1 中国科学院大学，北京 100049
2 中科院上海技术物理研究所中国科学院红外探测与成像技术重点实验室，上海 200083
经计算证明了风云四号气象卫星上的干涉仪所采集的三维数据立方体在时间维上更容易取得高无损压缩比，于是决定以时间维上的单帧干涉数据为单位进行无损压缩的探索。结合干涉数据在时间维上的相关性特点，提出一种新的无损压缩算法。该算法根据干涉数据的各段特点，分别进行矢量量化和线性预测以此来进行压缩，采用MATLAB 对实际采集数据进行仿真试验后可得，新方法最终取得的无损压缩比比直接进行Huffman 编码所得的压缩比提高了10%～20%。
无损压缩 干涉图 矢量量化 线性预测 压缩比 lossless compression interferogram Vector quantization(VQ) Linear prediction(LP) compression ratio(CR)
东北林业大学 信息与计算机工程学院，黑龙江 哈尔滨 150040
高光谱遥感影像通常包含几十或上百个光谱波段，其海量的数据给影像的存储、传输以及后续处理带来了挑战。针对这一问题，根据高光谱遥感影像谱间相关性强的特性，提出了一种结合双参考波段线性预测的基于压缩感知的高光谱遥感影像重构方法。首先，将高光谱遥感影像的波段进行分组，每组确定两个参考波段，使用正交匹配追踪（OMP）算法重构每组的两个参考波段。其次，根据重构恢复的组内的两个参考波段，建立了一个基于双参考波段的线性预测模型，用来计算该组内非参考波段的预测值；然后，使用OMP 算法重构实际测量值与预测测量值的差值，得到差值向量；最后，利用得到的差值向量迭代修正预测测量值，直到恢复该波段原始图像。仿真实验结果表明，该方法提高了高光谱遥感影像的重构效果。
高光谱遥感影像 压缩感知 线性预测 图像重构 hyperspectral remote sensing image compressive sense linear prediction image reconstruction
1 南京航空航天大学 电子信息工程学院，江苏 南京 211106
2 中国科学院西安光学精密机械研究所 中科院光谱成像技术重点实验室，陕西 西安 710119
针对高光谱遥感图像的异常检测问题，为了使高光谱降维数据能更完整地保留其光谱信息，提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间，并对各子空间中的波段进行主成分分析(PCA)，选择主要分量作为重构目标；以子空间追踪法为搜索策略，从各子空间中选择数个波段对其重构目标进行联合最优线性预测；合并各子空间中的所选波段得到最佳波段子集.实验结果表明，该方法选择的波段子集可以较完整地重构原始数据，与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比，其波段子集具有更好的异常检测性能.
遥感 高光谱图像 波段选择 主成分 线性预测 子空间追踪 谱聚类 remote sensing hyperspectral image band selection principal component linear prediction subspace pursuit spectral clustering
为了解决空间遥感凝视型探测器获取的数据量巨大的问题，研究了红外图像的无损压缩。经比较，JPEG2000 国际标准压缩算法具有较好的压缩性能且有相应的ASIC（Application SpecificIntegrated Circuit）芯片易于系统实现。本文对连续的红外图像序列的空间和时间相关性进行了分析，以此为基础提出了一种基于预测和JPEG2000 算法相结合的无损压缩方案，并以ASIC 和FPGA 为平台实现了一个复杂度低、性能高的实时无损压缩系统。对不同复杂程度的源图像进行的压缩实验表明，该系统能够实现连续红外图像平均无损压缩比4.516，与JPEG2000 标准算法相比，无损压缩比提高了59%以上。
红外图像 空间相关性 时间相关性 线性预测 无损压缩 infrared image spatial correlation inter-frame correlation linear prediction JPEG2000 JPEG2000 lossless compression
