论文部分内容阅读
高光谱遥感是指在光谱从紫外到中红外波段范围内将其划分为许多非常窄而且连续的波段来进行采集的遥感系统,在军事侦察和国民经济中发挥着重要作用。高光谱遥感的光谱通道数达到成百上千个,光谱分辨率和空间分辨率的不断提高使得高光谱图像的数据量急剧膨胀,庞大的数据量给数据的传输和存储带来了巨大的压力。因此,有必要利用有效的压缩技术对高光谱图像进行压缩。同时为满足算法实时性,在CPU/GPU硬件平台上实现并行加速,为高光谱图像压缩方法的理论研究和压缩模型的高效率压缩编码提供支持。本文针对高光谱图像的空间相关性、谱间相关性和校正相关性,研究探讨了谱间梯度自适应预测、三阶预测和常系数递归最小二乘滤波的有效压缩算法,以及三阶预测高光谱图像压缩算法的GPU并行计算方法,主要研究工作包括:(1)分析了高光谱图像的空间、谱间和校正统计特性,为设计有效的高光谱图像压缩算法奠定理论基础。(2)结合高光谱图像谱间结构特征、线性预测(LP)算法和梯度自适应预测(GAP)算法,提出了谱间梯度自适应预测(IGAP)压缩算法:首先,通过估算相邻两个预测波段邻域横向和纵向的局部梯度;然后,根据梯度的大小和相关的阈值来判断图像中是否存在局部边界以及边界的强弱程度,并根据计算结果动态调整预测函数进行预测。实验结果表明,IGAP算法具有较佳的综合性能。(3)结合高光谱图像校正相关性与三级谱间预测和后向像素搜索(IP3-BPS)两阶预测算法,提出了应用自适应预测器排序的三阶预测高光谱图像压缩算法(IP3-PS2-APR):首先,根据高光谱图像相邻波段的相关系数大小进行自适应波段分组;然后,对谱间相关系数大于0.9的分组,利用校正相关性和高光谱图像波段缩放因子分别给出递归双向像素搜索和自适应预测器排序技术,新形成的三阶预测算法将递归双向像素搜索和后向像素搜索作为最后两阶预测的预测器,并自适应调整两者的排序以获得更优的预测值;最后,为进一步优化计算复杂度,利用原始图像数据及其一阶预测值给出自适应搜索阈值计算方法,并用自适应搜索阈值代替高光谱图像波段缩放因子进行后向像素搜索。实验结果表明,IP3-PS2-APR在降低计算复杂度的同时具有更好的压缩效果。(4)根据递归最小二乘滤波(RLS)中K系数的收敛特性,提出了常系数递归最小二乘滤波算法(RLS-CC):首先,采用步长为50的递增波段数数列,运用统计方法确定最优预测波段数,然后,利用K系数随着像素增加逐渐收敛为零的特性,给出常系数K并运用其进行递归最小二乘滤波压缩。实验结果表明,相比于RLS高光谱图像压缩算法,RLS-CC能够明显提高压缩效果和压缩效率。(5)针对三阶预测高光谱图像压缩算法(IP3-PS2-APR)计算复杂度高,但自身存在着并行性的特点,提出了基于GPU并行计算的IP3-PS2-APR算法:分析IP3-PS2-APR算法各个预测阶段的计算复杂度,发现三级谱间预测和自适应搜索阈值后向像素搜索是其计算瓶颈,三级谱间预测部分主要包含矩阵求逆和矩阵-矩阵相乘运算,分别指定不同kernel函数求解以降低该部分的计算复杂度;对于自适应搜索阈值后向像素搜索部分,其主要思想是将波段内的每个像素都按照BPS-AST算法的规则进行单独运算。实验结果表明,当采用单(双)核GPU压缩时,并行IP3-PS2-APR算法比原始的串行算法快约35(64)倍。