李美珊

佳木斯大学，黑龙江 佳木斯 154007

0 引言

近些年，遥感技术在不断的发展，对于遥感图象的压缩效果的要求也逐渐提高，但是由于遥感图象分辨率高、相关性弱、纹理丰富复杂、信息量大、码速率高 ，为了达到较好的压缩比和失真度并满足数据传输与存储的需要，产生了多种压缩方法，但是各种方法都各有利弊，都不能真正地达到对压缩效果的要求，自此，小波变换应运而生。

本文在分析了小波变换的特点的基础上，充分发挥小波变换的潜能，并结合SPIHT算法对分辨力人群、候机楼等多幅遥感图象进行压缩。

1 小波变换

与以往的压缩算法编码过程相比，基于小波变换[1，2]的编码过程如图1所示。

图1 小波变换编码过程

2 压缩编码

目前，常见的小波变换系数量化方式最为突出的是嵌人编码方法，包括 EZW[4]（Embedded Zero-tree Wavelets）算法、SPIHT[3，5]（Set Partitioning In Hierarchical Trees）算法、EBCOT[6]（Embedded Block Coding with Optimization Truncation）算法。其中，EZW算法和SPIHT算法都是基于空间小波方向树的，本文采用SPIHT算法。

Said和Pearlman于1996年提出了著名的多级树集合分裂算法（SPIHT），该算法通过一系列的集合分裂来实现对小波系数类型的分类，另外还引入链表来记录前面搜索获得的系数和集合的信息。SPIHT算法的核心也是基于低频子带的系数相对于某一阈值是次要的，则高频子带系数相对于这一阈值在很大概率上也是次要的这个假设，所以SPIHT是EZW的一种改进。SPIHT方法的基本要素包括：1）依据系数幅值对不重要系数集合进行分裂的分类算法；2）位平面的渐进有序发送；3）利用频带间的自相似性构造零树。

在SPIHT算法中，总共需要定义3种链表：非重要集合链表（LIS）、重要像素链表（LSP）、次要像素链表（LIP），算法相对于每一个阈值都需要分两步：扫描过程和细化过程。……