CN108646302B - 一种用于地下结构探测的sar数据压缩方法 - Google Patents
一种用于地下结构探测的sar数据压缩方法 Download PDFInfo
- Publication number
- CN108646302B CN108646302B CN201810243721.3A CN201810243721A CN108646302B CN 108646302 B CN108646302 B CN 108646302B CN 201810243721 A CN201810243721 A CN 201810243721A CN 108646302 B CN108646302 B CN 108646302B
- Authority
- CN
- China
- Prior art keywords
- data
- sar
- amplitude
- compressed
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Electromagnetism (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种用于地下结构探测的SAR数据压缩方法，旨在减少地下结构探测中分层介质的回波弱信号在压缩中的损失，并可较好地保留成像等后续处理所需的相位信息，实现步骤为：判断SAR原始数据的最大有效位数是否大于设置的压缩位数，若是，则对SAR原始数据的幅度的对数应用BAQ算法进行量化压缩，对SAR原始数据的相位进行均匀量化，且幅度应比相位分配更多的量化位数，若否，按最大有效位数对SAR原始数据进行截断；对压缩后的数据进行打包并输出。本发明可用于SAR原始数据压缩领域。
Description
技术领域
本发明属于合成孔径雷达(SAR)数据压缩领域，涉及一种SAR数据压缩方法，具体涉及一种用于地下结构探测的SAR数据压缩方法。
背景技术
20世纪50年代，合成孔径雷达(Synthetic Aperture Radar，SAR)发明至今，其技术得到了飞速的发展。和普通雷达相比，SAR通过信号分析来构建等效长天线的技术，使其具有很高的分辨率，但其分辨率高的特性也带来了SAR原始信号数据率高、数据量大的特点。由于SAR存储设备容量和数据传输带宽有限，因此将原始数据下传前要进行数据压缩。
考虑到算法性能以及硬件实现的复杂度，目前工程上普遍采用BAQ(BlockAdaptive Quantization，块自适应量化)算法及其改进方法进行SAR原始数据的压缩，例如授权公告号为CN102298137B，名称为“自适应数据率星载SAR原始数据压缩方法”的中国专利，公开了一种自适应数据率星载SAR原始数据压缩方法，在BAQ算法的基础上，根据分布目标回波的强弱，自适应选择压缩比率，即由已知系统参数计算出区分回波强弱的幅度均值门限电平，对强回波进行BAQ压缩，弱回波直接传输符号位。但是该方法没有关注到SAR原始数据中分层介质的回波弱信号(如次表层回波信号)在压缩解压缩过程中的损失情况。因此，在地下结构与地质构造探测、冰川冰层厚度探测、星体次表层探测等特定的探测场合中，该方法对分层介质的回波弱信号损失较大。此外，该BAQ改进方法对原始数据的实部和虚部进行量化，未能重点保留脉冲压缩及成像等后续的一些信号处理所需的相位信息。
发明内容
本发明的目的在于针对上述技术中存在的不足，提出一种用于地下结构探测的SAR数据压缩方法，旨在减少地下结构探测中分层介质的回波弱信号在压缩中的损失，并可较好地保留脉压成像等后续处理所需的相位信息。
本发明的技术思路是：将SAR原始信号的实部、虚部转为幅度与相位，并对幅度的对数进行BAQ量化，对相位进行均匀量化。
根据以上技术思路，实现本发明目的采取的技术方案，包括如下步骤：
(1)判断SAR原始数据的压缩模式：
设置压缩位数为k，同时对输入的SAR原始数据的实部数据I和虚部数据Q的绝对值进行遍历，得到SAR原始数据的最大有效位数，并判断SAR原始数据的最大有效位数是否大于设置的压缩位数k，若是，设定压缩模式为正常模式，并执行步骤(3)，否则，设定压缩模式为截断模式，并执行步骤(2)；
(2)按截断模式对SAR原始数据的实部数据I和虚部数据Q进行压缩：
按SAR原始数据的最大有效位数对实部数据I和虚部数据Q进行截断，并将截断后的实部数据I′和虚部数据Q′作为压缩数据，执行步骤(4)；
(3)将SAR原始数据的实部数据I和虚部数据Q转换成极坐标形式，按正常模式对转换得到幅度数据A和相位数据P进行压缩：
(3a)采用幅度及相位转换公式，将SAR原始数据的实部数据I和虚部数据Q转换为极坐标形式，得到幅度数据A和相位数据P；
(3b)设置幅度数据A的量化位数m，相位数据P的量化位数n，且m≤n，m+n＝2k；
(3c)对幅度数据A加1后取对数，并对加1取对数后所得的数据进行压缩位数为mbit的BAQ量化，得到压缩后的幅度数据A′、各分块数据的均值和标准差，同时对相位数据P进行压缩位数为n bit的均匀量化，得到压缩后的相位数据P′，并执行步骤(4)；
(4)对压缩后的数据进行打包并输出：
(4a)判断压缩后的数据对应的压缩模式，若为正常压缩模式，执行步骤(4b)，若为截断模式，执行步骤(4c)；
(4b)将BAQ量化得到的幅度数据A′、各分块数据的均值和标准差，以及均匀量化得到的相位数据P′作为数据包的有效码流，将压缩模式、幅度数据A的量化位数m和相位数据P的量化位数n添加至数据包的包头，并执行步骤(4d)；
