-
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
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：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
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：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：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 0.017 seconds)
