1 中国科学院光电研究院, 北京100094
2 中国科学院大学, 北京100049
为了获得较高的压缩比, 针对干涉超光谱图像数据的空间维相关性和干涉光谱维相关性, 提出了一种将光谱分类与局部DPCM相结合的联合压缩算法。 先对整个光谱数据进行光谱分类, 得到一个与二维空间对应的分类号矩阵和一个与干涉光谱对应的光谱类别库, 然后利用局部DPCM对光谱类别库进行进一步压缩。 分类作为第一步压缩对整个压缩算法的压缩效果至关重要, 本文分析了不同分类标准和分类精度下的压缩效果, 相对欧氏距离标准优于夹角标准和干涉RQE标准。 文中最后选取了合适的分类标准编程实现联合压缩算法并与JPEG2000进行比较, 联合压缩算法的压缩效果优于JPEG2000。
干涉超光谱数据 数据压缩 光谱分类 Interference hyperspectral data Data compression Spectral classification DPCM DPCM 光谱学与光谱分析
2013, 33(5): 1401