(4c)将截断后的实部数据I′和虚部数据Q′作为数据包的有效码流，将压缩模式、SAR原始数据的最大有效位数添加至数据包的包头，并执行步骤(4d)；
(4d)将数据包存储或发送传输。
本发明与现有技术相比较，具有如下优点：
第一，本发明将SAR原始数据的实部、虚部转换为幅度、相位，并对幅度取对数后进行BAQ量化，对相位进行均匀量化。对幅度进行对数运算，可放大地下分层介质的弱回波信号，并可将幅度的数据分块从瑞利分布转为近似的高斯分布，使其更好地符合BAQ算法的应用条件，相比传统算法对实部虚部进行BAQ量化，可使地下探测任务所关注的分层介质的回波信号损失更少。
第二，本发明由于对符合均匀分布的相位进行简单有效的均匀量化，相比传统算法对实部虚部进行BAQ量化，降低了计算量，节省了资源。
第三，本发明由于对幅度和相位进行不同比特的压缩，为幅度分配更多的量化位数，相比传统算法对实部虚部进行相同量化位数的BAQ量化，在同等的平均压缩位数下，能更好地保留脉冲压缩及成像等后续处理所需的相位信息。
附图说明
图1是本发明的实现流程框图；
图2是本发明SAR原始数据幅度的对数的概率分布图；
图3是对本发明和现有技术仿真实验适用的未压缩的SAR原始数据进行匹配滤波处理的结果图；
图4是图3的局部放大图。
具体实施方式
下面结合附图和具体实施例，对本发明作进一步的详细描述。
参照图1，一种用于地下结构探测的SAR数据压缩方法，包括如下步骤：
步骤1)判断SAR原始数据的压缩模式：
设置压缩位数为k，同时对输入的SAR原始数据的实部数据I和虚部数据Q的绝对值进行遍历，得到SAR原始数据的最大有效位数，并判断SAR原始数据的最大有效位数是否大于设置的压缩位数k，若是，设定压缩模式为正常模式，并执行步骤(3)，否则，设定压缩模式为截断模式，并执行步骤(2)；
步骤2)按截断模式对SAR原始数据的实部数据I和虚部数据Q进行压缩：
按SAR原始数据的最大有效位数对实部数据I和虚部数据Q进行截断，并将截断后的实部数据I′和虚部数据Q′作为压缩数据，执行步骤(4)；
步骤3)将SAR原始数据的实部数据I和虚部数据Q转换成极坐标形式，按正常模式对转换得到幅度数据A和相位数据P进行压缩：
步骤3a)采用幅度及相位转换公式，将SAR原始数据的实部数据I和虚部数据Q转换为极坐标形式，得到幅度数据A和相位数据P；
其中，幅度及相位转换公式，表达式分别为：
其中，I表示SAR原始数据的实部，Q表示SAR原始数据的虚部，A表示幅度数据，P表示相位数据；
步骤3b)设置幅度数据A的量化位数m，相位数据P的量化位数n，且m≤n，m+n＝2k；
由于后续成像处理的质量与相位有关，故而在相同的压缩位数k下，为相位选取比幅度更高的量化位数，可在压缩中更好地保留成像等后续处理所需的相位信息，提高后续处理的质量；本实施例将量化位数选取为n＝m+2，可得到较好的成像质量；
步骤3c)对幅度数据A加1后取对数，并对加1取对数后所得的数据进行压缩位数为mbit的BAQ量化，得到压缩后的幅度数据A′、各分块数据的均值和标准差，同时对相位数据P进行压缩位数为nbit的均匀量化，得到压缩后的相位数据P′，并执行步骤(4)；
其中，对幅度数据A加1后取对数，即A1＝lg(A+1)；
BAQ算法的核心是针对高斯信号最优的Lloyd-Max量化器，该算法的前提条件是待压缩数据在一定区域内的数据分块的分布近似服从高斯分布；但SAR原始数据的幅度服从瑞利分布，不满足BAQ算法的应用前提，因而可对幅度做对数运算，将其转换为近似的高斯分布，SAR原始数据幅度的对数的概率分布如图2所示；此外，对幅度取对数可放大地下分层的弱回波信号；根据经验值，一般将BAQ的分块大小设置为32×32；由于相位服从[-π,π]上的均匀分布且与幅度统计独立，故而对其采用均匀量化；
步骤4)对压缩后的数据进行打包并输出：
步骤4a)判断压缩后的数据对应的压缩模式，若为正常压缩模式，执行步骤(4b)，若为截断模式，执行步骤(4c)；
步骤4b)将BAQ量化得到的幅度数据A′、各分块数据的均值和标准差，以及均匀量化得到的相位数据P′作为数据包的有效码流，将压缩模式、幅度数据A的量化位数m和相位数据P的量化位数n添加至数据包的包头，并执行步骤(4d)；
步骤4c)将截断后的实部数据I′和虚部数据Q′作为数据包的有效码流，将压缩模式、SAR原始数据的最大有效位数添加至数据包的包头，并执行步骤(4d)；
步骤4d)将数据包存储或发送传输。
以下结合仿真实验，对本发明的技术效果进行说明：
1)实验条件和内容：
本实验所用的仿真数据为仿真模型生成的地下结构探测SAR原始回波数据，数据中包含表层回波与地下目标回波及高斯噪声，数据大小为8192×512(方位向×距离向)，数据分为实部与虚部，均为16bit有符号数；
在同一台计算机上，分别使用本发明和现有的BAQ算法分别对仿真数据进行压缩，平均压缩位数为k；本发明平均压缩位数与幅度、相位量化位数如表1所示：
表1
| 平均压缩位数k | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 幅度量化位数m | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 相位量化位数n | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
