题目：基于纹理失真视觉敏感性的遥感图像自适应量化研究

随着传感器分辨率的提高，遥感图像数据量急剧增加，海量的数据给图像的存储、传输和使用带来较大困难，因此，必须研究压缩比较高的图像压缩技术。然而图像的高倍压缩不可避免地带来了恢复图像的失真。在基于小波变换和熵编码的图像压缩过程中，量化是产生失真的唯一环节，因此量化策略直接决定了恢复图像的质量。由于恢复图像最终是由人来判别的，因此本文在学习和分析了人类视觉系统（Human Visual System，HVS）特性和遥感图像纹理特征的基础上，针对量化问题展开了深入的研究，目的是提高恢复图像的视觉质量。本文的量化是在小波变换域系数上进行的，本文首先分析了小波变换域系数的特点以及量化失真的一些性质。然后针对HVS对不同纹理失真的敏感性差异较大的特点，分析影响HVS对失真敏感程度的因素，并研究这些因素在遥感图像中的表现方式，然后针对这些因素选择典型图像进行实验，建立反映HVS对量化失真敏感性的视觉模型。该模型依据图像块中像素灰度信息计算出此图像块对失真的掩蔽能力，用于指导失真在图像空域块中的分配，使恢复图像的失真被尽可能多地掩蔽。由于恢复图像空域的失真是由频域各个子带量化引起的空域失真的复合，因此本文根据各个子带量化引起的失真对HVS影响的大小，通过空域复合失真计算出各个子带量化引起的空域失真，进而根据单一子带量化引起的空域失真与子带失真之间的关系，计算出频域子带失真。利用频域系数分布特点，可通过子带失真计算出子带量化值，从而达到在视觉对失真敏感的区域采用小量化值量化，在视觉对失真不敏感的区域采用大量化值量化的效果。实验结果表明，在对遥感图像进行20倍以下压缩时，本量化算法基本上能够保证恢复图像中的纹理信息不丢失，并且较大程度上去除图像中的视觉冗余，恢复图像的主观质量明显优于其他量化算法。