无人机遥感数据压缩解压缩系统的设计和实现

无人机遥感数据压缩与解压缩系统是无人机数据传输链路中的重要组成部分。针对数据传输中的设计问题,本文分别给出了3种无人机航空遥感数据传输与压缩系统方案设计,阐述了数据压缩原理与实现方法,重点对有损压缩算法进行了研究。通过影像自适应分块,离散余弦变换(DCT)、量化及Huffm an编码等实现了遥感影像的压缩程序。在此基础上,从软件结构和硬件体系两方面对压缩程序进行优化,实现了嵌入式遥感数据压缩系统的开发。无人机遥感系统实验表明:遥感图像压缩系统运行正常,遥感图像数据压缩比达到1?13。飞行实验中图像的实时显示也检验了无人机遥感图像解压缩程序的正确性和稳定性。     

遥感图像的自适应混合压缩编码

遥感图像的巨大信息量,给图像存贮、记录、传输和处理带来很大的困难。尤其是在微机上进行图像处理,这一问题更为突出。图像压缩编码技术是解决问题的主要途径。但是,文献介绍的一些常用的图像压缩编码方法,大多会导致信息量的减少,有的不适用于遥感图像,或者方法不容易实现。本文提出的图像的自适应混合压缩编码方法,吸收了几种压缩编码方法的优点,基于图像的空间相关性和局部均匀程度,对图像进行压缩编码,方法不仅容易实现,而且有较高的图像数据压缩效果,压缩比一般能达到2左右。自适应图像混合压缩编码方法属于冗余度压缩,不导致信息量的任何减少。     

基于小波变换的遥感图像压缩方法研究

随着遥感技术的迅速发展,遥感图像数据量日益庞大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出。数据压缩技术作为解决这一问题的有效途径,在遥感领域越来越受到重视。本文探讨了利用小波变换对遥感图像进行压缩的技术。     

Landsat8卫星遥感数据预处理方法

Landsat系列卫星是由美国航空航天局和美国地质调查局共同管理的资源遥感系列卫星,40多a来为地球遥感探测活动提供了大量清晰而稳定的图像数据。卫星遥感数据预处理是获取优质遥感基础图像的第一步,对后续各级卫星遥感产品的质量有着很重要的影响。针对Landsat8卫星原始数据,对卫星下传所采用的空间数据传输协议和数据传输格式进行了详细的解析,分析了原始数据从解同步、数据帧解析、任务数据包解析、图像数据获取直到生成0级图像产品的步骤;特别针对存在无损数据压缩的陆地成像仪(operational land imager,OLI)数据,讨论了基于空间数据系统咨询委员会(consultative committee for space data systems,CCSDS)相关标准进行无损数据解压缩处理的方法和过程。经数据预处理得到的Landsat8卫星0级图像产品,可为Landsat8卫星数据应用提供优质的基础图像。     

遥感图像压缩技术的研究

针对GIS灰度遥感图像的特点,以香农无干扰编码定理为依据,提出了四叉树—算术编码,实验证明,本文采用的将遥感图像降熵与四叉树-算术编码相结合的压缩编码技术,在提高了图像压缩比的同时,基本保留了遥感图像丰富的几何信息,符合GIS应用的要求,是一种有效的压缩处理方法。     

基于城市POI的遥感影像渐进压缩技术

传统栅格影像均采用简单的、由低分辨率到高分辨率的像素级渐进压缩模式,较少考虑到用户需求特征和知识,因此,文中利用POI数据特点及图像感兴趣区编码特性,提出一种基于城市POI的遥感影像渐进压缩思想:首先根据大量的POI数据分析挖掘用户关注的热度信息,建立兴趣场,并以此确定遥感影像的感兴趣区域,然后综合SPIHT算法与Maxshift算法对遥感影像进行渐进压缩编码。实验结果表明,该方法在低码率下仍可以高质量保留图像所含重要信息,能够很好地满足用户的需求,实现了知识层级的遥感影像渐进压缩,有效提高图像压缩编码的实用性和优越性。     

