Оптимизация вычислительной сложности алгоритмов сжатия с потерями гиперспектральных изображений

Abstract

В работе рассматривается решение задачи увеличения быстродействия алгоритма сжатия гиперспектральных изображений (ГСИ), базирующийся на методах распознавания. Предлагаются два метода уменьшения вычислительной сложности алгоритма сжатия с потерями. Первый способ основан на использовании результатов сжатия, полученных при других параметрах, в том числе и метода распознавания. Второй метод базируется на адаптивном разбиении пикселей гиперспектрального изображения на кластеры и вычислении оценок сходства только с эталонами одного из подмножеств. Получены теоретические и практические оценки увеличения быстродействия алгоритма сжатия. The paper discusses the solution of the problem of increasing the speed of the compression algorithm of hyperspectral images (HSI), based on the methods of recognition. Two methods are proposed to reduce the computational complexity of a lossy compression algorithm. The first method is based on the use of compression results obtained with other parameters, including the recognition method. The second method is based on adaptive pixel partitioning of a hyperspectral image into clusters and calculating similarity estimations only with the standards of one of the subsets. Theoretical and practical estimates of the increase in the speed of the compression algorithm are obtained.