基于改进SPIHT算法的SAR图像压缩

doi:10.7523/j.issn.2095-6134.2012.2.011

中国科学院大学学报 ›› 2012, Vol. ›› Issue (2): 220-226.DOI: 10.7523/j.issn.2095-6134.2012.2.011

基于改进SPIHT算法的SAR图像压缩

王璐^1,2, 张志敏¹

1. 中国科学院电子学研究所, 北京 100190;
2. 中国科学院研究生院, 北京 100049

收稿日期:2011-01-19 修回日期:2011-03-10 发布日期:2012-03-15
通讯作者: 王璐
基金资助:
中国科学院百人计划项目(6059-07)资助

SAR image compression based on modified SPIHT

WANG Lu^1,2, ZHANG Zhi-Min¹

1. Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China;
2. Graduate University, Chinese Academy of Sciences, Beijing 100049, China

Received:2011-01-19 Revised:2011-03-10 Published:2012-03-15

摘要/Abstract

摘要：

小波变换和多级树集合分裂算法(SPIHT)在合成孔径雷达(SAR)图像压缩方面取得了良好的效果,但SPIHT编码方法的复杂性制约了压缩速率的提高. 针对SPIHT编码速度慢和占用内存大的问题,提出一种改进的无链表SPIHT算法,以提高编码运算速度,减少资源占用量,使其适于硬件实现. 实验结果表明,该方法能达到与原算法相同的压缩效果,而运算速度大大提高,适于实时实现.

关键词: 合成孔径雷达, 图像压缩, 嵌入式编码, 无链表SPIHT

Abstract:

Wavelet transform and SPIHT has achieved a perfect effect on SAR(synthetic aperture radar) image compression, but the complexity of SPIHT limits the encoding rate. Considesing slow coding rate and large memory consuming of SPIHT, we propose a modified listless SPIHT in order to speed up the coding rate. The experiments show that this new method can achieve the same compression effect as SPIHT while has a far faster rate than the original one. So it is suitable for real-time application.

Key words: synthetic aperture radar (SAR), image compression, embedded coding, listless SPIHT

中图分类号:

TN911.73

王璐, 张志敏. 基于改进SPIHT算法的SAR图像压缩[J]. 中国科学院大学学报, 2012, (2): 220-226.

WANG Lu, ZHANG Zhi-Min. SAR image compression based on modified SPIHT[J]. , 2012, (2): 220-226.

参考文献

[1] Song Y H, Song J S, Xue W T, et al. Development and actuality of SAR image compression techniques[J].Application Research of Computers, 2005(4):6-8(in Chinese). 宋莹华,宋建社,薛文通,等.SAR图像压缩技术的发展与现状[J].计算机应用研究,2005(4):6-8.
[2] Eichel P, Ives R W. Compression of complex-valued SAR images[J]. IEEE Trans Image Processing, 1999, 8:1483-1487.
[3] Liu Y, Zhang Y. Method based on set partitioning in hierarchical trees for complex SAR image data compression[J].Science Technology and Engineering, 2009,9(13):3629-3633(in Chinese). 刘媛,张毅.多级树集合分裂算法对SAR复数图像压缩[J].科学技术与工程,2009,9(13):3629-3633.
[4] Pan Z, Gao X, Sun X, et al. A lossless compression algorithm for SAR amplitude imagery based on modified quadtree coding of bit plane[J]. IEEE Geoscience and Remote Sensing Letters, 2010,7(4):723-726.
[5] Wang A L, Zhao C H, Yang M J. SAR image compression combining with denoising based on multiwavelet spatial-orientated tree //4^th IEEE Industrial Electronics and Applications. Xi’an, Shanxi, China, May 25~27, 2009:3658-3661.
[6] Shapiro J. Embedded image coding using zerotrees of wavelet coefficients[J]. IEEE Transactions on Signal Processing, 1993,41(12):3445-3462.
[7] Said A, Pearlman W A. A new, fast, and efficient image codec based on set partitioning in hierarchical trees[J]. IEEE Transactions on Circuits and Systems for Video Technology, 1996,6(3):243-250.
[8] Lin W K, Burgess N. Listless zerotree coding for color images //Thirty-Second Asilomar Conference on Signal, Systems & Computers. Pacific Grove, CA, USA, Nov 1~4, 1998, 1: 231-235.
[9] Wheeler F W, Pearlman W A. SPIHT image compression without lists //2000 IEEE International Conference on Acoustics, Speech, and Signal Processing. Istanbul, Turkey, Jun 5~9, 2000,4: 2047-2050.
[10] Liu W. Research & realization on high speed satellite image decompression system. Xi’an: Xidian University,2006(in Chinese). 刘伟. 星载高速图像数据压缩译码器的研究与实现. 西安:西安电子科技大学,2006.
[11] Wang J J, Liu B. Modified SPIHT based image compression algorithm for hardware implementation //Second International Computer Science and Engineering. Qingdao, Shandong, China, Oct 28~30, 2009, 2: 572-576.
[12] Wang Z, Simoncelli E P, Bovik A C. Multi-scale structural similarity for image quality assessment //Asilomar Conference on Signals, Systems, and Computers. 2003: 1398-1402.

