国家自然科学基金(61172154)
- 作品数：5 被引量：19H指数：3
- 相关作者：张荣徐大卫吴倩古今王保云更多>>
- 相关机构：中国科学院中国科学技术大学弗吉尼亚理工大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 多尺度字典学习的高光谱图像压缩算法被引量：3
- 2015年
- 结合小波变换及字典学习提出了一种针对高光谱图像的压缩算法。该算法首先通过小波变换构建多尺度样本集,在小波域使用K-均值奇异值分解(K-SVD)方法学习得到原子尺寸不同的多尺度字典,然后在稀疏表示的过程中,定义一个原子使用频次筛选因子,通过统计局部最优波段稀疏表示时原子使用情况,结合筛选因子对字典原子进行优化筛选,使用精简后的字典对其余波段进行稀疏求解,最后针对不同尺度的表示系数采用自适应的量化编码。实验结果表明,与目前常用的3D-SPIHT和其他的多尺度字典学习算法相比,本文算法在中低比特率下,具有更好的重建性能。
- 徐大卫张荣吴倩
- 关键词：图像压缩高光谱图像小波变换
- 一种基于动态字典学习的SAR图像目标识别算法被引量：2
- 2013年
- 本文提出了一种应用于SAR图像目标识别的动态字典学习算法,该算法通过在字典学习过程中自动删除和增加字典条目来调整字典表示性能与尺寸。删除操作是在删除代价的约束下针对相关度高或利用率低的字典条目进行,而增加操作是在增加代价的约束下针对信号表示的残留误差的主分量进行,通过交替执行删除和增加操作来不断优化字典,使其表示能力达到最佳。在MSTAR数据集上的实验验证了算法性能,并给出了相应的参数调整建议。从实验结果和分析可看出,该算法具有识别率高、算法稳定等特点。
- 王保云张逸为张荣古今王敏昆
- 关键词：SAR图像分类自动目标识别
- 基于稀疏表示的高光谱数据压缩算法被引量：10
- 2015年
- 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。
- 吴倩张荣徐大卫
- 关键词：图像处理数据压缩高光谱遥感