为评价压缩质量，将本发明与BAQ算法的压缩数据进行解压缩，解压缩过程为压缩过程的逆过程，解压缩后计算信噪比SNR。表2为本发明与BAQ算法的SNR：
表2
由于SNR仅能反映压缩前的数据与解压后的数据的相似程度，不能反映出地下分层介质的弱回波信号在压缩中的损失情况，因而还需对解压缩后所得到的SAR原始数据进行处理，提取地下目标回波信号；具体处理过程为，对SAR原始数据进行距离向匹配滤波，并进行距离向频域补零，即时域插值，然后对其绝对值取dB值，得到匹配滤波处理的结果；以未压缩的SAR原始数据为例，图3为对未压缩的SAR原始数据进行匹配滤波处理的结果图，对本发明和现有BAQ算法解压缩后获得的SAR原始数据进行匹配滤波处理的结果与图3类似；将图3局部放大，得到图4，可以观察到表层回波主瓣峰值、地下目标回波主瓣峰值、最大副瓣峰值；回波主瓣与最大副瓣差值越大，算法性能越好；本发明与BAQ算法的解压数据及未压缩数据的匹配滤波处理结果图中，主瓣与最大副瓣差值如表3所示：
表3
2)实验结果分析：
参照表2，可以发现在不同的平均压缩位数下，本发明SNR均高于BAQ算法，即本发明对于SAR原始数据的压缩损失更低；参照表3，可以发现在不同的平均压缩位数下，本发明表层回波主瓣与最大副瓣差值、地下目标回波主瓣与最大副瓣差值，均大于BAQ算法，说明本发明既能保证表层信号的质量，又能更好地保留了地下探测中所关注的分层介质目标的弱回波信号。
Claims (3)
1.一种用于地下结构探测的SAR数据压缩方法，其特征在于，包括如下步骤：
(1)判断SAR原始数据的压缩模式：
设置压缩位数为k，同时对输入的SAR原始数据的实部数据I和虚部数据Q的绝对值进行遍历，得到SAR原始数据的最大有效位数，并判断SAR原始数据的最大有效位数是否大于设置的压缩位数k，若是，设定压缩模式为正常模式，并执行步骤(3)，否则，设定压缩模式为截断模式，并执行步骤(2)；
(2)按截断模式对SAR原始数据的实部数据I和虚部数据Q进行压缩：
按SAR原始数据的最大有效位数对实部数据I和虚部数据Q进行截断，并将截断后的实部数据I′和虚部数据Q′作为压缩数据，执行步骤(4)；
(3)将SAR原始数据的实部数据I和虚部数据Q转换成极坐标形式，按正常模式对转换得到幅度数据A和相位数据P进行压缩：
(3a)采用幅度及相位转换公式，将SAR原始数据的实部数据I和虚部数据Q转换为极坐标形式，得到幅度数据A和相位数据P；
(3b)设置幅度数据A的量化位数m，相位数据P的量化位数n，且m≤n，m+n＝2k；
(3c)对幅度数据A加1后取对数，并对加1取对数后所得的数据进行压缩位数为m bit的BAQ量化，得到压缩后的幅度数据A′、各分块数据的均值和标准差，同时对相位数据P进行压缩位数为n bit的均匀量化，得到压缩后的相位数据P′，并执行步骤(4)；
(4)对压缩后的数据进行打包并输出：
(4a)判断压缩后的数据对应的压缩模式，若为正常压缩模式，执行步骤(4b)，若为截断模式，执行步骤(4c)；
(4b)将BAQ量化得到的幅度数据A′、各分块数据的均值和标准差，以及均匀量化得到的相位数据P′作为数据包的有效码流，将压缩模式、幅度数据A的量化位数m和相位数据P的量化位数n添加至数据包的包头，并执行步骤(4d)；
(4c)将截断后的实部数据I′和虚部数据Q′作为数据包的有效码流，将压缩模式、SAR原始数据的最大有效位数添加至数据包的包头，并执行步骤(4d)；
(4d)将数据包存储或发送传输。
2.根据权利要求1所述的一种用于地下结构探测的SAR数据压缩方法，其特征在于，步骤(3a)中所述的幅度及相位转换公式，表达式分别为：
其中，I表示SAR原始数据的实部，Q表示SAR原始数据的虚部，A表示幅度数据，P表示相位数据。
3.根据权利要求1所述的一种用于地下结构探测的SAR数据压缩方法，其特征在于，步骤(3c)中所述对幅度数据A加1后取对数，即A1＝lg(A+1)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810243721.3A CN108646302B (zh) | 2018-03-23 | 2018-03-23 | 一种用于地下结构探测的sar数据压缩方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810243721.3A CN108646302B (zh) | 2018-03-23 | 2018-03-23 | 一种用于地下结构探测的sar数据压缩方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108646302A CN108646302A (zh) | 2018-10-12 |
| CN108646302B true CN108646302B (zh) | 2019-07-16 |
Family
