公开(公告)号：CN111050181A

公开(公告)日：2020-04-21

申请号：CN201911400578.5

申请日：2019-12-30

Applicant: 哈尔滨工业大学

Inventor： 陈浩 ,  高萌萌 ,  陈瑾怡

IPC: H04N19/503 ,  H04N19/42 ,  H04N19/182 ,  H04N19/105 ,  G01N21/17 ,  G01N21/35

Abstract: 一种超光谱大气红外遥感图像的时间维压缩方法，它属于遥感图像的压缩技术领域。本发明解决了现有超光谱大气图像压缩方法没有考虑大气大范围复杂运动下不同时间片间的相关性规律不同于高帧率视频帧间的相关特性，导致对图像压缩效果不好的问题。基于探测仪在不同时间对同一场景探测的超光谱红外大气图像数据间较大相关性的特点，设计基于在线学习预测模型的超光谱红外大气图像的时间维压缩方案，通过一种自适应的在线更新预测模型，建立由不同时刻的参考时间片图像到中间时刻时间片图像的预测模型，并根据在线学习理论对预测模型参数进行实时更新，从而实现对超光谱数据多时间片的图像压缩，平均压缩比达9.42。本发明可以应用于遥感图像的压缩。

公开(公告)号：CN111050181B

公开(公告)日：2022-06-07

申请号：CN201911400578.5

申请日：2019-12-30

Applicant: 哈尔滨工业大学

Inventor： 陈浩 ,  高萌萌 ,  陈瑾怡

IPC: H04N19/503 ,  H04N19/42 ,  H04N19/182 ,  H04N19/105 ,  G01N21/17 ,  G01N21/35

Abstract: 一种超光谱大气红外遥感图像的时间维压缩方法，它属于遥感图像的压缩技术领域。本发明解决了现有超光谱大气图像压缩方法没有考虑大气大范围复杂运动下不同时间片间的相关性规律不同于高帧率视频帧间的相关特性，导致对图像压缩效果不好的问题。基于探测仪在不同时间对同一场景探测的超光谱红外大气图像数据间较大相关性的特点，设计基于在线学习预测模型的超光谱红外大气图像的时间维压缩方案，通过一种自适应的在线更新预测模型，建立由不同时刻的参考时间片图像到中间时刻时间片图像的预测模型，并根据在线学习理论对预测模型参数进行实时更新，从而实现对超光谱数据多时间片的图像压缩，平均压缩比达9.42。本发明可以应用于遥感图像的压缩。