دوره 20، شماره 1 - ( 3-1402 )
جلد 20 شماره 1 صفحات 98-79 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hosseini S A, Beitollahi M. Hyperspectral Data Compression by Using Subintervals Curve Fitting, and Smoothing Filter. JSDP 2023; 20 (1) : 5
URL: http://jsdp.rcisp.ac.ir/article-1-904-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-904-fa.html
حسینی سید ابوالفضل، بیت اللهی مرسده. فشرده سازی تصاویر ابرطیفی با استفاده از برازش خم، بازهبندی و هموارسازی. پردازش علائم و دادهها. 1402; 20 (1) :79-98
دانشگاه آزاد اسلامی
چکیده: (922 مشاهده)
تصاویر ابرطیفی به دلیل اکتساب همزمان دادهها در بیش از صدها باند طیفی باریک و نزدیک به هم، همبستگی بین باندی و حجم بسیار بالایی دارند لذا نیاز به فشرده سازی دارند. یکی از روشهای با اتلاف روش مبتنی بر برازش خم است که از امضای طیفی تصویر به جهت کاهش ویژگی استفاده میکند و نتایج بسیار خوبی را در مقابل با روشهای قبلی مانند PCA به همراه داشته است، اما در فشردهسازی با استفاده از این روش، منحنی امضای طیفی تقریب زده شده در برخی نقاط دارای اعوجاج است که در این مقاله سعی شده تا با استفاده از پیدا کردن نقاط دارای اعوجاج و بازهبندی امضای طیفی و برازش خم روی هر بازه و یا استفاده از یک فیلتر هموارساز Savitsky–Golay و یا با ترکیب هر دو پیشنهاد، اعوجاج را از بین برده و نیز میزان PSNR را افزایش داد تا کیفیت تصویر بازیابی شده به تصویر اصلی خیلی نزدیک گردد.
شماره‌ی مقاله: 5
واژه‌های کلیدی: تصاویر ابرطیفی، فشردهسازی، برازش خم، حداقل مربعات خطا، فیلتر هموارسازSavitsky – Golay
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1397/7/10 | پذیرش: 1401/12/3 | انتشار: 1402/5/22 | انتشار الکترونیک: 1402/5/22
دریافت: 1397/7/10 | پذیرش: 1401/12/3 | انتشار: 1402/5/22 | انتشار الکترونیک: 1402/5/22
فهرست منابع
1. [1] Keshavarz, A. (2008), Classification of Hyperspectral Images Using Spatial Information, PhD. Desertation, Faculty of electrical and computer engineering, Tarbiat Modares University, Tehran, Iran.
2. [2] Chang, C. I. (2013). Hyperspectral data processing: algorithm design and analysis. John Wiley & Sons. [DOI:10.1002/9781118269787]
3. [3] Dhawan, S. (2011). A review of image compression and comparison of its algorithms. International Journal of electronics & Communication technology, 2(1), 22-26.
4. [4] Blanes, I., Magli, E., & Serra-Sagrista, J. (2014). A tutorial on image compression for optical space imaging systems. IEEE Geoscience and Remote Sensing Magazine, 2(3), 8-26. [DOI:10.1109/MGRS.2014.2352465]
5. [5] Li, F., Lukin, V., Ieremeiev, O., & Okarma, K. (2022). Quality Control for the BPG Lossy Compression of Three-Channel Remote Sensing Images. Remote Sensing, 14(8), 1824. [DOI:10.3390/rs14081824]
6. [6] Miguel, A. C., Ladner, R. E., Riskin, E. A., Hauck, S., Barney, D. K., Askew, A. R., & Chang, A. (2006). Predictive coding of hyperspectral images. In Hyperspectral Data Compression (pp. 197-231). Springer, Boston, MA. [DOI:10.1007/0-387-28600-4_8]
7. [7] Christophe, E. (2011). Hyperspectral data compression tradeoff. In Optical remote sensing. Springer, Berlin, Heidelberg. p. 9-29. [DOI:10.1007/978-3-642-14212-3_2]
8. [8] Sujithra, D. S., Manickam, T., & Sudheer, D. S. (2013). Compression of hyperspectral image using discrete wavelet transform and Walsh Hadamard transform. Int. J. Adv. Res. Electron. Commun. Eng.(IJARECE), 2, 314-319.
9. [9] Hosseini, S. A., & Ghassemian, H. (2016). Rational function approximation for feature reduction in hyperspectral data. Remote Sensing Letters, 7(2), 101-110. [DOI:10.1080/2150704X.2015.1101180]
10. [10] Hosseini, S. A., & Ghassemian, H. (2016). Hyperspectral data feature extraction using rational function curve fitting. International Journal of Pattern Recognition and Artificial Intelligence, 30(01), 1650001. [DOI:10.1142/S0218001416500014]
11. [11] Fang, L., & Gossard, D. C. (1995). Multidimensional curve fitting to unorganized data points by nonlinear minimization. Computer-Aided Design, 27(1), 48-58. [DOI:10.1016/0010-4485(95)90752-2]
12. [12] Boyd, J. P. (1992). Defeating the Runge phenomenon for equispaced polynomial interpolation via Tikhonov regularization. Applied Mathematics Letters, 5(6), 57-59. [DOI:10.1016/0893-9659(92)90014-Z]
13. [13] Epperson, J. F. (1987). On the Runge example. The American Mathematical Monthly, 94(4), 329-341. [DOI:10.1080/00029890.1987.12000642]
14. [14] Amindavar, H., & Ritcey, J. A. (1994). Padé approximations of probability density functions. IEEE Transactions on Aerospace and Electronic Systems, 30(2), 416-424. [DOI:10.1109/7.272264]
15. [15] Savitzky, A., & Golay, M. J. (1964). Smoothing and differentiation of data by simplified least squares procedures. Analytical chemistry, 36(8), 1627-1639. [DOI:10.1021/ac60214a047]
16. [16] Steinier, J., Termonia, Y., & Deltour, J. (1972). Smoothing and differentiation of data by simplified least square procedure. Analytical chemistry, 44(11), 1906-1909. [DOI:10.1021/ac60319a045] [PMID]
17. [17] Madden, H. (1978). Comments on smoothing and differentiation of data by simplified least square procedure. Analytical Chemistry, 50(9), 1383-86. [DOI:10.1021/ac50031a048]
18. [18] Ruffin, C., & King, R. L. (1999, June). The analysis of hyperspectral data using Savitzky-Golay filtering-theoretical basis. 1. In IEEE 1999 International Geoscience and Remote Sensing Symposium. IGARSS'99 (Cat. No. 99CH36293) (Vol. 2, pp. 756-758). IEEE.
19. [19] King, R. L., Ruffin, C., LaMastus, F. E., & Shaw, D. R. (1999, June). The analysis of hyperspectral data using Savitzky-Golay filtering-practical issues. 2. In IEEE 1999 International Geoscience and Remote Sensing Symposium. IGARSS'99 (Cat. No. 99CH36293) (Vol. 1, pp. 398-400). IEEE.
20. [20]] Beitollahi, M., & Hosseini, S. A. (2017, May). Using Savitsky-Golay filter and interval curve fitting in order to hyperspectral data compression. In 2017 Iranian Conference on Electrical Engineering (ICEE) (pp. 1967-1972). IEEE. [DOI:10.1109/IranianCEE.2017.7985378]
21. [21] Universidad-del-Pais-Vasco. Hyperspectral Remote Sensing Scenes [Online].
22. [23] Available: http://www.ehu.es/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes.
23. [24] ] Landgrebe, D. A. (2003). Signal theory methods in multispectral remote sensing (Vol. 24). John Wiley & Sons. [DOI:10.1002/0471723800]
24. [25] Beitollahi, M., & Hosseini, S. A. (2018, May). Using savitsky-golay smoothing filter in hyperspectral data compression by curve fitting. In Electrical Engineering (ICEE), Iranian Conference on (pp. 452-457). IEEE. [DOI:10.1109/ICEE.2018.8472702]
25. [26] Beitollahi, M., & Hosseini, S. A. (2018, July). Hyperspectral Data Compression by Using Rational Function Curve Fitting in Spectral Signature Subintervals. In 2018 11th International Symposium on Communication Systems, Networks & Digital Signal Processing (CSNDSP) (pp. 1-6). IEEE. [DOI:10.1109/CSNDSP.2018.8471809]
26. [27] Kamandar, M., & Ghassemian, H. (2012). Linear feature extraction for hyperspectral images based on information theoretic learning. IEEE Geoscience and Remote Sensing Letters, 10(4), 702-706. [DOI:10.1109/LGRS.2012.2219575]
27. [28] Beitollahi, M., & Hosseini, S. A. (2016, July). Using curve fitting for spectral reflectance curves intervals in order to hyperspectral data compression. In 2016 10th International Symposium on Communication Systems, Networks and Digital Signal Processing (CSNDSP) (pp. 1-5). IEEE. [DOI:10.1109/CSNDSP.2016.7573958]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
