Multilevel split regression wavelet analysis for lossless compression of remote sensing data

Web of Science: 5 cites, Scopus: 5 cites, Google Scholar: cites

(Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Bartrina Rapesta, Joan

(Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Serra Sagristà, Joan

(Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)

Data:	2018
Resum:	Spectral redundancy is a key element to be exploited in compression of remote sensing data. Combined with an entropy encoder, it can achieve competitive lossless coding performance. One of the latest techniques to decorrelate the spectral signal is the regression wavelet analysis (RWA). RWA applies a wavelet transform in the spectral domain and estimates the detail coeffi- cients through the approximation coefficients using linear regres- sion. RWA was originally coupled with JPEG 2000. This letter introduces a novel coding approach, where RWA is coupled with the predictor of CCSDS-123. 0-B-1 standard and a lightweight contextual arithmetic coder. In addition, we also propose a smart strategy to select the number of RWA decomposition levels that maximize the coding performance. Experimental results indicate that, on average, the obtained coding gains vary between 0. 1 and 1. 35 bits-per-pixel-per-component compared with the other state- of-the-art coding techniques.
Ajuts:	Ministerio de Economía y Competitividad TIN2015-71126-R Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-463
Drets:	Tots els drets reservats.
Llengua:	Anglès
Document:	Article ; recerca ; Versió acceptada per publicar
Matèria:	Lossless coding ; Predictive coding ; Spectral decorrelation
Publicat a:	IEEE geoscience and remote sensing letters, Vol. 15 issue 10 (Oct. 2018) , p. 1540-1544, ISSN 1545-598X

Postprint
6 p, 344.1 KB

Registre creat el 2018-12-12, darrera modificació el 2023-07-14