Hyperspectral image compression using graph signal processingand wavelet-based spectral decorrelation

Abstract

Son yıllarda, uzaktan algılama askeri ve tarım ara¸stırma alanlarında çok önemli bir roloynamaktadır. Uzak bir nesneye yerle¸stirilmi¸s sensörleri kullanarak, toprak içeriklerinianaliz edebilir veya dünyanın belirli bir bölgesinde mineral tortuları bulabiliriz.Bunu yapmak için büyük volumetrik veriler, hiperspektral görüntüleme kullanılarakfotograf ¸seklinde yakalanır. Donanım kısıtlamalarından oturu bu buyuk boyutlu ˘fotograflardan olusan veri setlerini depolayamiyoruz. Bu yuzden, hiperspektralimgeleri kalitelerinden ödün vermeden ¸sıkı¸stırabilmek çok önemlidir.Bu tezde, kaliteyi korurken Hiperspektral görüntüyü (HSI) ¸sıkı¸stırmak için yeni biryöntem tanıtıyoruz. Verimli bir sıkı¸stırma elde etmek için, HSI ı¸sıksal ve yüzeyselolarak ayrı¸stırılır. Imgeleri spektral olarak ayrı¸stırmak icin be¸s a¸samalı DiscreteWavelet Transform (DWT) uygulandi ve katsayılar JPEG 2000 kullanilarak kayipsizbir sekilde sikistirildi. En küçük yedi katsayiya graf Fourier transformu uygulandi veimgeleri geri dönüstürmek için en yuksek degere sahip birkaç katsayı kaydedildi. Bumetodun yeniligi graftaki bir sinyalin frekans katsayılarınıin dön¸sturulmesiyle ilgilidir.Frekans bandındaki dü¸sük katsayılar kullanilarak Inverse Discrete Wavelet Transform(IDWT) ile imgeler tekrar elde edildi. Hiperspektral imgeler de Inverse DiscreteWavelet Transform geri elde edildi.HSI kalitesi, kayıpsız sıkı¸stırılmı¸s görüntüleri kar¸sıla¸stırmak için en sık kullanılanölçümlerden olan PSNR metrikleri ile olculdu. Algoritmamizi denemek için ikitür Hyperspectral Image DataSet kullanıldi: Airborne Visible Imaging Spectrometer(AVIRIS) veri kümesi ve Hyperion veri kümesi.

In recent years, remote sensing is playing a very important role in the military andagriculture areas of research. Using sensors placed onboard in a remote object, we cananalyze the soil contents or finding mineral deposits in a particular area of the world.In order to do this, large volumetric data are captured in the form of photography usinghyperspectral imaging. Due to their large size, there exists a hardware bottleneck thatdoesn't allow us to record a lot of data. Therefore, it is very important that we compressthe hyperspectral images while preserving the quality in order to capture more imagesonboard.In this thesis, we introduce a novel method of compressing hyperspectral image(HSI)while preserving the quality. In order to achieve an efficient compression, the HSIis spectrally and spatially decorrelated. We apply a five-level Discrete WaveletTransform (DWT) to spectrally decorrelate the image and losslessly compressed thedetail coefficients using JPEG 2000.We apply graph Fourier transform to the last seven approximation coefficients andsave only a few coefficients with the highest values that will enable us to reconstructthe image back. The novelty of this method relies on transforming band coefficientsof a signal on the graph . We reconstruct the lowest bands by taking the Inverse GraphFourier Transform and reconstruct the HSI using Inverse Discrete Fourier Transform .The quality of the HSI is measured using PSNR metrics because it is the mostcommonly used metrics for comparing losslessly compressed images. Two types ofHyperspectral Image datasets are used to implement our coding scheme: AirborneVisible Imaging Spectrometer (AVIRIS) dataset and Hyperion dataset.