描述
开 本: 16开纸 张: 胶版纸包 装: 平装是否套装: 否国际标准书号ISBN: 9787560347332
编辑推荐
《Springer精选翻译图书:卫星数据压缩》可作为高等院校信息、通信、遥感及相关专业的教材或教学参考书，也可供相关科研人员参考。
内容简介
《Springer精选翻译图书:卫星数据压缩》介绍随着星载传感器空间、光谱、时间等分辨率的不断提高，获取的传感器数据量海量地增长，卫星数据压缩已成为遥感数据传输和存储的必要手段，也一直是遥感领域的研究热点之一。全书共分为14章，涵盖了目前国际上关于卫星数据压缩的有损、近无损、无损压缩等多种典型方法，既有理论算法也包括部分硬件实现。可以使读者对该领域的研究具有较深入和全面的认识。
目 录
第1章 加拿大航天局星载数据压缩技术的进展
1.1加拿大航天局对卫星数据压缩方面研究的回顾
1.1.1无损压缩
1.1.2小波变换有损数据压缩
1.1.3矢量量化数据压缩
1.2近无损压缩技术：SAMVQ和HSOCVQ
1.2.1连续近似多级矢量量化（SAMVQ）
1.2.2分等级的自组织聚类矢量量化（HSOCVQ）
1.3评估SAMVQ和HSOCVQ的近无损特征
1.4异常对压缩性能的影响
1.5预处理和辐射转换对压缩性能的影响
1.6 Keystone和Smile现象对压缩性能的影响
1.7压缩数据的多学科用户可接受性研究
1.8压缩技术适应比特错误能力的增强
1.9星载原型压缩机的发展
1.10参与卫星数据系统国际标准的发展
1.11结论
参考文献
第2章 法国航天局对高分辨率卫星图像星载压缩的研究
2.1 引言
2.2星载压缩算法的历史及现状
2.2.1最初的压缩器
2.2.2基于离散余弦变换的压缩器
2.2.3基于小波变换的压缩器
2.2.4空间应用标准：CCSDS推荐标准
2.2.5图像质量评价
2.3星载压缩算法的现状及发展
2.3.1多光谱压缩
2.3.2小波的限制
2.3.3一种新的星载压缩变换方法
2.3.4星载压缩的商用成品
2.3.5离散小波变换算法的特殊处理
2.3.6选择性压缩
2.3.7固定质量：可变数据率压缩
2.4结论
参考文献
第3章 低复杂度的无损及近无损高光谱图像压缩方法
3.1 引言
3.2背景
3.2.1 压缩技术
3.2.2国际标准
3.3星上压缩要求
3.4基于块的编码方法
3.4.1 预测
3.4.2近无损压缩
3.4.3熵编码
3.4.4波段重排序
3.4.5复杂度
3.5压缩性能
3.5.1数据集描述
3.5.2 AVIRIS
3.5.3 AIRS
3.5.4近无损压缩
3.6硬件实现
3.7结论
参考文献
第4章 星载图像压缩无链表SPIHT的FPGA设计
4.1 引言
……
第5章 适应异常值的熵编码
第6章 通过频谱自适应DPCM高光谱图像压缩的质量问题
第7章 基于预测下三角变换的超光谱探测器数据压缩
第8章 基于查找表的高光谱数据压缩
第9章 用于有损到无损高光谱图像压缩的无乘法器可逆整数
第10章 基于分治法去相关的高光谱数据压缩
第11章 基于分段主成分分析的高光谱图像压缩
第12章 基于优化比特分配的快速预计算矢量量化超光谱探测器数据无损压缩
第13章 有损压缩对高光谱分类的影响
第14章 基于投影寻踪法的高光谱图像降维
1.1加拿大航天局对卫星数据压缩方面研究的回顾
1.1.1无损压缩
1.1.2小波变换有损数据压缩
1.1.3矢量量化数据压缩
1.2近无损压缩技术：SAMVQ和HSOCVQ
1.2.1连续近似多级矢量量化（SAMVQ）
1.2.2分等级的自组织聚类矢量量化（HSOCVQ）
1.3评估SAMVQ和HSOCVQ的近无损特征
1.4异常对压缩性能的影响
1.5预处理和辐射转换对压缩性能的影响
1.6 Keystone和Smile现象对压缩性能的影响
1.7压缩数据的多学科用户可接受性研究
1.8压缩技术适应比特错误能力的增强
1.9星载原型压缩机的发展
1.10参与卫星数据系统国际标准的发展
1.11结论
参考文献
第2章 法国航天局对高分辨率卫星图像星载压缩的研究
2.1 引言
2.2星载压缩算法的历史及现状
2.2.1最初的压缩器
2.2.2基于离散余弦变换的压缩器
2.2.3基于小波变换的压缩器
2.2.4空间应用标准：CCSDS推荐标准
2.2.5图像质量评价
2.3星载压缩算法的现状及发展
2.3.1多光谱压缩
2.3.2小波的限制
2.3.3一种新的星载压缩变换方法
2.3.4星载压缩的商用成品
2.3.5离散小波变换算法的特殊处理
2.3.6选择性压缩
2.3.7固定质量：可变数据率压缩
2.4结论
参考文献
第3章 低复杂度的无损及近无损高光谱图像压缩方法
3.1 引言
3.2背景
3.2.1 压缩技术
3.2.2国际标准
3.3星上压缩要求
3.4基于块的编码方法
3.4.1 预测
