-
公开(公告)号：CN107770526B
公开(公告)日：2020-08-07
申请号：CN201711009858.4
申请日：2017-10-25
Applicant: 哈尔滨工业大学 , 北京航天控制仪器研究所
IPC: H04N19/124 , H04N19/59 , H04N19/593 , G06T9/00
Abstract: 本发明提供一种基于ICA的超光谱大气红外遥感图像无损压缩方法，本发明为了解决现有的遥感图像压缩方法不适用于超光谱大气红外遥感图像处理过程的问题，而提出一种基于ICA的超光谱大气红外遥感图像无损压缩方法，包括：将三维超光谱数据转换成二维矩阵，并进行处理。求出ICA变换的分离矩阵，再求得ICA变换系数矩阵；然后对变换系数矩阵和独立成分矩阵进行量化得到矩阵AQ和YQ，再对矩阵AQ和YQ进行反量化和逆ICA得到的结果与原图做差，得到残差矩阵D，对AQ和YQ进行预测得到残差矩阵AQP和YQP。最后对三个残差矩阵D、AQP和YQP进行区间编码得到压缩码流。本方法能够对超光谱大气红外遥感图像进行有效的压缩，取得较高的压缩比。
-
公开(公告)号：CN109089118A
公开(公告)日：2018-12-25
申请号：CN201811125686.1
申请日：2018-09-26
Applicant: 哈尔滨工业大学
IPC: H04N19/132 , H04N19/59 , H04N19/42 , H04N19/182
CPC classification number: H04N19/132 , H04N19/182 , H04N19/42 , H04N19/59
Abstract: 基于关键信息保护的超光谱大气红外遥感图像压缩方法，涉及遥感图像压缩领域，本发明是为解决以往的图像压缩技术未能考虑到超光谱图像自身空谱特点和物理特性，也未能考虑压缩效率的同时兼顾同化应用流程的问题。本发明采用基于信息容量和相关性约束的通道选择方法和基于信息熵的空间下采样方法抽取关键信息，再利用关键信息进行三维分组重建预测并获得预测残差，再对残差进行预测、正值化处理，最后对关键信息和预测残差进行区间编码得到压缩码流。本方法能有效压缩超光谱大气红外遥感图像，而且保护了关键信息部分，兼顾了同化应用处理流程，对关键性数据子集无损压缩且优先传输，与非关键的数据残差部分分开编码，便于数据后续处理和同化计算。
-
公开(公告)号：CN107770526A
公开(公告)日：2018-03-06
申请号：CN201711009858.4
申请日：2017-10-25
Applicant: 哈尔滨工业大学 , 北京航天控制仪器研究所
IPC: H04N19/124 , H04N19/59 , H04N19/593 , G06T9/00
Abstract: 本发明提供一种基于ICA的超光谱大气红外遥感图像无损压缩方法，本发明为了解决现有的遥感图像压缩方法不适用于超光谱大气红外遥感图像处理过程的问题，而提出一种基于ICA的超光谱大气红外遥感图像无损压缩方法，包括：将三维超光谱数据转换成二维矩阵，并进行处理。求出ICA变换的分离矩阵，再求得ICA变换系数矩阵；然后对变换系数矩阵和独立成分矩阵进行量化得到矩阵AQ和YQ，再对矩阵AQ和YQ进行反量化和逆ICA得到的结果与原图做差，得到残差矩阵D，对AQ和YQ进行预测得到残差矩阵AQP和YQP。最后对三个残差矩阵D、AQP和YQP进行区间编码得到压缩码流。本方法能够对超光谱大气红外遥感图像进行有效的压缩，取得较高的压缩比。
-
公开(公告)号：CN109089118B
公开(公告)日：2020-10-27
申请号：CN201811125686.1
申请日：2018-09-26
Applicant: 哈尔滨工业大学
IPC: H04N19/132 , H04N19/59 , H04N19/42 , H04N19/182
Abstract: 基于关键信息保护的超光谱大气红外遥感图像压缩方法，涉及遥感图像压缩领域，本发明是为解决以往的图像压缩技术未能考虑到超光谱图像自身空谱特点和物理特性，也未能考虑压缩效率的同时兼顾同化应用流程的问题。本发明采用基于信息容量和相关性约束的通道选择方法和基于信息熵的空间下采样方法抽取关键信息，再利用关键信息进行三维分组重建预测并获得预测残差，再对残差进行预测、正值化处理，最后对关键信息和预测残差进行区间编码得到压缩码流。本方法能有效压缩超光谱大气红外遥感图像，而且保护了关键信息部分，兼顾了同化应用处理流程，对关键性数据子集无损压缩且优先传输，与非关键的数据残差部分分开编码，便于数据后续处理和同化计算。
-
-
-
Search Results
4
records
(took 0.016 seconds)