ID=63744747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810243721.3A Active CN108646302B (zh) | 2018-03-23 | 2018-03-23 | 一种用于地下结构探测的sar数据压缩方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108646302B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5661477A (en) * | 1994-08-05 | 1997-08-26 | Deutsche Forschungsanstalt Fur Luft- Und Raumfaht E.V. | Methods for compressing and decompressing raw digital SAR data and devices for executing them |
| CN101634702A (zh) * | 2008-07-23 | 2010-01-27 | 中国科学院电子学研究所 | 基于Lloyd-Max量化器的分数比特率BAQ方法 |
| CN101655551A (zh) * | 2008-08-20 | 2010-02-24 | 中国科学院电子学研究所 | 定帧长合成孔径雷达原始数据压缩的编解码方法及装置 |
| CN102298137A (zh) * | 2010-06-25 | 2011-12-28 | 中国科学院电子学研究所 | 自适应数据率星载sar原始数据压缩方法 |
| CN102340321A (zh) * | 2010-07-14 | 2012-02-01 | 中国科学院电子学研究所 | 改善Pol-SAR通道一致性的数字中频信号处理装置 |
| CN104991241A (zh) * | 2015-06-30 | 2015-10-21 | 西安电子科技大学 | 强杂波背景下目标信号的提取和超分辨率增强处理方法 |
| CN105842663A (zh) * | 2016-05-19 | 2016-08-10 | 中国科学院电子学研究所 | 一种baq压缩方法及装置、sar数据形成器 |
| CN105913421A (zh) * | 2016-04-07 | 2016-08-31 | 西安电子科技大学 | 基于自适应形状暗通道的遥感图像云检测方法 |
| CN106908770A (zh) * | 2017-01-24 | 2017-06-30 | 上海卫星工程研究所 | 高分辨率微波成像卫星星地一体化仿真方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7876257B2 (en) * | 2008-04-28 | 2011-01-25 | Mitsubishi Electric Research Laboratories, Inc. | Method and apparatus for compressing SAR signals |
-
2018
- 2018-03-23 CN CN201810243721.3A patent/CN108646302B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5661477A (en) * | 1994-08-05 | 1997-08-26 | Deutsche Forschungsanstalt Fur Luft- Und Raumfaht E.V. | Methods for compressing and decompressing raw digital SAR data and devices for executing them |
| CN101634702A (zh) * | 2008-07-23 | 2010-01-27 | 中国科学院电子学研究所 | 基于Lloyd-Max量化器的分数比特率BAQ方法 |
| CN101655551A (zh) * | 2008-08-20 | 2010-02-24 | 中国科学院电子学研究所 | 定帧长合成孔径雷达原始数据压缩的编解码方法及装置 |
| CN102298137A (zh) * | 2010-06-25 | 2011-12-28 | 中国科学院电子学研究所 | 自适应数据率星载sar原始数据压缩方法 |
| CN102340321A (zh) * | 2010-07-14 | 2012-02-01 | 中国科学院电子学研究所 | 改善Pol-SAR通道一致性的数字中频信号处理装置 |
| CN104991241A (zh) * | 2015-06-30 | 2015-10-21 | 西安电子科技大学 | 强杂波背景下目标信号的提取和超分辨率增强处理方法 |
| CN105913421A (zh) * | 2016-04-07 | 2016-08-31 | 西安电子科技大学 | 基于自适应形状暗通道的遥感图像云检测方法 |
| CN105842663A (zh) * | 2016-05-19 | 2016-08-10 | 中国科学院电子学研究所 | 一种baq压缩方法及装置、sar数据形成器 |
| CN106908770A (zh) * | 2017-01-24 | 2017-06-30 | 上海卫星工程研究所 | 高分辨率微波成像卫星星地一体化仿真方法 |
Non-Patent Citations (6)
| Title |
|---|
| JPEG2000 算法中基于有界输入有界输出(BIBO)增益控制的小波变换定点实现技术;张静等;《电子与信息学报》;20121231;第34卷(第12期);第2802-2808页 |
