对高光谱图像的压缩算法。该算法首先通过小波变换构建多尺度样本集,在小波域使用K-均值奇异值分解(K-SVD)方法学习得到原子尺寸不同的多尺度字典,然后在稀疏表示的过程中,定义一个原子使用频次筛选因子,通过统计局部最优波段稀疏表示时原子使用情况,结合筛选因子对字典原子进行优化筛选,使用精简后的字典对其余波段进行稀疏求解,最后针对不同尺度的表示系数采用自适应的量化编码。实验结果表明,与目前常用的3D-SPIHT和其他的多尺度字典学习算法相比,本文算法在中低比特率下,具有更好的重建性能。     

基于层次贝叶斯建模的遥感图像去噪方法

场景信息建模是图像理解的高层认知部分。本文基于压缩感知理论和图像理解的思想,用非参数贝叶斯字典学习方法对遥感图像进行去噪处理;对图像场景的空间结构建立层次贝叶斯概率模型,利用Gibbs抽样进行贝叶斯推理。通过学习获得包含图像空间结构信息的字典,并用于图像的重建去噪,使去噪图像的峰值信噪比(PSNR)值提高了40%以上。     

基于分形理论的遥感图像压缩方法的探讨

分析了用分形理论处理遥感图像压缩的基本原理,提出了具体编码方法,实现了遥感图像的分形压缩,压缩效果较好。     

基于压缩感知的无人机航拍遥感图像动态重构方法

针对当前无人机航拍遥感图像动态重构效果不佳,图像清晰度较低的问题,提出基于压缩感知的无人机航拍遥感图像动态重构方法.构建无人机航拍遥感影像降质模型,获取图像特征信息,进一步对无人机航拍遥感图像进行降噪预处理,更好地提高无人机航拍遥感图像的分辨率、光谱和多时相趋势,有效解决采样数据量大、采样时间长、数据传输存储量大等资源浪费问题.最大程度上提高无人机航拍遥感图像的采样率、降低无人机航拍遥感图像动态重构复杂度,有效获得高质量的图像重建的研究要求.实验结果表明,提出的基于压缩感知的无人机航拍遥感图像动态重构方法正确有效,优于目前的主流方法.     

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"样本字典"的城市违法用地快速监测模式研究

基于多源低空遥感数据获取、知识样本库、深度学习变化感知、多源数据融合分析,提出以专题"样本字典"和自注意力机制变化感知为核心的快速监测服务技术体系,旨在解决国家重要战略发展地区违法用地监管高效、精准、精细的管控要求,有效保障土地执法效率及准确率.     

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。     

基于稀疏表示和字典学习的全色与多光谱影像融合

Pansharpening方法通过融合多光谱影像的光谱信息和全色影像的空间细节信息来得到高分辨多光谱影像。然而传统的Pansharpening方法易导致产生光谱扭曲和空间信息丢失现象。受到影像稀疏表示超分重建理论启发,本文提出了一种新的基于稀疏表示和字典学习的Pansharpening方法。该方法以影像的高频特征作为训练样本,通过字典学习的方法来获取高低分辨率影像字典,使用正交匹配追踪算法求解出影像的稀疏表示系数,最终通过高分辨影像字典与稀疏系数相乘得到融合影像。实验结果表明:本文提出的方法能很好地保持遥感影像的光谱信息和空间细节信息。     

一种基于扫描线填充算法的分块影像旋转的实现方法

针对分块影像旋转时的效率问题,提出了一种基于扫描线填充算法的实现方法,详细说明了实现步骤,并举例进行了验证。     

基于鉴别字典学习的遮挡人脸姿态识别

利用字典学习与稀疏表示的信号重建与分类的性能,两步字典训练学习方法引入到鲁棒性人脸姿态识别中。首先,将人脸姿态离散化为不同的子空间,使用K-奇异值分解法（K-SVD）为每个子空间训练一个子字典使其对应一个类别;然后,将所有子字典组合成超完备字典;最后,采用基于Gabor特征与稀疏表示的方法进行姿态分类。为了提高字典的分类能力,本文采用两步字典训练学习方法,并在第二步学习中加入类别约束;为了提高算法的鲁棒性,本文重构一个遮挡人脸字典,解决人脸姿态识别中人脸遮挡问题。通过在公开的XJTU、PIE和CAS-PEAL-R1人脸库上的实验结果表明,本文方法在具有光照、噪声和遮挡变化的人脸库识别率均能达到95%左右,基本能达到实际应用的要求。     

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。     

小波变换在遥感图像压缩中的应用

基于遥感数据的大信息量、大容量和越来越高的分辨率对图像的存储和传输提出的更高要求,有效的图像压缩就显的特别重要。在综合比较了各种压缩编码算法的基础上,结合遥感图像本身的特点和对小波变换性质的深入分析,选择了基于小波变换的遥图像压缩方法。     

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。     

利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。     

基于遗传算法的图像复原及分析

本文利用遗传算法对发生线性畸变或模糊的图像进行了复原，对几种遗传方式进行了比较，在初值的选取、交叉的设计、收敛的判断等方面作了一系列工作，并分析了遗传代数、初始种群大小、收敛条件对最终结果的影响。实验证明，利用遗传算法对图像进行恢复时能够达到比较满意的效果。     

一种结合整型最佳谱间预测与SPIHT的MODIS影像无损压缩算法

针对MODIS影像数据海量并具有重要研究价值的特点,研究了MODIS影像的无损压缩算法。采用最佳线性预测方法,通过波段相关性排序确定波段最优预测的顺序,并自适应计算预测波段与当前波段的最佳预测器系数,减少谱间冗余;以多级树集合分裂(SPIHT)编码算法降低谱内相关。为确保无损压缩,对线性预测系数进行逼近取整操作,并采用基于提升格式的D5/3整数小波变换。实验结果表明,该算法在压缩比上的性能较3DSPIHT等算法突出。     

基于小波变换的视频图像压缩

系统地论述了基于小坡变换的视频图像压缩全过程，给出了适合视频图像压缩的小波变换，适应量化和编码。     

基于视觉掩盖效应的自适应图像压缩算法

通过分析压缩过程中图像失真的产生机制,提出了一种基于视觉掩盖效应的自适应压缩算法。由于图像是一种非平稳信源,算法采用分块小波变换,并根据图像块的纹理复杂度进行自适应分解,以适应图像不同区域的统计特性。与JPEG2000的对比实验表明,该算法在高倍率压缩时可有效地提高解压图像的视觉质量,较好地保留了图像中的细节及微弱信息。     

基于数据压缩的多传感器不敏滤波算法

针对非线性系统中杂波环境下的集中式多传感器多目标跟踪问题,提出了一种基于数据压缩技术的多传感器不敏滤波算法。仿真结果表明,与MSJPDA/EKF算法相比,本文提出的算法具有更高的跟踪精度和稳定性,同时所选取的粗关联准则使算法的计算量减少了62%。     

基于张量分解的超光谱图像降秩与压缩

超光谱图像在常规的二维图像中加入了光谱维度,具有更大的信息量的同时也带来了较大的光谱冗余性,这给图像压缩带来了新的挑战。提出了一种基于张量分解的超光谱图像降秩与压缩方法,将超光谱图像视为三阶张量数据表示,并使用张量分解技术将原始观测张量分解为核张量与多个投影矩阵的乘积形式。这样,超光谱图像被压缩为了低秩张量,它可以通过张量反投影进行图像重构。实验证明张量分解技术能够将超光谱图像压缩到很低的比率,同时保持较低的重构相对误差。