Near-lossless compression of hyperspectral data through classified spectral prediction (Abstract/Poster in atti di convegno)

Type

• Prodotto della ricerca (Classe)
• Abstract/Poster in atti di convegno (Classe)

Label

• Near-lossless compression of hyperspectral data through classified spectral prediction (Abstract/Poster in atti di convegno) (literal)

Anno

• 2005-01-01T00:00:00+01:00 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#doi

• 10.1117/12.618643 (literal)

Alternative label

• B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, C. Lastri, L. Santurri (2005)
  Near-lossless compression of hyperspectral data through classified spectral prediction
  in SPIE 50th Annual Meeting, San Diego - CA - USA, August 2005
  (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori

• B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, C. Lastri, L. Santurri (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#altreInformazioni

• SPIE Vol. 5915, Mathematics of Data/Image Coding, Compression, and Encryption VIII, with Applications, M. S. Schmalz (Ed.), Sep. 2005, in press. (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#url

• http://dx.doi.org/10.1117/12.618643 (literal)

Note

• Google Scholar (literal)
• Abstract (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni

• B. Aiazzi, S. Baronti, , C. Lastri, L. Santurri: IFAC-CNR L. Alparone: DET Università degli studi di Firenze A. Garzelli: Università degki studi di Siena (literal)

Titolo

• Near-lossless compression of hyperspectral data through classified spectral prediction (literal)

Abstract

• This paper presents a novel scheme for lossless/near-lossless hyperspectral image compression, that exploits a classified spectral prediction. MMSE spectral predictors are calculated for small spatial blocks of each band and are classified (clustered) to yield a user-defined number of prototype predictors for each wavelength, capable of matching the spatial features of different classes of pixel spectra. Unlike most of the literature, the proposed method employs a purely spectral prediction, that is suitable for compressing the data in band-interleaved-by-line (BIL) format, as they are available at the output of the on-board spectrometer. In that case, the training phase, i.e., clustering of predictors for each wavelength, may be moved off-line. Thus, prediction will be slightly less fitting, but the overhead of predictors calculated on-line is saved. Although prediction is purely spectral, hence ID, spatial correlation is removed by the training phase of predictors, aimed at finding statistically homogeneous spatial classes matching the set of prototype spectral predictors. Experimental results on AVIRIS data show improvements over the most advanced methods in the literature, with a computational complexity far lower than that of analogous methods by other authors. (literal)

Prodotto di

• Sistemi, metodi di elaborazione ed applicazioni di telerilevamento aerospaziale (ICT.P10.005.001) (Modulo)
• Institute of applied physics \"Nello Carrara\" (IFAC) (Istituto)

Autore CNR

• BRUNO AIAZZI (Unità di personale interno)
• LEONARDO SANTURRI (Unità di personale esterno)
• CINZIA LASTRI (Unità di personale esterno)
• STEFANO BARONTI (Unità di personale interno)

Insieme di parole chiave

• Keywords of "Near-lossless compression of hyperspectral data through classified spectral prediction" (Insieme di parole chiave)

Incoming links:

Autore CNR di

• BRUNO AIAZZI (Unità di personale interno)
• STEFANO BARONTI (Unità di personale interno)
• CINZIA LASTRI (Unità di personale esterno)
• LEONARDO SANTURRI (Unità di personale esterno)

Prodotto

• Institute of applied physics \"Nello Carrara\" (IFAC) (Istituto)
• Sistemi, metodi di elaborazione ed applicazioni di telerilevamento aerospaziale (ICT.P10.005.001) (Modulo)

Insieme di parole chiave di

• Keywords of "Near-lossless compression of hyperspectral data through classified spectral prediction" (Insieme di parole chiave)