Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 9-17
Обзор существующих алгоритмов сжатия данных, получаемых от многозональных сканирующих устройств
1 Московский государственный университет имени Н.Э. Баумана, Москва, Россия
2 АО "Российские космические системы", Москва, Россия
Одобрена к печати: 20.11.2020
DOI: 10.21046/2070-7401-2021-18-2-9-17
Вопрос сжатия данных, получаемых от приборов дистанционного зондирования Земли (ДЗЗ), не является новым в современном мире. Задачей правильной постановки этого вопроса, поиском ответов на него, поиском решения проблем, вытекающих из него, занимается достаточно большое количество инженеров и исследователей. Такой неподдельный интерес вызван увеличением обрабатываемых объёмов данных как на борту космических аппаратов ДЗЗ, так и на самой Земле. Увеличение объёмов данных, в свою очередь, связано с неминуемым ростом качества, расширением технических и программных возможностей аппаратов и приборов, исследующих Землю из космоса. В настоящий момент большая часть данных, получаемых от приборов ДЗЗ, ещё может отправляться без бортового сжатия на наземные пункты приёма, однако есть большая вероятность, что в будущем пропускная способность линии передачи данных не позволит пересылать сырые данные без обработки и дополнительного сжатия. Достаточно интересная область исследований связана именно с сжатием данных от многозональной сканирующей аппаратуры. Процедура сжатия может учитывать корреляцию данных разных секторов. В статье рассматриваются аспекты существующих алгоритмов сжатия данных применительно к многозональной сканирующей аппаратуре, гиперспектральным изображениям. Анализируются некоторые доступные источники с целью выявления настоящей и перспективной возможности сжатия данных на борту космических систем ДЗЗ.
Ключевые слова: дистанционное зондирование, мульти- и гиперспектральные данные, многозональное сканирование, сжатие данных, сжатие мультиспектральных данных, сжатие без потерь
Полный текстСписок литературы:
- Бабкин В. Ф., Книжный И. М., Хрекин К. Е. Сжатие многоспектральных изображений для задач дистанционного зондирования Земли из космоса // Современные проблемы дистанционного зондирования Земли из космоса. 2004. Вып. 1. Т. 1. С. 330–332.
- Бахтин А. А., Омельянчук Е. В., Семенова А. Ю. Анализ технических характеристик, ограничивающих пропускную способность радиолинии Космос – Земля // 8-я Всероссийская конф. «Радиолокация и радиосвязь»: сб. тр. 24–26 нояб. 2014, Москва. М., 2014. С. 145–149.
- Гершензон В. Е., Кучейко А. А. Стандартизация оборудования станций приема данных дистанционного зондирования Земли // Пространственные данные. 2006. № 1. С. 33–43.
- Егоров Н. Д., Новиков Д. В., Гильмутдинов М. Р. Метод сжатия изображений без потерь с помощью контекстного кодирования по двоичным уровням // Информационно-управляющие системы. 2017. № 6(91). C. 96–106. DOI: 10.15217/issn1684-8853.2017.6.96.
- Мальцев Г. Н., Козинов И. А. Передача гиперспектральных видеоданных дистанционного зондирования Земли по радиоканалам с ограниченной пропускной способностью // Информационно-управляющие системы. 2016. № 2(81). С. 74–83. DOI: 10.15217/issn1684-8853.2016.2.74.
- Меркушева А. В., Малыхина Г. Ф. Методы и алгоритмы разделения смеси сигналов. I. Применение декорреляции и статистик второго порядка // Научное приборостроение. 2009. Т. 19. № 2. C. 90–103.
- Печкурова В. Р. Актуальность анализа алгоритмов сжатия данных, получаемых от многозональных сканирующих устройств области космических исследований дистанционного зондирования Земли // Научный аспект. 2020. Т. 17. № 2. С. 2147–2155.
- Попов А. В. Алгоритмы энтропийного кодирования при сжатии спектра телевизионного сигнала // T-Comm — Телекоммуникации и Транспорт. 2013. № 4. С. 43–46.
- Садик Б. Дж., Бобов М. Н., Цветков В. Ю., Аль-Байати А. Э. К., Абдулхуссейн Х. М. А. Сжатие мультиспектральных изображений на основе прогрессивного кодирования длин серий // Телекоммуникации: сети и технологии, алгебраическое кодирование и безопасность данных: материалы международного научно-техн. семинара. Минск, 2016. С. 51–55.
- Egorov N., Novikov D., Gilmutdinov M. Performance Analysis of Prediction Methods for Lossless Image Compression // Smart Innovation, Systems and Technologies. 2015. V. 40. P. 169–178. DOI: 10.1007/978-3-319-19830-9_16.
- Gilmutdinov M., Egorov N., Novikov D. Lossless Image Compression Scheme with Binary Layers Scanning // 14th Intern. Symp. Problems of Redundancy in Information and Control Systems. 2014. P. 47–51. DOI: 10.15217/issn1684-8853.2017.6.96.
- Karam L. J. Lossless Image Compression // The Essential Guide to Image Processing / ed. Bovik A. Academic Press, 2009. P. 385–419.
- Lara R., Wang Y. Lossless Compression On-Board Remote Sensing Satellites // 2011 Intern. Conf. Future Computer Science and Education. 2011. P. 650–653. DOI: 10.1109/ICFCSE.2011.162.
- Motta G., Rizzo F., Storer J. A. Hyperspectral Data Compression. N. Y.: Springer Science and Business Media, 2006. 421 p. DOI: 10.1007/0-387-28600-4.
- Penna B., Tillo T., Magli E., Olmo G. Progressive 3-D Coding of Hyperspectral Images Based on JPEG 2000 // IEEE Geoscience and Remote Sensing Letters. 2006. V. 3. No. 1. P. 125–129. DOI: 10.1109/LGRS.2005.859942.
- Raymond C., Bristow J., Schoeberl M. R. Needs for an Intelligent Distributed Spacecraft Infrastructure // IEEE Intern. Geoscience and Remote Sensing Symp. Toronto, Ontario, Canada, 2002. V. 1. P. 371–374. DOI: 10.1109/IGARSS.2002.1025043.
- Speck D. Fast Robust Adaptation of Predictor Weights from Min/Max Neighboring Pixels for Minimum Conditional Entropy // Signals, Systems and Computers: Conf. Record of the 29th Asilomar Conf. 1995. V. 1. P. 234–238. DOI: 10.1109/ACSSC.1995.540547.
- Stolorz P., Gor V., Doyle R., Chapman C., Gladstone R., Merline W., Stern A. New directions in science-enabling autonomy for planetary missions // 1997 IEEE Aerospace Conf. Snowmass at Aspen, CO, USA, 1997. V. 1. P. 387–399. DOI: 10.1109/AERO.1997.574427.
- Yeh P.-Sh., Moury G. A., Armbruster P., Day J. H. The CCDS Data Compression Recommendations: Development and Status // Proc. SPIE — The Intern. Society for Optical Engineering. 2002. V. 4790. P. 302–313.
- Yu G., Vladimirova T., Sweeting M. Image compression systems on board satellites // Acta Astronautica. 2009. V. 64. P. 988–1005. DOI: 10.1016/j.actaastro.2008.12.006.
- Zhou G. Future Intelligent Earth Observing Satellite System (FIEOS): Advanced System of Systems // System of Systems. 2012. V. 6. P. 99–107. DOI: 10.5772/27723.