Розробка алгоритмів стиснення гіперспектральних аерокосмічних зображень на основі дискретних ортогональних перетворень

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2022.251404

Ключові слова:

гіперспектральні аерокосмічні зображення, алгоритм стиснення, дискретні перетворення, ступінь стиснення, дискретне косинусне перетворення, Уолш-Адамар

Анотація

Робота присвячена опису розробки алгоритмів стиснення гіперспектральних аерокосмічних зображень на основі дискретних ортогональних перетворень з метою подальшого стиснення в системах дистанційного зондування Землі. В якості алгоритмів стиснення, необхідних для зменшення обсягу переданої інформації, пропонується використовувати розроблені методи стиснення, засновані на перетвореннях Уолша-Адамара та дискретному косинусному перетворенні. У роботі розглянута методика розробки алгоритмів стиснення з втратами і високою якістю при відновленні 85 % і більше, з урахуванням якої розроблений адаптивний алгоритм стиснення гіперспектральних АЗ та згенерована таблиця квантування. Проаналізовано існуючі рішення задачі стиснення без втрат для гіперспектральних аерокосмічних зображень. На їх основі запропоновано алгоритм стиснення з урахуванням міжканальної кореляції та перетворення Уолша-Адамара, що характеризується перетворенням даних зі зменшенням діапазону вихідних значень шляхом формування набору груп каналів [10–15] з високою внутрішньогруповою кореляцією [0,9–1] відповідних пар з вибором оптимальних параметрів. Результати, отримані в ході дослідження, дозволяють визначити оптимальні параметри стиснення: результати показників ступеня стиснення покращилися більш ніж на 30% при збільшенні розміру каналів параметрів. Це пов'язано з тим, що чим більше значень необхідно перетворити, тим менше бітів потрібно для їх зберігання. Найкращі значення ступеня стиснення [8–12] досягаються за рахунок вибору кількості каналів в упорядкованій групі з високою кореляцією.

Спонсор дослідження

  • This work was carried out within the framework of the IRN research project Grant No. AP09561922 «Development of a mathematical apparatus for the use of hyperspectral images for phytosanitary inspection of grain crops during aerospace survey»

Біографії авторів

Assiya Sarinova, S. Seifullin Kazakh Agro Technical University

PhD

Department of Operation of Electrical Equipment

Pavel Dunayev, S. Seifullin Kazakh Agro Technical University

PhD

Department of Radio Engineering, Electronics and Telecommunications

Aigul Bekbayeva, S. Seifullin Kazakh Agro Technical University

MSc, Deputy Director

Center for Technological Competence in the Field of Digitalization of Agro-Industrial Complex

