基于自适应量化的超光谱图像压缩

您当前的位置：

首页 >

文章列表页 >

基于自适应量化的超光谱图像压缩

更新时间：2025-09-01

- 基于自适应量化的超光谱图像压缩
- Compression of hyper-spectral images based on adaptive quantization
- 光学技术 2004年第2期页码：218-222
- 作者机构：
  
  1. 1:上海交通大学模式识别与图像处理研究所
  2. 2:上海交通大学模式识别与图像处理研究所
  3. 3:上海交通大学模式识别与图像处理研究所
  4. 4:上海交通大学模式识别与图像处理研究所,上海,200030
- 作者简介：
- 基金信息：
  
  国家863高技术研究资助项目(2002AA134020—05);上海市科学技术委员会资助项目(015115036)
- DOI：
  中图分类号：
- 纸质出版：2004
- 稿件说明：
移动端阅览
吴颖谦, 方涛, 施鹏飞, 等. 基于自适应量化的超光谱图像压缩[J]. 光学技术, 2004,(2):218-222.

Compression of hyper-spectral images based on adaptive quantization[J]. 2004, (2): 218-222.
吴颖谦, 方涛, 施鹏飞, 等. 基于自适应量化的超光谱图像压缩[J]. 光学技术, 2004,(2):218-222. DOI：

Compression of hyper-spectral images based on adaptive quantization[J]. 2004, (2): 218-222. DOI：

提出了一种基于谱间预测和小波量化编码的超光谱图像压缩方法。在充分考虑子带图像非平稳特性的基础上

首先实现了子带分类步骤

通过分类设计自适应预测器

提高了谱间去相关效率。由于子带中不同子类表现出了不同的统计特性

所以使用空变均匀阈值量化器完成了量化工作。研究了均匀量化器对不同分布训练样本的率失真表现

并为相关特性建立了模型描述。基于率失真模型和系数序列的统计特性

提出了一个率分配算法

以便能为不同的子类系数序列设计率失真意义上的最优量化器。实验证明

这种方法能高效地压缩超光谱图像

表现出了优异的压缩性能。

浏览量

118

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于小波分解金字塔的OCT图像特征提取算法

基于改进Hu不变矩的图像篡改检测算法

基于PCA和SVM的高光谱遥感图像分类研究

光电对抗装备的分类及其分析

成像光谱技术的研究与发展