Sistem pemprosesan imej hiperspektral terutamanya dalam teknologi penginderaan jauh adalah sangat penting dalam menyediakan maklumat yang sangat berguna untuk pelbagai jenis system pemantauan Bumi – kawasan, cuaca, bidang perlautan, pengawasan pencemaran dan sebagainya. Imej hiperspektral yang mempunyai redundansi spatial (antara piksel) dan spektral (imej pelbagai komponen). Peningkatan resolusi sensor spektral dan spatial yang memantau kawasan Bumi menyebabkan jumlah data imej hiperspektral yang diperolehi meningkat juga. Peningkatan saiz data imej akan memerlukan pemampatan imej disebabkan banyak isu yang perlu diselesaikan, seperti terhadnya tempat penyimpanan pangkalan data satelit udara dan kelajuan turun pautan jalur lebar imej. Jarak dan kelajuan turun pautan sistem penghantaran imej dari Satelit Permerhatian Bumi (EO) ke stesen Bumi perlu di ukur. Sistem pemprosesan imej yang sudah direka perlu mengoptimumkan prestasi pemampatan data imej untuk memaksimakan sistem penghantaran imej dan juga keupayaan memuat turun berkelajuan tinggi. Algoritma untuk pemampatan dan penyahmampatan termasuk Integer Karhunen-Loève Theorem (KLT) yang mana berkesan dalam dekorelasi spektral dan OpenJPEG2000 yang sesuai untuk dekorelasi spatial. Nisbah pemampatan tidak hilang (CR) dan masa pelaksanaan untuk imej hiperspektral dalam bentuk fail *.rawl daripada OpenJPEG2000 akan dibandingkan untuk mendapatkan keputusan lebih baik yang mana akan menyumbangkan kepada penambahbaikan Teknologi EO dalam pengurangan saiz data untuk mengizinkan lebih banyak imej disimpan dalam tempat penyimpanan pangkalan data satelit udara dan jugak menyingkatkan masa untuk menghantar imej dari Satelit EO ke stesen Bumi dalam sekali lalu.
_______________________________________________________________________________________________________
A hyperspectral image processing system especially remote sensing technology is very important as it able to provide extremely useful information for the various type of Earth monitoring system – terrains, weather, oceanology, pollution control and etc. Hyperspectral image which includes the spatial (inter-pixel) and spectral (multi-component images) redundancy. The amount of acquired data of the hyperspectral image greatly increased since the spectral and spatial resolution of sensors which monitoring Earth terrains increase as well. Increased size of imagery data will require an image compression as there are lot issues need to overcome, such as downlink speed for bandwidth image and on-board satellite database storage are limited. The distance and downlink speed for image transmission from Earth Observation (EO) Satellites to the ground station need to be measured. The developed image processing system need to optimize the compression performance of image data in order to maximize the transmission of image data as well as high speed downloading capacity. The compression and decompression algorithm include in Integer Karhunen-Loève Theorem (Integer KLT) which efficient in spectral decorrelation and OpenJPEG2000 is a suitable for spatial decorrelation. The lossless compression ratio (CR) and execution time (ET) of hyperspectral image in *.rawl file from OpenJPEG2000 will be compared to get better result which will lead the improvement of EO Technology for reduction of data size which allows more images to be stored in the on-board satellite database storage and also shorter the time required to transfer the images from EO satellites to the ground station within a single pass.