基于YCoCg的超光谱图像无损压缩算法研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 18-20.

基于YCoCg的超光谱图像无损压缩算法研究

解成俊,赵津燕

北华大学数字图像处理研究所,吉林132011

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 解成俊

Research on lossless hyper-spectral image compression algorithm based on mixing tanform of YCoCg and substraction to eliminate spectral redundancy

XIE Cheng-jun,ZHAO Jin-yan

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

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: XIE Cheng-jun

摘要/Abstract

摘要： 提出了YCoCg和减影混合变换去除谱间冗余、2D-CDF（2,2）DWT去除空间冗余,该变换可完全由加法和移位完成便于硬件实现,改进的EBCOT算法进行编码。实验结果表明,无损压缩性能远好于JPEG-LS、WinZip、ARJ、DPCM、中国科学院一小组、NMST、MST的结果,以JPL的Canal测试图像为例,平均而言无损压缩比分别比上述算法提高了41%、36%、34%、29%、16%、14%、11%左右。

关键词: YCoCg和减影混合变换, 冗余, 改进的EBCOT算法

Abstract: This paper presents YCoCg and substraction mixing transform to eliminate spectral redundancy,while 2D-CDF（2,2）DWT is used to eliminate spatial redundancy.This transform has priority in hardware realization convenience,since it can be fully implemented by add and shift operation.Here improved EBCOT algorithm is used to finish compression coding.The experiment results show that in lossless image compression applications the method is much better than JPEG-LS,WinZip,ARJ,DPCM,the research result of a research team of Chinese Academy of Sciences,NMST and MST.Using Canal test images of JPL laboratory as a example data set,on the average the compression ratio using this algorithm increases about 41%,36%,34%,29%,16%,14%,11% respectively comparing to the above algorithms.

Key words: YCoCg and substraction mixing transform, redundancy, improved EBCOT algorithm

解成俊,赵津燕. 基于YCoCg的超光谱图像无损压缩算法研究[J]. 计算机工程与应用, 2007, 43(28): 18-20.

XIE Cheng-jun,ZHAO Jin-yan. Research on lossless hyper-spectral image compression algorithm based on mixing tanform of YCoCg and substraction to eliminate spectral redundancy [J]. Computer Engineering and Applications, 2007, 43(28): 18-20.

[1]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[2]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[3]	张孝，孙一铭，吴旭峰. 查询感知的关系-图数据库自适应存储技术研究[J]. 计算机工程与应用, 2020, 56(17): 100-108.
[4]	刘树毅，翟晔，刘东升. 融合多策略特征筛选的跨项目软件缺陷预测[J]. 计算机工程与应用, 2019, 55(8): 53-58.
[5]	梁宇斌1，2，3，梁桥康1，2，3，吴贵元1，2，3，伍万能1，2，3，孙炜1，2，3，王耀南1，3. 3RPS/UPS并联机器人神经网络观测器反演控制[J]. 计算机工程与应用, 2019, 55(4): 255-262.
[6]	朱经纬，方虎生，邵发明，蒋成明. 自适应粒子群算法求冗余机械臂逆运动学解[J]. 计算机工程与应用, 2019, 55(14): 215-220.
[7]	王鑫1，朱行成1，宁晨2，王慧斌1. 基于冗余字典学习的图像修补算法[J]. 计算机工程与应用, 2018, 54(6): 198-204.
[8]	孙勤1，2，蒋艳凰1，2，胡维2，张毅2，高峰3. 多准则赋权排序与C-SVM相结合的特征选择算法[J]. 计算机工程与应用, 2018, 54(3): 125-130.
[9]	杨志升，王瑛，朱参世. 基于试探性消除策略的改进ERRE算法[J]. 计算机工程与应用, 2018, 54(17): 89-94.
[10]	吕学志1，2，范保新2，赵新会2，尹健2，王宪文2，姚耀2. 基于离散事件仿真的复杂冗余系统可用度分析[J]. 计算机工程与应用, 2018, 54(15): 255-261.
[11]	王帅军，李德识. 结合残留冗余信息的Turbo码译码方法[J]. 计算机工程与应用, 2018, 54(1): 107-111.
[12]	龙胜春，陆嘉炜. 基于HOG-GLRLM特征的肠癌病理图片分类[J]. 计算机工程与应用, 2017, 53(5): 197-201.
[13]	满蔚仕，王建华，张志禹. 基于二维快速广义S变换的人脸识别研究[J]. 计算机工程与应用, 2017, 53(11): 199-205.
[14]	刘伯鸿，令小宁，吕振扬. 高铁列车运行图冗余时间优化布局方法研究[J]. 计算机工程与应用, 2016, 52(7): 248-252.
[15]	史庆伟，从世源. 基于mRMR和LDA主题模型的文本分类研究[J]. 计算机工程与应用, 2016, 52(5): 127-133.