Using predictive and differential methods with K2-Raster compact data structure for hyperspectral image lossless compression
Chow, Kevin (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Tzamarias, Dion Eustathios Olivier (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Blanes Garcia, Ian (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)

Fecha:	2019
Resumen:	This paper proposes a lossless coder for real-time processing and compression of hyperspectral images. After applying either a predictor or a differential encoder to reduce the bit rate of an image by exploiting the close similarity in pixels between neighboring bands, it uses a compact data structure called k-raster to further reduce the bit rate. The advantage of using such a data structure is its compactness, with a size that is comparable to that produced by some classical compression algorithms and yet still providing direct access to its content for query without any need for full decompression. Experiments show that using k-raster alone already achieves much lower rates (up to 55% reduction), and with preprocessing, the rates are further reduced up to 64%. Finally, we provide experimental results that show that the predictor is able to produce higher rates reduction than differential encoding.
Ayudas:	Ministerio de Economía y Competitividad RTI2018-095287-B-I00 Ministerio de Economía y Competitividad TIN2015-71126-R Ministerio de Economía y Competitividad BES-2016-078369 Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-463
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Lengua:	Anglès
Documento:	Article ; recerca ; Versió publicada
Materia:	Compact data structure ; Quadtree ; K2-tree ; K2-raster ; DACs ; 3D-CALIC ; M-CALIC ; Hyperspectral images
Publicado en:	Remote sensing (Basel), Vol. 11, Issue 21 (November 2019) , art. 2461, ISSN 2072-4292

DOI: 10.3390/rs11212461

24 p, 1.2 MB

El registro aparece en las colecciones:
Artículos > Artículos de investigación
Artículos > Artículos publicados