郑 铁，薛长斌，宋金伟

（1.中国科学院 国家空间科学中心，北京100190；2.中国科学院大学，北京100190；3.国家电网有限公司大数据中心，北京100031）

1 引言

高光谱图像被广泛应用于地质勘探、环境分析、农业监测等领域。随高光谱图像分辨率的提升，图像数据量急剧增加，给传输带宽和存储容量带来巨大挑战。因此，高效的高光谱图像压缩技术必不可少［1-5］。高光谱图像的压缩方法分为有损压缩和无损压缩。有损压缩虽然能达到很高的压缩比，但会破坏数据的细节信息，这对需要精确分析的计算场景是难以接受的，只有无损压缩能保证图像信息的完整性［6-7］。

高光谱图像同时具备空间相关性和谱间相关性。传统的二维图像压缩技术只针对空间相关性，无法利用谱间相关性提升压缩比［8-10］。目前，常见的高光谱图像压缩方法分为变换类、矢量量化类和预测类。其中变换类算法是先将图像从空域映射到变换域，使用较少码字表示图像的主要信息，随后再对细节量化编码，因此常用于有损压缩［11］。矢量量化类算法的计算复杂度会随维数增加呈现指数级的增长，庞大的计算量限制了该类算法的实际应用［12］。预测类算法先使用预测器计算待测像素点估计值与实际值的差异，去除图像的相关性，再针对预测误差做压缩编码。这类算法在获取良好压缩结果的同时保持较低的算法复杂度，逐渐成为国内外研究热点［13］。

Mielikainen等人提出基于查找表（Lookup Table，LUT）的预测方案［14］，该方案将前一波段中与当前像素点具有同位坐标的像素作为索引，使用查找表返回预测结果。……