Pairwise KLT-Based Compression for Multispectral Images

1.介绍

多光谱图像对于大量应用感兴趣，包括材料识别，环境监测，地质研究和其他目的。 目前，大量的卫星都携带了多光谱成像传感器来观测地球，如IKONOS，GeoEye，SPOT，WorldView等。 这种多光谱成像传感器通常捕获从可见光到近红外波长间隔的几个波段。 随着成像系统的性能的提高和所获得的图像的广泛传播，紧凑且忠实地表示这种图像以进行有效传输和存储的问题变得更加迫切。 因此，在这种情况下，使用有效的压缩技术对于减少要传输的数据量非常关键。

与自然图像不同，多光谱图像具有空间相关性和光谱相关性。用于多光谱图像的光谱去相关的流行变换主要包括离散小波变换（DWT）和Karhunen-Loêve变换（KLT）。然而，KLT提供了比DWT更高的性能，因为KLT可以更紧密地匹配原始图像，而小波滤波器是固定的[1]。出于这个原因，基于KLT的算法更加突出地用于多光谱图像的有损压缩。 Gelli [2]提出了一种算法，将多光谱图像分割成几个区域，并应用KLT去除每个区域和DCT的光谱相关性以消除空间相关性，实验结果表明该技术优于传统的变换编码技术1-2dB在所有利率。 Du [3]研究了使用KLT降低维数的影响以及基于KLT的光谱去相关的JPEG2000在信息保存方面的性能，实验表明主成分分析（PCA）优于DWT的光谱去相关，最佳性能发生当只编写一台小型PC而不是整套时。此外，本文开发的简单线性启发式算法可以从压缩性能和信息保存角度估计PC的最佳数量。 Wang [4]提出了一种新的无乘法可逆时域重叠变换（RTDLT）和KLT用于有损无损压缩的变换方案，实验表明，所提出的变换方案优于现有的基于DWT或KLT的算法。 Lee [5]提出了一种具有预编码判别信息的混合压缩方法，该方法采用特征提取方法生成判别信息，实验表明，与传统压缩方法相比，该方法提供了更好的压缩效率和更高的分类精度。 Rucker [6]评估了三种不同的速率分配方案，用于基于KLT的频谱去相关，然后进行JPEG2000压缩，结果表明，同时截断来自所有主成分的所有代码块的所有代码块比特流的方案明显优于其他考虑的方案。压缩性能还有分类精度。