最佳递归双向预测的高光谱图像无损压缩

孙蕾

doi:null

您当前的位置：

首页 >

文章列表页 >

最佳递归双向预测的高光谱图像无损压缩

信息科学 | 更新时间：2020-08-12

- 最佳递归双向预测的高光谱图像无损压缩
- Hyperspectral Image Lossless Compression Based on Optimal Recursive Bidirection Prediction
- 光学精密工程 2009年17卷第11期页码：2864-2870
- 作者机构：
  
  湖南长沙国防科技大学理学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP751
- 收稿日期：2008-07-28，
  
  修回日期：2008-12-07，
  
  网络出版日期：2009-11-25，
  
  纸质出版日期：2009-11-25
- 稿件说明：
移动端阅览
孙蕾. 最佳递归双向预测的高光谱图像无损压缩[J]. 光学精密工程, 2009,17(11):2864-2870

Hyperspectral Image Lossless Compression Based on Optimal Recursive Bidirection Prediction[J]. Optics and precision engineering, 2009, 17(11): 2864-2870.
孙蕾. 最佳递归双向预测的高光谱图像无损压缩[J]. 光学精密工程, 2009,17(11):2864-2870 DOI：

Hyperspectral Image Lossless Compression Based on Optimal Recursive Bidirection Prediction[J]. Optics and precision engineering, 2009, 17(11): 2864-2870. DOI：

摘要

提出一种基于最佳递归双向预测的高光谱图像无损压缩算法。首先根据高光谱图像各波段的谱间相关系数，选择相应的压缩方式。谱间相关系数小于0.9的波段使用bzip2模式进行压缩。谱间相关系数大于0.9的波段，对参考波段进行单波段最佳前向预测，非参考波段采用最佳递归双向预测，并对预测残差采用JPEG-LS模式压缩。对AVIRIS高光谱图像进行压缩，实验结果表明该算法的平均压缩比达到3.217倍，优于其他无损压缩算法0.09-1.374倍。

Abstract

This paper presents a hyperspectral image lossless compression algorithm based on optimal recursive bidirection prediction. At first

different compression model for each band is chosen according to its spectral correlation factor. If the spectral correlation factor is less than 0.9

bzip2 compression model is chosen. Otherwise

single band optimal previous prediction is performed on the reference band and optimal recursive bidirection prediction is performed on the non-reference band and the residual images are coded by JPEG-LS. Our experimental findings are reported using the algorithms designed in this paper applied to Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) data. The result shows that the average compression ratio is 3.217

which is 0.09-1.374 higher than the other lossless compression algorithms.

关键词

Keywords

references

浏览量

446

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

自适应波段选择与最佳预测顺序的高光谱图像无损压缩

基于上下文窗口中反向搜索的高光谱图像无损压缩

基于多波段预测的高光谱图像分布式无损压缩

3D-CNN与Transformer混合结构的高光谱图像空谱联合分类

CNN-Transformer结合对比学习的高光谱与LiDAR数据协同分类