低复杂度与抗误码的高光谱图像分布式压缩技术研究

With the increase of spectral resolution, spatial resolution and radiant resolution of on-board imaging spectrometer, the data volumes of acquired hyper-spectral images increase rapidly. Efficient compression technique of hyper-spectral images must be studied in order to realize the real-time transmission of data volumes under the existing channel bandwidth. The traditional compression algorithms based on joint encoding and decoding have the disadvantages of high encoder complexity and weak error resilience, which are difficult to be used for the on-board compression of hyper-spectral images effectively. Therefore, low complexity and error resilience distributed compression technique of hyper-spectral images is studied deeply in this project, which is realized by multilevel coset codes and binary error-correcting codes respectively. For multilevel coset codes, multilevel correlation estimation of hyper-spectral images and corresponding distributed lossless compression algorithms are studied, and the rate-distortion model of distributed lossy compression and corresponding compression algorithms are also studied, in order to obtain perfect reconstructed results of hyper-spectral images under the target rate. For binary error-correcting codes, binary correlation estimation of hyper-spectral images and corresponding distributed compression algorithms are studied. Finally, quality evaluation algorithm of hyper-spectral images compression is studied in order to perform comprehensive and objective evaluation for the performance of compression algorithms, which can be extended to the compression quality evaluation of other kinds of remote sensing images.

随着星载成像光谱仪的光谱分辨率、空间分辨率与辐射分辨率的不断提高，所获取的高光谱数据量急剧增加，必须研究高效的高光谱图像压缩技术，才能够在现有信道带宽条件下实现数据的实时传输。传统的基于联合编解码的压缩算法存在编码复杂度高与抗误码性能差的不足，难以有效应用于星载高光谱图像的压缩。为此，本项目深入研究低复杂度与抗误码的高光谱图像分布式压缩技术，利用多元陪集码与二元纠错码分别进行实现。在多元陪集码方面，研究高光谱图像的多元相关性估计以及相应的分布式无损压缩算法；研究分布式有损压缩中的率失真模型以及相应的压缩算法，使得高光谱图像在目标码率下获得理想的重建结果。在二元纠错码方面，研究高光谱图像的二元相关性估计以及相应的分布式压缩算法。最后，研究高光谱图像压缩质量评估算法，能够对压缩算法的性能进行全面客观的评估，并能推广到其它类型遥感图像的压缩质量评估。

随着空间分辨率、光谱分辨率以及辐射分辨率的不断增加，高光谱图像的数据量急剧膨胀。受星上存储容量和信道带宽的限制，高光谱数据的急剧增加给存储与传输带来了巨大挑战。此外，恶劣的信道环境极易使得数据在传输过程中发生误码。因此，必须采用高效的图像压缩方法对高光谱图像进行有效压缩。基于联合编解码的压缩方法普遍存在计算复杂度高与抗误码性能差的不足，难以满足星载高光谱图像压缩传输的需求。分布式信源编码（Distributed Source Coding, DSC）能够在编码端对各个信源单独进行编码，在解码端利用信源之间的相关性进行联合解码，有效降低了编码器的运算量，此外，DSC具有一定的抗误码性。以上特点决定了DSC非常适合卫星平台的高光谱图像压缩。该项目的主要工作和创造性研究成果有：. （1）研究了分布式信源编码技术，根据其理论基础，给出了分布式编码的具体实现方式。. （2）研究了基于DSC的高光谱图像无损与近无损压缩技术。提出了两种基于多元线性回归的高光谱图像分布式无损压缩算法，并将两种算法扩展到近无损压缩，针对AVIRIS的实验结果表明，算法具有较好的无损压缩性能和较低的编码复杂度，并且能够提供不同程度的抗误码性能。. （3）研究了基于DSC的高光谱图像有损压缩技术。在无损压缩算法的基础上，通过引入码率分配策略与最优量化方案，将无损压缩推广到有损压缩。码率分配策略保证在目标码率条件下各个编码单元能够获得合理的编码码率，最优量化方案使得各编码单元能够获得最优的率失真性能。针对AVIRIS的实验结果表明该算法能够获得优于三维小波变换的率失真性能，并且具有较低的编码复杂度。. （4）研究了面向实际应用的高光谱图像有损压缩技术。提出了一种混合PCA/ICA与JPEG2000相结合的高光谱图像压缩算法在不同码率的情况下，通过空间相关系数、信噪比、光谱角填图等技术指标对所提算法的压缩性能进行评估。针对AVIRIS的实验结果表明，所提出算法的压缩性能优于PCA+JPEG2000，同时能够有效提高光谱保真度，保护异常像素信息。. 本项目所取得的研究成果对于DSC在高光谱图像压缩中的应用具有极大的促进作用，同时，对于实现低复杂度与抗误码的高光谱图像压缩具有重要意义。