Huffman编码在矢量地图压缩中的应用

Huffman编码是一种统计编码,是数据无损压缩中的重要方法。本文研究了Huffman编码的原理及其实现,并将其应用于矢量地图数据的压缩。针对矢量地图数据的特点,提出了Huffman编码的具体算法及压缩与解压缩的实现步骤,讨论了算法用于压缩矢量地图的优良性质。通过试验展示了Huffman编码进行数据压缩的原理与实现过程,并利用一组真实的矢量地图数据验证了所提出的算法可以有效实现对矢量地图数据的压缩,具有无损、高效、压缩率高、通用性好的优点。     

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。     

几种小波基在遥感图像压缩中的应用效果比较

分析了小波基的基本性质,简述了在遥感图像小波压缩中小波基选择的常用方法; 分别用4种常用的典型小波基对8幅含有 不同典型地物的遥感图像进行小波编码实验,并用5种方法全面评价了小波基的应用效果。结果表明,在遥感图像小波压缩中,D (9,7)小波基的应用效果最好。据此,提出了一种小波基选择的改进方法。     

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     

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。     

小波低频子带预测的遥感图像分布式编码

传感技术的不断发展使遥感图像的时间、空间和光谱分辨率不断提高,信息量日益增大,给遥感图像的存储和传输带来了极大挑战,传统图像编码策略难以适应这种基于上行的遥感图像应用需求。本文提出一种基于小波低频子带预测的分布式遥感图像编码方案,利用预测插值的方法得到用于解码Wyner-Ziv的辅助信息,图像的低频信息采用小波零树编码方案,而预测误差图像采用基于均匀量化和位平面的Turbo混合编码方案;在解码端,以预测误差图像的码流作为辅助信息,将其与图像的低频信息码流进行联合解码。实验结果表明,提出方法具有编码效率高、失真率小、压缩比高、抗误码性强和码流具有质量可分级等特性。     

一种基于小波域的分形遥感影像压缩方法

解决大数据量遥感影像传输和存储问题的方案之一,是对遥感影像进行高保真快速压缩。通过对遥感影像进行小波变换产生子带频域之间的相似性,再利用分形方法对具有相似性的相邻高频子带进行编码,由高一级的子影像构造低一级的子影像,然后采用分形迭代解码和小坡变换的逆变换重建影像。实验结果表明,该方法在一定程度上能够提高压缩比,在压缩时间上比传统的分形方法有明显的缩短,并且压缩后影像信息的损失量较少,影像恢复的质量较好。     

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。     

基于立体补偿的遥感立体像对压缩方法

提出研究遥感立体像对的压缩问题。主要讨论了左右影像的视差补偿和辐射补偿。针对遥感立体像对视差分布不均以及左右影像存在辐射差的特点,提出了一种基于立体补偿的遥感立体像对压缩算法。该算法以左片为基准图像,采用自适应视差估计计算出右片的视差矢量,结合辐射校正和重叠块视差补偿技术得到平滑的右片的预测图像,以右片减去预测图像得到残差图像,然后采用小波压缩算法对残差图像进行压缩。实验结果表明,该算法能显著提高遥感立体像对的压缩性能。     

面向任务的高分辨率光学卫星遥感影像智能压缩方法

随着对地观测系统以及空间信息网络的快速发展,中国已经建成星地一体化的对地观测系统。高分辨率遥感影像数据从GB级转向TB级,轻小型智能遥感卫星有限的带宽容量和存储空间都严重限制了遥感信息的智能实时服务,由此提出了一种面向任务的智能压缩方法。首先,基于遥感影像的数据特点以及轻小型智能遥感卫星星地数传的瓶颈,分析了传统在轨压缩算法的局限性,论述了面向任务的高分辨率光学卫星遥感影像智能压缩处理的重要性;其次,提出了基于珞珈三号01星平台面向任务的智能压缩方法,通过星上高质量成像和高精度几何定位获取观测区域;然后,根据不同的任务需求,利用信息提取模型获取感兴趣目标/区域;最后,利用压缩模型对该区域进行自适应码率分配来实现高倍率压缩任务,并生成码流文件回传到地面。针对不同的任务需求,合理分配码率,可通过该方法有效实现遥感影像的高倍率智能压缩。