一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法

柴 焱; 计文平; 沈兰荪

您当前的位置：

首页 >

文章列表页 >

一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法

论文 | 更新时间：2025-07-16

- 一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法
- Hyperspectral Image Lossless Compression Algorithm Based on Hybrid Transform and 3D-SPHIT
- 电子学报 2007年35卷第9期页码：1770-1773
- 作者机构：
  
  北京工业大学信号与信息处理研究室,北京,100022
- 作者简介：
- 基金信息：
  
  基金项目:国家自然科学基金 (No.60472036,90304001);北京市自然科学基金 (No.4052007);北京市教委 ( No.KM200410005022);北京市科技新星计划 (No.2005B08)
- DOI：
  中图分类号： TP751.1
- 纸质出版：2007
- 稿件说明：
移动端阅览
柴焱, 计文平, 沈兰荪. 一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法[J]. 电子学报, 2007,35(9):1770-1773.

CHAI Yan, JI Wen-ping, SHEN Lan-sun. Hyperspectral Image Lossless Compression Algorithm Based on Hybrid Transform and 3D-SPHIT[J]. Acta Electronica Sinica, 2007, 35(9): 1770-1773.
柴焱, 计文平, 沈兰荪. 一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法[J]. 电子学报, 2007,35(9):1770-1773. DOI：

CHAI Yan, JI Wen-ping, SHEN Lan-sun. Hyperspectral Image Lossless Compression Algorithm Based on Hybrid Transform and 3D-SPHIT[J]. Acta Electronica Sinica, 2007, 35(9): 1770-1773. DOI：

摘要

利用高光谱图像空间、谱间相关性不同的特点

本文提出了一种基于混合整型变换和三维分层树集合划分算法(3D-SPIHT)的高光谱图像无损压缩方法

首先将波段进行分组

针对每一分组

采用不同的整型变换技术去相关

然后对变换系数进行系数重组

采用高效的基于小波系数特点的3D-SPIHT编码方法得到嵌入式码流

具有一定的抗误码性能.实验结果表明

该方法能够有效的去除高光谱图像的空间和谱间相关性

与现有的国际标准JPEG-LS、JPEG2000和基于三维离散余弦变换(3D-DCT)或三维离散小波变换(3D-DWT)的编码方法相比

压缩后的平均比特率均有明显降低.

Abstract

Using the spatial and spectral correlation within the hyperspectral images

a lossless compression algorithm is presented.Band grouping is used to divide images into different groups.Different hybrid integer transform based on spatial/spectral correlation is taken for each group and to achieve progressive bit-stream

coefficients are reorganized to obtain the same structure as wavelet transformation.Transformation coefficients are then coded by bit-plane-based 3D-SPIHT coding algorithm.Experimental results show that the proposed method can remove the spatial and spectral redundancy more efficiently than JPEG-LS

JPEG2000 and the algorithms based on integer 3D-DCT or 3D-DWT.With band grouping and progressive bit-stream

the proposed method can achieve better error resilient performance.

关键词

Keywords

references

浏览量

1096

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于三维自适应预测的高光谱图像无损压缩算法

基于局部表征少样本学习的高光谱图像跨场景分类

基于多层小波深度聚合网络的高光谱图像超分辨率方法

高光谱图像分数域信息提取理论与方法进展

一种基于自适应预测的医学图像高效无损压缩方法