1 长春大学, 吉林 长春 130022
2 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
针对多光谱图像存储和传输安全性问题, 提出一种将混沌思想、 小波变换和KL(karhunen-loeve)变换相结合的多光谱图像压缩加密算法。 首先, 采用K-means聚类方案将多光谱图像聚类为通用像素, 通过选择合适的K值使算法的性能最优, 同时便于后续处理; 然后对通用像素进行二维离散9/7小波变换, 对变换后的系数进行Arnold变换以及加密处理, 消除多光谱图像大部分空间冗余, 减少压缩过程中的块效应; 之后对产生的小波系数进行改进的KL变换, 消除残余空间冗余和光谱冗余; 最后采用差分脉冲滤波器对系数进行编码, 并采用Tent映射对码流进行混淆扩散加密。 通过实验可知, 本算法的信息熵达到11.794 3(选取12位多光谱图像), 信息熵更接近最大值12, 优于现有算法, 可以更好的隐藏原图特征; 该算法的像素变化率(NPCR)和归一化平均变化强度(UACI)分别为99.81%和34.19, 优于现有的其他算法, 本算法可以更好的抵御差分攻击; 输出比特流变化率保持在47.62%~47.71%之间, 密文比特流变化率保持在47.45%~47.52%, 本算法具有较好的密钥敏感性; 在压缩比为4∶1~32∶1范围内, 系统PSNR在42 dB以上, 具有很高的压缩性能。 在4∶1~32∶1范围内, 本压缩算法达到很高的峰值信噪比, 优于现有的压缩算法, 在正常工作压缩比为16∶1时, 比现有压缩算法的信噪比提高了0.64 dB以上。 为进一步验证算法在高压缩比情况下的压缩性能, 该研究测试了压缩比为128∶1时系统的信噪比为31.28, 此时, 重建后的图像较为清晰, 优于现有算法1 dB以上。 可见, 该算法可行, 且特别适合对压缩比要求较高的场合, 并在频谱保真方面具有较好的效果。
KL变换 Arnold变换 差分脉冲滤波器 KL transform Arnold transform NPCR UACI Differential pulse filter NPCR UACI 光谱学与光谱分析
2022, 42(9): 2976
1 武汉大学电子信息学院，湖北 武汉 430079
2 武汉大学遥感信息工程学院，湖北 武汉 430079
3 长春理工大学空地激光通信技术国防重点学科实验室，吉林 长春 130022
鉴于卫星拍摄的遥感图像的空间分辨率和光谱分辨率越来越高，在一些应用中，常会对多光谱图像进行压缩。为了提高多光谱图像的压缩质量，提出了联合相位相关和仿射变换的图像配准方法，有效提高了图像谱段之间的相关性。针对多光谱图像压缩，提出了结合Karhunen-Loève，KL变换去除谱间相关和嵌入式二维小波编码方法。相比JPEG2000谱段图像独立压缩方法，提出方法解压图像的Peak Signal to Noise Ratio，PSNR值平均提高2.1 dB。实验结果表明：所提出的方法能在相同的压缩率下获得比JPEG2000谱段图像独立压缩方法更好的图像质量。
图像压缩 KL变换 小波变换 多光谱图像 image compression KL transform wavelet transform multispectral image 红外与激光工程
2016, 45(2): 0228004
1 北京化工大学信息科学与技术学院, 北京 100029
2 北京化工大学材料科学与工程学院, 北京 100029
3 中国计量科学研究院, 北京 100029
提出了一种衰减全反射红外光谱法快速分类和识别多种食用油的方法——KL-BP模型.此模型利用KL算法对原始光谱数据分类特征进行提取并对原始数据降维,降维后的数据作为神经网络的输入建立分析模型.实验共收集了九种食用油包括芝麻油、玉米油、油菜籽油、调和油、葵花油、花生油、橄榄油、大豆油、茶籽油,共84个样品,并测定了其衰减全反射红外光谱.为了对比所提方法性能,分别建立PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP模型的分类结果进行对比.研究结果表明,对所研究的9种食用油,PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP方法的识别率分别为59.1%,68.2%,77.3%,77.3%和90.9%.在数据降维中,KL算法通过分别提取使类间距离和类内距离比值最大方向的特征向量提取和包含在类内离散度矩阵中的分类信息,能够比PCA方法提取了更多的分类信息;引入BP神经网络能有效地提高分类能力和分类准确率;KL-BP综合了KL对分类信息提取优势以及BP神经网络自学习、自适应、非线性的优点,在分类和识别成分相近的9种食用油中表现出了最优秀的能力.
食用油 红外光谱 主元分析法 KL变换 BP神经网络 Edible oil PCA KL conversion BP neural network 光谱学与光谱分析
2015, 35(7): 1879
Author Affiliations
Abstract
1 Department of Electronic Engineering, Shantou University, Shantou 515063
2 Department of Electronic Engineering, Xiamen University, Xiamen 361005
A new hyperspectral image compression method of spectral feature classification vector quantization (SFCVQ) and embedded zero-tree of wavelet (EZW) based on Karhunen-Loeve transformation (KLT) and integer wavelet transformation is represented. In comparison with the other methods, this method not only keeps the characteristics of high compression ratio and easy real-time transmission, but also has the advantage of high computation speed. After lifting based integer wavelet and SFCVQ coding are introduced, a system of nearly lossless compression of hyperspectral images is designed. KLT is used to remove the correlation of spectral redundancy as one-dimensional (1D) linear transform, and SFCVQ coding is applied to enhance compression ratio. The two-dimensional (2D) integer wavelet transformation is adopted for the decorrelation of 2D spatial redundancy. EZW coding method is applied to compress data in wavelet domain. Experimental results show that in comparison with the method of wavelet SFCVQ (WSFCVQ), the method of improved BiBlock zero tree coding (IBBZTC) and the method of feature spectral vector quantization (FSVQ), the peak signal-to-noise ratio (PSNR) of this method can enhance over 9 dB, and the total compression performance is improved greatly.
图像处理 小波 图像压缩 Karhunen-Loeve(KL)变换 100.2000 Digital image processing 100.3010 Image reconstruction techniques 300.6320 Spectroscopy, high-resolution Chinese Optics Letters
2007, 5(3): 153