3.4.2近无损压缩
3.4.3熵编码
3.4.4波段重排序
3.4.5复杂度
3.5压缩性能
3.5.1数据集描述
3.5.2 AVIRIS
3.5.3 AIRS
3.5.4近无损压缩
3.6硬件实现
3.7结论
参考文献
第4章 星载图像压缩无链表SPIHT的FPGA设计
4.1 引言
……
第5章 适应异常值的熵编码
第6章 通过频谱自适应DPCM高光谱图像压缩的质量问题
第7章 基于预测下三角变换的超光谱探测器数据压缩
第8章 基于查找表的高光谱数据压缩
第9章 用于有损到无损高光谱图像压缩的无乘法器可逆整数
第10章 基于分治法去相关的高光谱数据压缩
第11章 基于分段主成分分析的高光谱图像压缩
第12章 基于优化比特分配的快速预计算矢量量化超光谱探测器数据无损压缩
第13章 有损压缩对高光谱分类的影响
第14章 基于投影寻踪法的高光谱图像降维
在线试读
1.5预处理和辐射转换对压缩性能的影响
加拿大航天局就预处理和辐射转换对星载高光谱卫星数据压缩的影响进行了研究，以检查这些过程在压缩前是否应该被用于星载。换句话说，压缩应该用于原始数据中还是其对应的辐射数据。预处理包括去除探测器暗电流、偏移、噪声和非一致性校正。辐射转换指将探测器的原始数字数据转换为传感器辐射值。
由于预处理和辐射转换过程改变原始数据，因此评估两者对数据压缩的影响不能通过比较原始数据和辐射数据的统计测量值，如RMSE，SNR和误差百分比来进行。两个遥感产品可用作度量以评估这种影响。在农业应用中，选择从遥感数据立方体中反演叶面积指数（LAI）；在国防应用中，选择在短波红外高光谱数据立方体中的基于光谱解混的目标检测。在评估中采用双盲测试方法。
测试中，三个CASl数据立方体用于农业应用中反演LAI，一个SFSI—Ⅱ数据立方体用于目标检测。对于CASI数据立方体，使用视觉检测作为定性测量对从已压缩的数据立方体中得到LAI图像进行评估（见图1—3）。群以及从已压缩数据立方体中得到的LAI和真实地物测量的LAl之间的绝对RMSE和相对RMSE，均被用于定性测量。评估结果表明，无论是在压缩前还是在压缩后使用预处理和辐射转换，均对LAI反演没影响。因为对已压缩原始数据立方体中的R2、绝对RMSE和相对RMSE的值，与用于已压缩辐射数据立方体中的这些值相比，没有明显的差别。分别在压缩前和压缩后使用预处理和辐射转换，并从得到的压缩数据立方体中获得IAI图像，视觉检测并未发现两种LAI图像的差别。
对于SFSI—Ⅱ数据立方体，预处理和辐射转换对压缩的影响可以逐目标进行评估，这种评估使用了四个定量标准，这些标准是以每个数据立方体总分数来测量的。评估结果表明，预处理和辐射转换对目标检测应用有影响。辐射数据立方体在压缩前经过了预处理，并将原始数据转化为辐射单元，然后进行压缩。与其相比，对原始SFSI—Ⅱ数据立方体直接压缩得到了较低的评估分数以及较差的用户可接受性。
加拿大航天局就预处理和辐射转换对星载高光谱卫星数据压缩的影响进行了研究，以检查这些过程在压缩前是否应该被用于星载。换句话说，压缩应该用于原始数据中还是其对应的辐射数据。预处理包括去除探测器暗电流、偏移、噪声和非一致性校正。辐射转换指将探测器的原始数字数据转换为传感器辐射值。
由于预处理和辐射转换过程改变原始数据，因此评估两者对数据压缩的影响不能通过比较原始数据和辐射数据的统计测量值，如RMSE，SNR和误差百分比来进行。两个遥感产品可用作度量以评估这种影响。在农业应用中，选择从遥感数据立方体中反演叶面积指数（LAI）；在国防应用中，选择在短波红外高光谱数据立方体中的基于光谱解混的目标检测。在评估中采用双盲测试方法。
测试中，三个CASl数据立方体用于农业应用中反演LAI，一个SFSI—Ⅱ数据立方体用于目标检测。对于CASI数据立方体，使用视觉检测作为定性测量对从已压缩的数据立方体中得到LAI图像进行评估（见图1—3）。群以及从已压缩数据立方体中得到的LAI和真实地物测量的LAl之间的绝对RMSE和相对RMSE，均被用于定性测量。评估结果表明，无论是在压缩前还是在压缩后使用预处理和辐射转换，均对LAI反演没影响。因为对已压缩原始数据立方体中的R2、绝对RMSE和相对RMSE的值，与用于已压缩辐射数据立方体中的这些值相比，没有明显的差别。分别在压缩前和压缩后使用预处理和辐射转换，并从得到的压缩数据立方体中获得IAI图像，视觉检测并未发现两种LAI图像的差别。
对于SFSI—Ⅱ数据立方体，预处理和辐射转换对压缩的影响可以逐目标进行评估，这种评估使用了四个定量标准，这些标准是以每个数据立方体总分数来测量的。评估结果表明，预处理和辐射转换对目标检测应用有影响。辐射数据立方体在压缩前经过了预处理，并将原始数据转化为辐射单元，然后进行压缩。与其相比，对原始SFSI—Ⅱ数据立方体直接压缩得到了较低的评估分数以及较差的用户可接受性。
……
评论
还没有评论。