Ali Mekhtiyev, S. Seifullin Kazakh Agro Technical University

PhD, Professor

Department of Operation of Electrical Equipment

Yermek Sarsikeyev, S. Seifullin Kazakh Agro Technical University

PhD, Head of Department

Department of Operation of Electrical Equipment

Посилання

  1. Li, C., Guo, K. (2014). Lossless Compression of Hyperspectral Images Using Three-Stage Prediction with Adaptive Search Threshold. International Journal of Signal Processing, Image Processing and Pattern Recognition, 7 (3), 305–316. doi: https://doi.org/10.14257/ijsip.2014.7.3.25
  2. Cheng, K.-J., Dill, J. C. (2014). An Improved EZW Hyperspectral Image Compression. Journal of Computer and Communications, 02 (02), 31–36. doi: https://doi.org/10.4236/jcc.2014.22006
  3. Puri, A., Sharifahmadian, E., Latifi, S. (2014). A Comparison of Hyperspectral Image Compression Methods. International Journal of Computer and Electrical Engineering, 6 (6), 493–500. doi: https://doi.org/10.17706/ijcee.2014.v6.867
  4. Lin, H.-C., Hwang, Y.-T. (2011). Lossless Compression of Hyperspectral Images Using Adaptive Prediction and Backward Search Schemes. Journal of Information Science and Engineering, 27, 419–435. Available at: https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.429.9325&rep=rep1&type=pdf
  5. Sujithra, D. S., Manickam, T., Sudheer, D. S. (2013). Compression of hyperspectral image using discrete wavelet transform and Walsh Hadamard transform. International journal of advanced research in electronics and communication engineering (IJARECE), 2 (3), 314–319. Available at: http://ijarece.org/wp-content/uploads/2013/08/IJARECE-VOL-2-ISSUE-3-314-319.pdf
  6. Poonam, Chauhan, R. S. (2013). Compression and Classification of Hyperspectral Images using an Algorithm based on DWT and NTD. Advance in Electronic and Electric Engineering, 3 (4), 447–456. Available at: http://www.ripublication.com/aeee/58_pp%20%20447-456.pdf
  7. Vallakati, M. B., Sedamkar, R. R. (2012). Low Complexity DCT-based DSC approach for Hyperspectral Image Compression with Arithmetic Code. IJCSI International Journal of Computer Science Issues, 9 (5), 277–284. Available at: https://docplayer.net/135044103-Low-complexity-dct-based-dsc-approach-for-hyperspectral-image-compression-with-arithmetic-code.html
  8. Keerthana, P., Sivasankar, A. (2013). The Impact of Lossy Compression on Hyperspectral Data Adaptive Spectral Unmixing and PCA Classification. International Journal of Science and Modern Engineering, 1 (7), 35–37. Available at: https://www.ijisme.org/wp-content/uploads/papers/v1i7/G0340061713.pdf
  9. Mohand, O., Leila, A., Mourad, L., Soltane, A. (2012). Aviris Hyperspectral Images Compression Using 3d Spiht Algorithm. IOSR Journal of Engineering, 02 (10), 31–36. doi: https://doi.org/10.9790/3021-021023136
  10. Aiazzi, B., Alparone, L., Baronti, S., Lastri, C., Selva, M. (2012). Spectral Distortion in Lossy Compression of Hyperspectral Data. Journal of Electrical and Computer Engineering, 2012, 1–8. doi: https://doi.org/10.1155/2012/850637
  11. Liang, Y., Li, J., Guo, K. (2012). Lossless compression of hyperspectral images using hybrid context prediction. Optics Express, 20 (7), 8199. doi: https://doi.org/10.1364/oe.20.008199
  12. Nian, Y., He, M., Wan, J. (2015). Lossless and near-lossless compression of hyperspectral images based on distributed source coding. Journal of Visual Communication and Image Representation, 28, 113–119. doi: https://doi.org/10.1016/j.jvcir.2014.06.008
  13. Pizzolante, R., Carpentieri, B. (2014). Band Clustering for the Lossless Compression of AVIRIS Hyperspectral Images. ACEEE Int. J. on Signal and Image Processing, 5 (1), 1–14. Available at: https://vdocuments.net/204498292-band-clustering-for-the-lossless-compression-of-aviris-hyperspectral.html
  14. Sarinova, A., Zamyatin, A. (2020). Methodology for Developing Algorithms for Compressing Hyperspectral Aerospace Images used on Board Spacecraft. E3S Web of Conferences, 223, 02007. doi: https://doi.org/10.1051/e3sconf/202022302007

##submission.downloads##

Опубліковано

2022-02-25

Як цитувати

Sarinova, A., Dunayev, P., Bekbayeva, A., Mekhtiyev, A., & Sarsikeyev, Y. (2022). Розробка алгоритмів стиснення гіперспектральних аерокосмічних зображень на основі дискретних ортогональних перетворень. Eastern-European Journal of Enterprise Technologies, 1(2(115), 22–30. https://doi.org/10.15587/1729-4061.2022.251404

Номер

Том 1 № 2(115) (2022): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2022 Assiya Sarinova, Pavel Dunayev, Aigul Bekbayeva, Ali Mekhtiyev, Yermek Sarsikeyev

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.