基于SHIRCT和减影及CDF(2,2)DWT混合变换的超光谱图像无损压缩算法

吉林大学学报(工学版)

基于SHIRCT和减影及CDF(2,2)DWT混合变换的超光谱图像无损压缩算法

解成俊，刘太辉

北华大学数字图像处理研究所，吉林省吉林市, 132011

收稿日期:2007-03-10 修回日期:2007-08-26 出版日期:2008-07-01 发布日期:2008-07-01
通讯作者: 解成俊

Lossless hyper-spectral image compression algorithm based on mixing transform of SHIRCT, subtraction and CDF(2, 2) DWT

XIE Cheng-jun, LIU Tai-hui

Digital Images Processing Institute，Beihua University ,Jilin 132011,China

Received:2007-03-10 Revised:2007-08-26 Online:2008-07-01 Published:2008-07-01
Contact: XIE Cheng-jun

摘要/Abstract

摘要： 提出了SHIRCT和减影混合变换去除谱间冗余、2D-CDF(2,2)DWT去除空间冗余，该变换完全由加法和移位完成，便于硬件实现。去冗余效果好于(1D+2D)CDF(2,2)DWT+改进的EBCOT算法进行编码。实验结果表明，无损压缩性能略好于(1D+2D)CDF(2,2)DWT+改进EBCOT，远好于JPEGLS、WinZip、ARJ、DPCM、文献\[1\]及NMST和MST。

关键词: 信息处理技术, SHIRCT和减影混合变换, 冗余, 无损压缩, 改进的EBCOT算法

Abstract: Integer reversible color transform (SHIRCT) and subtraction mixing transform to eliminate spectral redundancy was presented, meanwhile 2D-CDF(2, 2)DWT was used to eliminate spatial redundancy. This transform can be fully implemented by add and shift operations, therefore it is convenient for hardware realization. Its redundancy elimination effect is better than that of (1D+2D)CDF(2, 2)DWT. An improved EBCOT algorithm was applied for compression coding. Experiments show that in lossless image compression application the effect of the proposed method is slightly better than the effect acquired using (1D+2D)CDF(2, 2)DWT and improved EBCOT algorithm. It is much better than JPEGLS, WinZip, ARJ, DPCM, NMST and MST, and the method in the literature\[1\]

Key words: information processing, SHIRCT and subtraction mixing transform, redundancy, lossless image compression, improved EBCOT algorithm

中图分类号:

TP391

解成俊，刘太辉 . 基于SHIRCT和减影及CDF(2,2)DWT混合变换的超光谱图像无损压缩算法[J]. 吉林大学学报(工学版), 2008, 38(04): 919-923.

XIE Cheng-jun, LIU Tai-hui . Lossless hyper-spectral image compression algorithm based on mixing transform of SHIRCT, subtraction and CDF(2, 2) DWT[J]. 吉林大学学报(工学版), 2008, 38(04): 919-923.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed