基于空间方向与谱间多级簇变换的可逆超光谱图像压缩编码研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61077009
  • 项目类别：
    面上项目
  • 资助金额：
    34.0万
  • 负责人：
    吴家骥
  • 依托单位：
    西安电子科技大学
  • 学科分类：
    F0501.光学信息获取、显示与处理
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

空间和谱间三维变换是超光谱图像渐进压缩中的关键技术之一，传统的三维变换编码忽略了空间域图像的方向特性、谱方向变换后同频谱段的相关性和编码单元分割导致的谱信息失真。本项目研究利用方向滤波器检测超光谱图像空间域的边缘和纹理方向，设计并行可分离的二维空域自适应方向提升变换，实现沿着图像边缘和纹理的方向变换，有效减小空域相关性和高频能量；同时，研究谱方向的可逆多级交叠变换和KL变换，提高变换后的低频簇能量，降低因编码单元分割导致的谱方向边界失真。在以上新的三维混合变换研究基础上，设计相应的三维比特面编码率失真优化方法和上下文熵编码器，实现超光谱图像从有损到无损的渐进编码，为我国新一代超光谱图像压缩提供理论基础。

结项摘要

高光谱图像压缩是近年来遥感领域的研究热点。本项目研究利用方向滤波器检测超光谱图像空间域的边缘和纹理方向，设计并行可分离的二维空域自适应方向提升变换，实现沿着图像边缘和纹理的方向变换，有效减小空域相关性和高频能量；研究利用空间方向预测器和谱方向高阶预测器，实现了光谱图形的高性能无损压缩编码。为了实现从无损到有损的超光谱图像压缩，研究了谱方向的可逆多级交叠变换和KL 变换，提高变换后的低频簇能量，降低因编码单元分割导致的谱方向边界失真。在以上新的三维混合变换研究基础上，设计相应的比特面编码率失真优化方法和上下文熵编码器，实现超光谱图像从有损到无损的渐进编码。考虑到算法的复杂度问题，研究了利用GPU高性能并行计算实现算法的实时性。此外还扩展地研究了分布式算术编码等信道编码技术在图像传输中应用。项目研究内容不仅为我国下一代超光谱图像压缩算法提供了理论依据，为了进一步理论结合实际应用，我们把本项目所研究和提出的方法应用到北极黄河站多光谱极光视频图像的压缩与传输中，首次实现了黄河站极光数据的实时压缩与传输，为我国极地科考事业贡献了力量。

项目成果

期刊论文数量（18）
专著数量（0）
科研奖励数量（1）
会议论文数量（8）
专利数量（9）
2D sparse signal recovery via 2D orthogonal matching pursuit
通过 2D 正交匹配追踪恢复 2D 稀疏信号
  • DOI：
    10.1007/s11432-012-4551-5
  • 发表时间：
    2012-04-01
  • 期刊：
    SCIENCE CHINA-INFORMATION SCIENCES
  • 影响因子：
    8.8
  • 作者：
    Fang Yong;Wu JiaJi;Huang BorMin
  • 通讯作者：
    Huang BorMin
Morphological dilation image coding with context weights prediction
具有上下文权重预测的形态扩张图像编码
  • DOI：
    10.1016/j.image.2010.10.003
  • 发表时间：
    2010-11-01
  • 期刊：
    SIGNAL PROCESSING-IMAGE COMMUNICATION
  • 影响因子：
    3.5
  • 作者：
    Wu, Jiaji;Paul, Anand;Shi, Guangming
  • 通讯作者：
    Shi, Guangming
EREC-Based Length Coding of Variable-Length Data Blocks
基于EREC的可变长度数据块长度编码
  • DOI：
    10.1109/tcsvt.2010.2077551
  • 发表时间：
    2010-10
  • 期刊：
    IEEE Transactions on Circuits and Systems for Video Technology
  • 影响因子：
    8.4
  • 作者：
    Fang, Yong
  • 通讯作者：
    Fang, Yong
GPU-Accelerated Computation for Electromagnetic Scattering of a Double-Layer Vegetation Model
双层植被模型电磁散射的 GPU 加速计算
  • DOI：
    10.1109/jstars.2012.2219508
  • 发表时间：
    2013-08-01
  • 期刊：
    IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING
  • 影响因子：
    5.5
  • 作者：
    Su, Xiang;Wu, Jiaji;Wu, Zhensen
  • 通讯作者：
    Wu, Zhensen
Interpolation scheme based on the Bayes classifier
基于贝叶斯分类器的插值方案
  • DOI：
    10.1117/1.jei.22.2.023003
  • 发表时间：
    2013-04
  • 期刊：
    Journal of Electronic Imaging
  • 影响因子：
    1.1
  • 作者：
    Park, Sang-Jun;Jeon, Gwanggil;Wu, Jiaji;Jeong, Jechang
  • 通讯作者：
    Jeong, Jechang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于迭代去噪的返回散射同频干扰修复方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    电波科学学报
  • 影响因子：
    --
  • 作者：
    吴家骥;凡俊梅;焦培南;徐彬;吴振森
  • 通讯作者：
    吴振森
基于提升方向波变换域的SAR图像压缩
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    红外与毫米波学报
  • 影响因子：
    --
  • 作者：
    白静;王磊;焦李成;吴家骥
  • 通讯作者：
    吴家骥
三维图像的任意形状ROI小波零块压缩编码算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    电子学报
  • 影响因子：
    --
  • 作者：
    吴振森;吴成柯;吴家骥
  • 通讯作者：
    吴家骥
基于门控循环神经网络的海杂波幅度预测
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    电波科学学报
  • 影响因子：
    --
  • 作者：
    马丽文;张金鹏;吴家骥;张玉石;赵鹏;夏晓云
  • 通讯作者：
    夏晓云
基于系统Raptor码不等差错保护的图像压缩传输
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    电子与信息学报
  • 影响因子：
    --
  • 作者：
    刘国;于文慧;吴家骥;白宝明
  • 通讯作者：
    白宝明

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

吴家骥的其他基金

基于北斗散射信号的海面大气波导深度认知区域反演研究
  • 批准号：
    62271381
  • 批准年份：
    2022
  • 资助金额：
    56 万元
  • 项目类别：
    面上项目
极光全辐射波段区域时变模型
  • 批准号：
    61775175
  • 批准年份：
    2017
  • 资助金额：
    63.0 万元
  • 项目类别：
    面上项目
多维高动态极光图像数据的混合预测无损压缩与非平稳信道传输研究
  • 批准号：
    61377011
  • 批准年份：
    2013
  • 资助金额：
    80.0 万元
  • 项目类别：
    面上项目
基于形状自适应变换和上下文模型的高光谱图像编码技术研究
  • 批准号：
    60607010
  • 批准年份：
    2006
  • 资助金额：
    24.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码