基于K-均值聚类和传统递归最小二乘法的高光谱图像无损压缩
针对基于预测的高光谱图像无损压缩算法压缩比低的问题,该文将聚类算法与高光谱图像预测压缩算法相结合,提出一种基于K-均值聚类和传统递归最小二乘法的高光谱图像无损压缩算法.首先,对高光谱图像按光谱矢量进行K-均值聚类以提升同类光谱矢量间的相似度.然后,对每一聚类群分别使用传统递归最小二乘法进行预测,消除高光谱图像的空间冗余和谱间冗余.最后,对预测误差图像进行算术编码,完成高光谱图像压缩过程.对AVIRIS 2006高光谱数据进行仿真实验,所提算法对16位校正图像、16位未校正图像和12位未校正图像分别取得了4.63倍,2.82倍和4.77倍的压缩比,优于同类型已报道的各种算法.
高光谱图像、图像压缩、递归最小二乘法、聚类
38
TP751.2(遥感技术)
国家自然科学基金41101419 The National Natural Science Foundation of China 41101419
2016-11-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
2709-2714