[1]	尹迪, 韩冰, 孙吉利, 赵良波, 洪文, 胡玉新. 天线扫描对TOPSAR辐射影响的校正方法[J]. 中国科学院大学学报, 2021, 38(6): 791-799.
[2]	林世明, 张毅, 王吉利, 赵爽. 星载双基InSAR系统中的电离层色散效应分析与校正[J]. 中国科学院大学学报, 2021, 38(6): 809-816.
[3]	刘雨洁, 齐向阳. 基于长时间间隔序贯SAR图像的运动舰船跟踪方法[J]. 中国科学院大学学报, 2021, 38(5): 642-648.
[4]	潘志刚, 王超, 曹舸. 基于距离方程组的机载SAR图像立体定位方法[J]. 中国科学院大学学报, 2020, 37(6): 798-804.
[5]	王泽隆, 徐向辉, 张雷. 基于仿真SAR图像深度迁移学习的自动目标识别[J]. 中国科学院大学学报, 2020, 37(4): 516-524.
[6]	田东, 禹卫东. 电离层色散效应对星载SAR成像的影响[J]. 中国科学院大学学报, 2019, 36(3): 376-384.
[7]	邹浩, 林赟, 洪文. 基于多角度合成SAR图像的目标识别性能分析[J]. 中国科学院大学学报, 2019, 36(2): 226-234.
[8]	蒋莎, 仇晓兰, 韩冰, 胡文龙, 卢晓军. 一种基于普通分布目标的极化SAR幅相不平衡快速评价方法[J]. 中国科学院大学学报, 2019, 36(2): 280-288.
[9]	李松, 魏中浩, 张冰尘, 洪文. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1): 75-83.
[10]	肖垚, 刘畅. 基于稀疏求解的改进PCA方法在SAR目标识别中的应用[J]. 中国科学院大学学报, 2018, 35(1): 84-88.
[11]	杨国铮, 禹晶, 孙卫东. 基于相对全变分的复杂背景SAR图像舰船尾迹检测[J]. 中国科学院大学学报, 2017, 34(6): 734-742.
[12]	陈立福, 王思雨, 袁志辉, 王静, 邢学敏, 武鸿. 非线性ECS自配准成像算法中相位保持精度分析[J]. 中国科学院大学学报, 2017, 34(5): 640-646.
[13]	潘志刚, 王小龙, 李志勇. SAR原始数据压缩的自适应比特分配BAQ算法[J]. 中国科学院大学学报, 2017, 34(1): 106-111.
[14]	杨洋, 王岩飞. 一种基于混合模型的合成孔径雷达自聚焦算法[J]. 中国科学院大学学报, 2016, 33(5): 656-663.
[15]	邢涛, 黄友红, 胡庆荣, 李军, 王冠勇. 基于动态K均值聚类算法的SAR图像分割[J]. 中国科学院大学学报, 2016, 33(5): 674-678.

基于改进SPIHT算法的SAR图像压缩

SAR image compression based on modified SPIHT

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

访问统计

联系我们