1、高光譜圖像的數(shù)據(jù)量非常龐大,給數(shù)據(jù)的存儲和傳輸帶來困難,同時高光譜圖像的數(shù)據(jù)非常寶貴,有損壓縮會對后續(xù)應用造成無法估量的影響,因而無損壓縮成為首選方案。高光譜圖像同時具有空間相關和譜間相關特性,且譜間相關性遠大于空間相關性,針對高光譜圖像的上述特點,論文研究高光譜圖像無損壓縮算法,以盡可能的去除數(shù)據(jù)間的冗余性,提高高光譜數(shù)據(jù)存儲與傳輸效率。
　　 論文首先從相關性的角度對高光譜圖像的特點進行分析,然后介紹了針對高光譜圖像的一般無

2、損壓縮方法。其中基于預測的高光譜圖像無損壓縮算法原理簡單,且易于實現(xiàn),特別是針對高光譜圖像譜間相關性大的特點,預測編碼的算法能夠高效的去除譜間冗余度,因此論文的重點是研究基于預測的高光譜圖像無損壓縮算法,論文主要研究內(nèi)容與成果如下:
　　 一、基于查找表的高光譜圖像無損壓縮方法通過查找表預測和更新獲得殘差圖像,編碼后實現(xiàn)無損壓縮,查找表的預測值的選取受到查找表個數(shù)的限制,選擇范圍不大.雖然通過多個波段聯(lián)合預測或者分配多個查找表能

3、夠增加更多預測值的候選值,但是這會使預測的復雜度大大增加,同時過多的查找表也占據(jù)了本來需要節(jié)約的存儲空間,論文在基于查找表的預測方法上提出了一種改進方案,改進方案中我們在不增加查找表個數(shù)的前提下,通過引入更多較為準確的預測值,使預測過程更加準確,提高了無損壓縮效果。
　　 二、在利用查找表的方法進行預測時,通常都是選取前一個或若干個相鄰波段作為參考波段,但是并不是所有的相鄰波段的相關性都是最強的,存在一些相鄰波段的相關性較差的情

4、況,我們依據(jù)波段的譜間相關性強弱對高光譜圖像的參考波段進行優(yōu)化,在查找表的預測過程中通過重新選取參考波段,取得了更好的無損壓縮結果。
　　 三、維納預測的高光譜圖像無損壓縮方法包括維納預測和反向搜索兩個過程,但維納預測值的獲取非常復雜。而基于譜間局部預測的查找表無損壓縮方法雖然預測過程比較準確,但是查找表需要大量的存儲空間。為克服兩種方法的不足同時將兩種方法的優(yōu)點有效結合,論文將譜間局部預測和反向搜索方案結合起來,提出一種改進的