主分调制预测提升干涉高光谱图像无损压缩效率

本文主要探讨了"干涉高光谱图像的主分调制预测无损压缩"这一领域的研究，发表于2013年的《重庆大学学报》。作者们针对高光谱图像的特性，提出了创新的无损压缩算法，以提高数据存储和传输效率。高光谱图像通常包含大量的冗余信息，特别是空间方向和光程差方向上的冗余。 在该算法中，首先对干涉高光谱图像进行分解，将其分为空间方向和光程差方向。空间方向采用主分量预测技术，通过去除帧间的冗余信息。主分量预测采取两步预测策略：第一步，使用四阶预测器获取预测参考值，确保对图像序列有较准确的理解；第二步，利用8级查找表进一步搜索并确定实际预测值，这一步提升了预测精度。通过对比预测值和实际值，最终得到主分预测帧。 对于光程差方向，调制分量预测被用来消除谱间的冗余。这里采用了线性预测方法，生成调制预测帧。这种结合了主分预测和调制预测的方式，能够更有效地减少图像中的冗余，提高压缩效果。 实验结果显示，本文算法的平均压缩码率达到3.05 bits per pixel (bpp)，相较于传统的无损压缩算法，平均压缩码率有所提升，具体范围在0.14到2.94 bpp之间。这表明该算法在保持图像质量的同时，显著地提高了干涉高光谱图像的无损压缩效率，这对于处理大量高光谱数据的存储和传输具有重要意义。 关键词包括：干涉高光谱图像、无损压缩、主分量预测、调制分量预测以及8级查找表。该研究不仅在理论层面深化了对高光谱图像压缩的理解，也为实际应用提供了有效的方法，特别是在遥感卫星和地球观测领域，有助于节省存储空间和传输带宽。