Resumen

En este trabajo se propone un algoritmo de compresión de baja complejidad para imágenes hiperespectrales basado en la codificación de fuente distribuida (DSC). El algoritmo de compresión distribuida propuesto puede realizar tanto compresión sin pérdidas como con pérdidas, lo que se implementa realizando una estrategia de cuantificación escalar en las imágenes hiperespectrales originales seguida de una compresión distribuida sin pérdidas. Se introduce un modelo de regresión multilineal para la compresión distribuida sin pérdidas con el fin de mejorar la calidad de la información lateral. El paso cuantificado óptimo se determina de acuerdo con la restricción de la decodificación DSC correcta, lo que hace que el algoritmo propuesto consiga una compresión casi sin pérdidas. Además, se introduce un algoritmo de distorsión de tasa efectiva para que el algoritmo propuesto consiga una tasa de bits baja. Los resultados experimentales muestran que el rendimiento de compresión del algoritmo propuesto es competitivo con el de los algoritmos de compresión más avanzados para imágenes hiperespectrales.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:compresión sin pérdidas, algoritmo, imágenes hiperespectrales, algoritmo de distorsión de tasa efectiva, modelo de regresión multilineal, algoritmos de compresión de arte, algoritmo de compresión de complejidad, decodificación dsc correcta, baja tasa de bits, imágenes hiperespectrales originales
• Keywords:lossless compression, algorithm, hyperspectral images, effective rate distortion algorithm, multilinear regression model, art compression algorithms, complexity compression algorithm, correct dsc decoding, low bit rate, original hyperspectral images