| Performance Evaluation of Amplitude-Phase Algorithm for SAR Raw Data Compression;Hai-ming QI et al.;《2006 IEEE》;20061231;第800-803页 |
| 合成孔径雷达原始数据幅相压缩算法;姚世超等;《电子与信息学报》;20021130;第24卷(第11期);第1627-1633页 |
| 基于成像的SAR原始数据压缩算法研究;吕小微;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110715;第15-36页 |
| 基于成像的SAR原始数据压缩算法研究;莫苏苏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090715;第57-62页 |
| 极化SAR原始数据压缩方法研究;王德伍等;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140415;第25-30页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108646302A (zh) | 2018-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112464837B (zh) | 基于小数据样本的浅海水声通信信号调制识别方法及系统 | |
| JP4608124B2 (ja) | 帰還機能を持つ無線受信装置及び無線通信方法 | |
| Liu et al. | Mobile-edge computing framework with data compression for wireless network in energy internet | |
| CN105791189B (zh) | 一种提高重构精度的稀疏系数分解方法 | |
| Liu et al. | CG-Cast: Scalable wireless image SoftCast using compressive gradient | |
| CN108495132B (zh) | 基于轻量级深度卷积网络的遥感影像大倍率压缩方法 | |
| CN101631243A (zh) | 一种基于小波变换的图像编/解码的方法 | |
| CN103974268A (zh) | 精细粒度可调的低延时传感器网络数据传输方法 | |
| CN107277537A (zh) | 一种基于时间相关性的分布式视频压缩感知采样方法 | |
| CN108646302B (zh) | 一种用于地下结构探测的sar数据压缩方法 | |
| CN108573509B (zh) | 基于测量域显著检测模型的自适应压缩感知图像编码方法 | |
| Zhang et al. | Image primitive coding and visual quality assessment | |
| Khosravi et al. | Modified data aggregation for aerial ViSAR sensor networks in transform domain | |
| Ma et al. | Research on HEVC screen content coding and video transmission technology based on machine learning | |
| CN107277507B (zh) | 一种空域变换域混合图像压缩方法 | |
| WO2014094196A1 (zh) | 一种无线通信系统的数据压缩处理方法及相关装置 | |
| CN106131575B (zh) | 基于小波变换与孙子定理相结合的图像压缩方法 | |
| CN113783575B (zh) | 一种基于fpga实现的高效数据压缩方法 | |
| TWI669921B (zh) | 基於深度學習作為通道狀態資訊之回饋方法 | |
| Wang et al. | Robust satellite image transmission over bandwidth-constrained wireless channels | |
| Chourasiya et al. | A STUDY OF IMAGE COMPRESSION BASED TRANSMISSION ALGORITHM USING SPIHT FOR LOW BIT RATE APLLICATION | |
| Al-Khafaji | Linear Polynomial Coding with Midtread Adaptive Quantizer | |
| CN101742299B (zh) | 一种符合ccsds标准的图像无损压缩处理系统及方法 | |
| Poobal et al. | Arriving at an optimum value of tolerance factor for compressing medical images | |
| Yao et al. | Research on Application of Data Compression in Signal Correlation Processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |