This paper addresses the problem of the lossless and near-lossless compression of hyperspectral images and presents two efficient algorithms based on distributed source coding, which perform the lossless compression by means of multilevel scalar codes. The proposed algorithms are implemented on the co-located blocks in the spectral orientation. A novel multiband spectral predictor is proposed to construct the side information of each block. The back-up side information is introduced for the second algorithm to recover the images when the original side information is corrupted by errors. The encoder only requires the transmission of the least significant bit (LSB) bit-planes to the decoder, and the number of bits is computed by the maximum error between the block and its side information. The proposed algorithms are also extended to near-lossless compression. The experimental results show that the proposed algorithms have a competitive compression performance with the existing distributed compression algorithms. Moreover, the proposed algorithms can provide low complexity and different degrees of error resilience, which is suitable for onboard compression

چکیده

این مقاله مسئله فشرده سازی lossless و نزدیک به فشرده سازی lossless تصاویر ابر طیفی را مورد بررسی قرار می دهد و دو الگوریتم موثر بر اساس برنامه نویسی منبع توزیع شده، ارائه می دهد که فشرده سازی lossless را با استفاده از کدهای عددی چند سطحی انجام می دهد. الگوریتم پیشنهادی در بلوک های- co-locatedدر جهت طیفی اجرا می شود. پیش بینی کننده طیفی چند بانده جدید برای ساخت اطلاعات هر بلوک پیشنهاد شده است. اطلاعات جانبی بازگشت به بالا برای الگوریتم دوم برای بازیابی تصاویر معرفی شد زمانی که اطلاعات جانبی اصلی توسط خطاها خراب می شوند. رمز گذاری تنها نیاز به انتقال حداقل بیت کم اهمیت (LSB) به دیکودر  دارد و تعداد بیت ها با حداکثر خطا بین بلوک و اطلاعات جانبی آن محاسبه می شود. الگوریتم پیشنهادی نیز به فشرده سازی نزدیک به lossless گسترش یافته است. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی یک عملکرد فشرده سازی رقابتی با الگوریتم های فشرده سازی توزیع موجود دارد. علاوه بر این، الگوریتم پیشنهادی می تواند پیچیدگی کم و درجه متفاوتی از انعطاف پذیری خطا، ارائه  دهد که برای فشرده سازی پردازنده مناسب است.

1-مقدمه

تصویربرداری فراطیفی  یک روش مهم در میدان سنجش از راه دور است که توسط رزولوشن های بالا در بعد طیفی مشخص می شود. با افزایش طیفی و مکانی رزولوشن ، در دسترس بودن و ابعاد تصاویر ابر طیفی به طور مداوم افزایش می یابد. این  یک خواسته  برای روش فشار سازی کارا است که می تواند برای فشرده سازی ابر طیفی تصاویر و به منظور کاهش حجم داده ها مورد استفاده قرار گیرد.  تصویر تکنیک های فشرده سازی می تواند برای حل این مشکل، به کار  گرفته شود که اجازه می دهد که انتقال داده ها در همان زمان صورت پذیرد. انواع مختلفی از روش های فشرده سازی موجود است...