基于可逆提升小波变换和上下文预测的SAR图像无损压缩算法

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于可逆提升小波变换和上下文预测的SAR图像无损压缩算法

刘荣科, 张晓林, 廖小涛, 聂振钢

北京航空航天大学电子工程系北京 100083

收稿日期:2001-10-11 修回日期:2002-08-01 出版日期:2002-12-25 发布日期:2002-12-25

LOSSLESS IMAGE CODING ALGORITHM FOR SAR BASED ON REVERSIBLE LIFT SCHEMATICS COMBINED WITH CONTEXT PREDICTOR

LIU Rong-ke,ZHANG Xiao-lin,LIAO Xiao-tao,NIE-Zhen-gang

Department of Electronic Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100083, China

Received:2001-10-11 Revised:2002-08-01 Online:2002-12-25 Published:2002-12-25

摘要/Abstract

摘要：

结合可逆提升小波变换和上下文预测技术 ,提出基于可逆提升小波变换和上下文预测的合成孔径雷达 (SAR)图像的无损压缩算法。分析了基于提升小波的无损压缩算法和基于上下文预测编码的无损压缩算法的优缺点 ,联合两种体制 ,提出先用提升小波变换去除整幅图像的冗余 ,再用边缘保留预测器和子预测器联合技术进一步消除子带内系数间的空间冗余性 ,最后采用自适应上下文建模技术对残差进行分类自适应熵编码。除具有常规小波变换编码的优异性能外 ,该算法的压缩率优于即将推出的国际标准JPEG2000。

关键词: 合成孔径雷达, 提升方案, 小波变换, 预测编码, 无损压缩

Abstract:

A lossless image coding algorithm for SAR was proposed, which adopts the reversible lift schematics combined with the context predictor. The reversible lift schematics can efficiently reduce redundant in the SAR image and the context predictor has excellent adaptive edge prediction and smooth prediction abilities. The adaptive context modeling mostly improves the entropy coding ratio. The algorithm has a higher compression ratio than the lossless part in the incoming ISO standard JPEG2000, besides the normal virtue of wavelet coding.

Key words: SAR, lift schematics, wavelet transform, prediction coding, lossless image coding

刘荣科;张晓林;廖小涛;聂振钢. 基于可逆提升小波变换和上下文预测的SAR图像无损压缩算法[J]. 航空学报, 2002, 23(6): 534-537.

LIU Rong-ke;ZHANG Xiao-lin;LIAO Xiao-tao;NIE-Zhen-gang. LOSSLESS IMAGE CODING ALGORITHM FOR SAR BASED ON REVERSIBLE LIFT SCHEMATICS COMBINED WITH CONTEXT PREDICTOR[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2002, 23(6): 534-537.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	叶铮, 朱岱寅, 吴迪. 一种基于重叠子孔径回波信息的SAR图像配准算法[J]. 航空学报, 2023, 44(8): 327254-327254.
[2]	纪朋徽, 邢世其, 代大海, 庞礴, 冯德军. SAR距离卷积方位乘积调制场景欺骗干扰方法[J]. 航空学报, 2023, 44(18): 328235-328235.
[3]	王莲子, 汪玲, 朱岱寅. 结合迁移学习基于全卷积神经网络的ISAR自聚焦算法[J]. 航空学报, 2023, 44(17): 328172-328172.
[4]	杨特, 杨智春, 梁舒雅, 康在飞, 贾有. 平稳随机载荷的信号特征提取与深度神经网络识别[J]. 航空学报, 2022, 43(9): 225952-225952.
[5]	鲍悦, 陈俊宇, 施天玥, 毛新华. 基于先验误差模型的机载高分宽幅DBF-SAR自聚焦算法[J]. 航空学报, 2021, 42(6): 324502-324502.
[6]	卢景月, 张磊, 孟智超, 盛佳恋. 曲线轨迹下前视多通道SAR解模糊成像算法[J]. 航空学报, 2019, 40(7): 322745-322745.
[7]	史林, 韩宁, 宋祥君, 王立兵, 崔东辉. 基于虚拟慢时间的双基地ISAR成像算法[J]. 航空学报, 2019, 40(5): 322683-322683.
[8]	郭宝锋, 孙慧贤, 胡文华, 尹文龙, 陈关军. 双基地角时变下的ISAR等效旋转中心估计[J]. 航空学报, 2019, 40(3): 322432-322432.
[9]	韩宁, 李宝晨, 王立兵, 童俊, 郭宝锋. 基于稀疏分解的空间目标双基地ISAR自聚焦算法[J]. 航空学报, 2018, 39(8): 322037-322037.
[10]	朱晓秀, 胡文华, 马俊涛, 郭宝锋, 薛东方. 双基地角时变下的ISAR稀疏孔径自聚焦成像[J]. 航空学报, 2018, 39(8): 322059-322059.
[11]	唐峥钊, 董春曦, 畅鑫, 刘明明, 赵国庆. 基于拖曳式干扰机的ISAR微动散射波干扰方法[J]. 航空学报, 2018, 39(7): 322007-322007.
[12]	万俊, 周宇, 张林让, 陈展野. 基于时间反转和降阶Keystone的SAR-GMTI快速聚焦方法[J]. 航空学报, 2018, 39(6): 321862-321862.
[13]	杨鸣冬, 俞翔, 朱岱寅. 基于距离子带的机载SAR高精度多级空变运动补偿[J]. 航空学报, 2018, 39(2): 321557-321557.
[14]	周龙健, 罗景青, 俞志富, 吴世龙. 一种运动双站多脉冲无源定位算法[J]. 航空学报, 2017, 38(2): 320251-320260.
[15]	范怀涛, 张志敏, 李宁, 魏云龙. 基于IMU的机载TOPSAR目标定位方法[J]. 航空学报, 2016, 37(5): 1587-1594.

基于可逆提升小波变换和上下文预测的SAR图像无损压缩算法

LOSSLESS IMAGE CODING ALGORITHM FOR SAR BASED ON REVERSIBLE LIFT SCHEMATICS COMBINED WITH CONTEXT PREDICTOR

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价