高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于稀疏表示的高光谱数据压缩算法

吴倩 张荣 徐大卫

吴倩, 张荣, 徐大卫. 基于稀疏表示的高光谱数据压缩算法[J]. 电子与信息学报, 2015, 37(1): 78-84. doi: 10.11999/JEIT140214
引用本文: 吴倩, 张荣, 徐大卫. 基于稀疏表示的高光谱数据压缩算法[J]. 电子与信息学报, 2015, 37(1): 78-84. doi: 10.11999/JEIT140214
Wu Qian, Zhang Rong, Xu Da-Wei. Hyperspectral Data Compression Based on Sparse Representation[J]. Journal of Electronics & Information Technology, 2015, 37(1): 78-84. doi: 10.11999/JEIT140214
Citation: Wu Qian, Zhang Rong, Xu Da-Wei. Hyperspectral Data Compression Based on Sparse Representation[J]. Journal of Electronics & Information Technology, 2015, 37(1): 78-84. doi: 10.11999/JEIT140214

基于稀疏表示的高光谱数据压缩算法

doi: 10.11999/JEIT140214
基金项目: 

国家自然科学基金(61172154),国家973计划项目(2010CB731904),国家自然科学基金重点项目(61331020)和中国科学院光电研究院雏鹰计划资助课题

Hyperspectral Data Compression Based on Sparse Representation

  • 摘要: 如何降低高光谱图像大规模数据的存储和传输代价一直是学者们关心的问题。该文提出一种基于稀疏表示的高光谱数据压缩算法,通过一种波段选择算法构造训练样本集合,利用训练得到的基函数字典对高光谱数据所有波段进行稀疏编码,并对表示结果中非零元素的位置和数值进行量化和熵编码,从而实现高光谱图像压缩。实验结果表明该文算法与3维小波相比具有更好的非线性逼近性能,其率失真性能明显优于3D-SPIHT,并且在光谱信息保留上具有巨大的优势。
  • 加载中
计量
  • 文章访问数:  2153
  • HTML全文浏览量:  148
  • PDF下载量:  721
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-02-19
  • 修回日期:  2014-05-20
  • 刊出日期:  2015-01-19

目录

    /

    返回文章
    返回