فشرده‌سازی مقیاس‌پذیر تصاویر رادار روزنه ترکیبی بر اساس اصلاح الگوریتم EZBC با کمک تبدیل موجک بسته‌ای

نوع مقاله : مقاله پژوهشی

نویسندگان

1 صنعتی شیراز

2 دانشگاه صنعتی شیراز

چکیده

در این مقاله روش جدیدی برای فشرده‌سازی تصاویر رادار روزنه ترکیبی (SAR) با رویکرد بلوکی مبتنی ‌بر الگوریتم EZBC، ارائه می-شود. در روش پیشنهادی به‌منظور حفظ بهتر لبه‌ها و ساختار بافتی خاص تصاویر SAR، به‌جای تبدیل موجک از تبدیل موجک بسته‌ای استفاده می‌شود. به‌منظور افزایش کارایی الگوریتمEZBC در فشردهسازی بهتر تصاویر SAR که انرژی آن تنها در زیر‌باندهای فرکانس پایین متمرکز نیست، یک نسخه اصلاح شده از این الگوریتم به‌نامMEZBC ارائه می‌گردد که با تبدیل موجک به‌کار گرفته، منطبق باشد. روش پیشنهادی علاوه‌بر ایجاد نرخ فشردهسازی بالا برای تصاویر SAR، قابلیت مقیاس‌پذیری کامل کیفیت و نیز حفظ خاصیت‌ کد‌کردن بلوکی ضرایب در حوزه تبدیل موجک را داراست. به‌علاوه این روش طوری اصلاح شده است که قابلیت پشتیبانی از کد‌کردن نواحی مورد علاقه (ROI) در تصویر را نیز فراهم آورد. نتایج پیاده‌سازی بیانگر عملکرد بهتر الگوریتم پیشنهادی برای فشرده‌سازی تصاویر SAR نسبت به سایر روش‌های شناخته شده در تمامی نرخ بیت‌ها می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

SAR Image Scalable Compression Based on the Modification of EZBC Algorithm Using Wavelet Packet Transform

نویسندگان [English]

  • Seyed Amir Hamdi 1
  • Habibollah Danyali 1
  • Mohammad Sadegh Helfroush 1
  • Marzyeh Zare 2
1
2

کلیدواژه‌ها [English]

  • EZBC Algorithm
  • Image Compression
  • Region of Interest
  • SAR image
  • Wavelet Packet
  • MEZBC
  1. M. Valadan-Zoej ,H .Abrishami-Moghaddam and M. Dehghani, “An Efficient Algorithm for Speckle Reduction in SAR Images Using Wavelet Transformation,” Geosciences Journal, Geological Survey of Iran, vol. 54, pp. 108-113, 2005
  2. H. Danyali and A. Mertins, “Flexible, Highly Scalable, Object-Based Wavelet Image Compression Algorithm for Network Applications,” IEE Proc.-Vision, Image and Signal Processing, vol. 151, pp. 498-510, 2004.
  3. A. Said and W. A. Pearlman, “A New, Fast, and Efficient Image Codec Based on Set Partitioning in Hierarchical Trees,” IEEE Trans. on Circuits and Systems for Video Technology, vol. 6, pp. 243-250, 1996.
  4. Z. Zeng and I. G. Cumming, “SAR Image Data Compression Using a Tree-Structured Wavelet Transform,” IEEE Trans. on Geoscience and Remote Sensing, vol. 39, pp. 546-552, 2001.
  5. W. Aili and Y. Mingji, “SAR Image Compression With Vector Quantization of Wavelet Trees at Low Bit Rates,” in Proc. 5th Int. Conf. on Wireless Commun., Networking and Mobile Computing, 2009, pp. 1-4.
  6. Y. Chen, E. Salari, and J. Wei, “SAR Image Compression Using an Adaptive Algorithm in the Wavelet Domain,” in Proc. IEEE Int. Conf. on Electro/information Technology, 2006, pp. 340-343.
  7. E .Le Pennec and S. Mallat, “Sparse Geometric Image Representations With Bandelets,” IEEE Trans. on Image Process., vol. 14, pp. 423-438, 2005.
  8. H. Liu, B. Hou, S. Wang, and L. Jiao, “SAR Image Compression Using Bandelets and SPIlT,” in Proc. Int. Conf. on Radar, 2006, pp. 1-4.
  9. S. Yang, R. Wu, H. Meng, and L. Jiao, “Improvement of Bandelets in Cost Function and Coding Strategy for SAR Image Compression,” in Proc. 2nd Asian-Pacific Conf. on Synthetic Aperture Radar, 2009, pp. 1132-1135.
  10. S. Yang, W. Qi, Z. Wang, and L. Jiao, “SAR Image Compression Based on Multibandelets and Geometric Flow Optimization,” in Proc. 6th Int. Symp. on Multispectral Image Processing and Pattern Recognition, 2009, pp. 74941Q-74941Q-7.
  11. W. A. Pearlman, A. Islam, N. Nagaraj, and A. Said, “Efficient, Low-Complexity Image Coding With a Set-Partitioning Embedded Block Coder,” IEEE Trans. on Circuits and Syst. for Video Technology, vol. 14, pp. 1219-1235, 2004.
  12. S.-T. Hsiang, “Embedded Image Coding Using Zeroblocks of Subband/Wavelet Coefficients and Context Modeling,” in Proc. Conf. On Data Compression, 2001, pp. 83-92.