1 东北石油大学 电子科学学院, 黑龙江 大庆 163318
2 东北石油大学 黑龙江省高校校企业共建测试计量技术及仪器仪表研发中心, 黑龙江 大庆 163318
3 大庆油田有限责任公司储运销售分公司, 黑龙江 大庆 163415
参数编码是针对提取的语音信号特征参数进行编码, 主要目的是使重建的语音信号具有尽可能高的可懂度。线性预测编码(LPC)是一种有实用价值的经典方法。通过对线性预测编码地原理分析, 选择自相关算法中的莱文逊-杜宾算法求得预测系数;在确定预测阶数和增益后, 对一段实际的语音信号进行了预测仿真分析。实验结果表明, 预测波形最大残差小于0.3%。
语音信号 参数编码 线性预测编码 仿真分析 speech signal parameter coding linear prediction coding(LPC) simulation analysis
中国科学院 空间科学与应用研究中心 , 北京 100190
提出了一种线性预测和多谱带查表相结合的高光谱图像无损压缩算法。首先, 根据高光谱图像谱带间具有强相关性的特点, 建立基于Yule-Walker方程的线性预测模型, 其中方程系数矩阵为非Toeplitz形式的对称矩阵, 需要使用改进的Levinson算法进行求解。其次, 针对校正后的高光谱图像具有稀疏直方图的特点, 提出了多谱带查表法, 对线性预测的结果进行修正, 去除这些图像中因校正引起的信息冗余; 而对未校正图像, 则不使用该步骤处理。最后, 使用熵编码器对预测误差进行编码。分别使用自适应算术编码和Golomb-Rice编码作为熵编码器进行了测试, 结果表明: 本文算法具有较高的压缩比, 压缩效果好于国际空间数据系统咨询委员会(CCSDS)的标准算法。
高光谱图像 无损压缩 线性预测 多谱带查表法 Yule-Walker方程 Levinson算法 hyperspectral imagery lossless compression linear prediction multiband lookup table Yule-Walker equation Levinson algorithm
1 浙江大学电气工程学院, 浙江 杭州 310027
2 杭州电子科技大学计算机应用技术研究所, 浙江 杭州 310018
通过波段选择可以显著提高高光谱遥感图像分类与解混的效率。提出了两种改进的线性预测（LP）波段选择方法，用图像的偏度或峰度度量波段信息量，结合互信息（MI）或K-L散度度量波段间的相似性，选择本身信息量大，且彼此间最不相似的两个波段作为初始波段，再通过改进的线性预测选择后续波段。噪声波段的存在会影响波段选择的效果，导致分类或解混精度低于预期。为了减弱噪声波段的不利影响，进一步提出噪声波段去除的方法，基于小波域的熵估计每波段的噪声，去除噪声较大的波段后进行波段选择。真实高光谱图像波段选择后分类和解混实验结果表明，改进的基于线性预测的波段选择方法能明显提高分类和解混的精度和效率，是一种有效的高光谱图像降维方法。
遥感 波段选择 线性预测 噪声去除
1 中国科学院长春光学精密机械与物理研究所， 吉林 长春130033
2 中国科学院研究生院, 北京100049
凸面光栅成像光谱仪图像数据量巨大， 给数据的传输和存储带来了压力， 因此要对图像数据进行实时压缩。 首先根据成像原理对图像数据的特点进行了分析， 得出去除空间相关性和谱间相关性的压缩途径； 然后， 进行了压缩算法分析， 提出了在谱间进行一阶线性预测、 谱内进行JPEG2000压缩的三维压缩方案； 最后， 设计了基于FPGA+ADV212的实时压缩系统， 其中FPGA用于逻辑控制和预测算法实现， ADV212用于JPEG2000压缩。 分析结果表明： 该系统具备无损和有损压缩能力， 能够实现图像数据实时压缩。
成像光谱仪 一阶线性预测 实时压缩 Imaging spectrometer One-order linear prediction JPEG2000 JPEG2000 ADV212 ADV212 Real-time compression 光谱学与光谱分析
2012, 32(4): 1132
