面向宽幅高光谱遥感影像的高效压缩方法研究

Study on wide hyperspectral small satellite in China has recently achieved breakthrough results. However, the research and application of wide hyperspectral remote sensing data, has just started. The high efficient processing for the obtained large amount of wide hyperspectral remote sensing data, is the basis for subsequent applications. Therefore, for the width hyperspectral remote sensing image, combining with its own characteristics and imaging mode, research on the relevant compression key technologies, is of important research significance. Focus on the scientific problems of the compression of wide hyperspectral remote sensing images, we analyzed the characteristics of wide hyperspectral remote sensing images, and research the content as follows①nonlinear spectral dimension representation technologies for high order moment removal, it can well realize the statistical independence among spectral components;②multi-class spatial dimension representation technologies based on the analysis of the image content, and can provide an efficient space representation for the wide hyperspectral remote sensing image that containing more objects; ③the important details-preserving-based tree coding adaptively model for 3D data (3D-IDTCA), and can provide an efficient compression while preserving the important contour and texture of objects of the image. The project can provide theoretical and experimental support for the efficient compression of wide hyperspectral remote sensing images. Moreover, the full study of the project has important theoretic significances and academic values for the efficient processing of wide hyperspectral remote sensing data and its further deeper applications.

我国对宽幅高光谱小卫星的研究已于近期取得了突破性成果，而对获取的宽幅高光谱遥感影像进行研究和应用，才刚刚起步。对获取的大数据量宽幅高光谱影像进行高效处理，是进行后续应用的基础。因此，对宽幅高光谱遥感影像，结合其自身特性和成像方式，研究相应的压缩关键技术，具有重要的研究意义。本项目针对宽幅高光谱遥感影像压缩中面临的科学问题，从影像自身特性出发，系统研究了①面向高阶矩去除的非线性光谱维表示技术，能较好地实现宽幅高光谱影像谱分量间的统计独立；②基于影像内容分析的多类别空间维表示技术，能够对包含更多地物的宽幅影像进行有效的空间表示；③面向三维数据的基于重要细节信息保护的树自适应编码模型（3D-IDTCA），能够在有效编码的同时对宽幅影像中地物的重要轮廓及纹理进行保留。该项目研究能为宽幅高光谱遥感影像的压缩提供理论与实验支撑，对于高效处理宽幅高光谱数据，以及深化相关的前沿应用，均具有重要的理论意义。

针对获取的宽幅高光谱影像高效数据处理的需求，从影像自身特性出发，研究了有效的特征提取及影像压缩方法。研究框架主要体现在以下五个方面：1）光谱表示方法研究：研究宽幅高光谱影像数据特性，建立适合高光谱的稀疏张量分解模型，能够有效去除空谱相关性。2）空间表示方法研究：挖掘空间信息，建立基于基于方向自适应预测的模型、基于图形小波变换的不规则形状表示方法，同时研究了稀疏表达下基于自适应采样的压缩感知方法。3）特征提取方法研究：在小样本条件下，深入挖掘空谱信息，建立一种能有效提取特征的变维卷积神经网络；同时研究基于区域残差的相似性测度，提升对影像特征的提取能力。4）基于重要细节保护的编码方法研究：研究了基于内容自适应扫描的编码模型，拓展经典树编码算法，获得在编码过程中保护重要信息；同时提出了基于多尺度深度特征显著区域保护的方法，能够进行基于显著区域保护的压缩。5）压缩及传输系统的设计：以所研究压缩方法为基础，设计并实现了一种面向可视化的遥感影像压缩及传输系统，为后续研究成果的应用奠定了基础。课题内容对于高光谱遥感影像的压缩提供理论与实验支撑，对高效处理高光谱数据，以及深化相关的前沿应用，均具有重要的意义。