An adaptive parameterized interpolator for image compression based on hierarchical grid interpolation is developed and investigated. For optimizing the interpolator parameters an approach is proposed based on the minimization of the entropy of the quantized post-interpolation residuals, which is used as an estimate of the volume of compressed data. A recursive procedure for calculating the parameters of the developed interpolator is proposed, and theoretical estimates of its computational complexity are calculated. As part of a hierarchical image compression method, the developed interpolator is experimentally investigated, as well as making its comparison with averaging interpolators and an adaptive interpolator based on optimizing the sum of the absolute values of the interpolation errors. The developed interpolator is shown to have an advantage over the prototypes in terms of the compressed data size for various compression errors.
We consider the use of compression method based on hierarchical grid interpolation to compress the hyperspectral images. Approximation of the spectral channels is proposed to improve the efficiency of the method. Recommendations for setting the parameters of the method formulated. Numerical experiments compared to JPEG method implemented.
Самарский государственный аэрокосмический университет имени академика С.П. Королёва (национальный исследовательский университет) (СГАУ), Институт систем обработки изображений РАН Аннотация Исследуются возможности применения иерархической компрессии в задаче хранения гиперспектральных изображений. Приводятся результаты анализа изображений спектрометров Spec-TIR и AVIRIS. Предлагаются алгоритмы аппроксимации спектральных каналов, позволяющие повысить эффективность компрессии при сохранении возможности доступа к отдельным компонентам. Приводятся результаты вычислительных экспериментов по исследованию эффективности разработанных алгоритмов на 16-битных гиперспектральных изображениях. Ключевые слова: компрессия изображений, сжатие, хранение гиперспектральных изображений, контроль максимальной погрешности, иерархическая сеточная интерполяция. Иерархическая компрессия в задаче хранения гиперспектральных изображений Гашников М.В., Глумов Н.И.
1 Самарский национальный исследовательский университет имени академика С.П. Королёва, Самара, Россия, 2 Институт систем обработки изображений РАН -филиал ФНИЦ «Кристаллография и фотоника» РАН, Самара, Россия Аннотация Работа посвящена решению задачи бортовой обработки гиперспектральных данных с целью последующей передачи по каналам связи в системах дистанционного зондирования Земли. В качестве базового алгоритма сжатия данных, необходимого для сокращения объема передаваемой информации, предлагается использование адаптированного для бортовой обра-ботки метода компрессии на основе иерархической сеточной интерполяции. В работе рас-смотрена специфика формирования гиперспектрального изображения, с учетом которой раз-работан алгоритм стабилизации скорости формирования сжатых данных. Проведенные ис-следования показали, что предложенные алгоритмы имеют эффективность, достаточную для использования при передаче гиперспектральных данных дистанционного зондирования Земли в условиях ограниченной емкости буферной памяти и пропускной способности канала связи.Ключевые слова: гиперспектральные изображения, компрессия данных, метод иерар-хической сеточной интерполяции, бортовая обработка, стабилизация скорости форми-рования потока данных.Цитирование: Гашников, М.В. Бортовая обработка гиперспектральных данных в систе-мах дистанционного зондирования Земли на основе иерархической компрессии / М.В. Гаш-ников, Н.И. Глумов // Компьютерная оптика. Введение Гиперспектральные данные дистанционного зон-дирования Земли (ДЗЗ) [1 -3] необходимы для на-блюдения и исследования изменений природной сре-ды и хозяйственной деятельности под воздействием естественных и антропогенных факторов, монито-ринга природных ресурсов, инженерной и транспорт-ной инфраструктуры, предупреждения, оценки и ми-нимизации последствий чрезвычайных ситуаций, по-вышения эффективности управления экономически-ми процессами и т.д. [4 -11].Разработка систем передачи таких данных являет-ся актуальной наукоёмкой задачей. Решение этой за-дачи неизбежно приводит к необходимости эффек-тивного разрешения следующих проблем. Задача компрессии многомерных сигналов, част-ным случаем которых являются гиперспектральные изображения, была поставлена в 60-х годах прошлого столетия, и с тех пор исследования в этой области по-прежнему продолжаются [12 -18]. Результатом стал обширный набор методов компрессии, условно под-разделяемых на следующие классы:• аппроксимационные методы, основанные на ко-дировании параметров аппроксимации сигнала; • дифференциальные методы, в основе которых ле-жит предсказание отсчетов и последующее коди-рование постинтерполяционных остатков; • методы кодирования с преобразованием, в кото-рых кодированию подвергается результат некото-
In this paper, we consider methods for hyperspectral image processing, required in systems of image formation, storage, and transmission and aimed at solving problems of data compression and protection. A modification of the digital image compression method based on a hierarchical grid interpolation is proposed. Methods of active (on the basis of digital watermarking) and passive (on the basis of artificial image distortion detection) data protection against unauthorized dissemination are developed and investigated.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.