一种基于空间-时间多预测模式的无损压缩方法与系统技术方案

本发明专利技术公开了一种基于空间-时间多预测模式的无损压缩方法，包括：(1)利用星载成像系统获取序列图像f；(2)把步骤(1)获取的每一帧图像fk,k＝1,划分成互不重叠且大小为M×N的子块fk,i,i＝1,2Su,m.I，SumI为子块总数，M，N为预设值；(3)令步骤(2)中第3j+1,j＝0,1,...帧图像为参考帧图像，进行分块JPEG-LS编码；(4)第3j+2和3j+3帧图像参考第3j+1帧图像进行空间-时间多预测帧间无损编码。本发明专利技术还提供了相应的基于空间-时间多预测模式的无损压缩系统。本发明专利技术方法综合了图像在空间和时间上的相关性来改进预测方式，把图像分成若干子块，对不同子块自适应选择最优预测方式进行预测，从而使预测器对图像不同特征的区域具有自适应性，因此基于空间-时间多预测模式的无损编码方法对序列图像的压缩效果较好。

【技术实现步骤摘要】
一种基于空间-时间多预测模式的无损压缩方法与系统
本专利技术属于数字图像处理
，具体涉及一种基于空间-时间多预测模式的无损压缩方法与系统。
技术介绍
随着星载成像载荷种类和分辨率的提高，在有效观测时间段内卫星获取的图像数据量越来越大。受地面接收站地理分布、星上存储资源、下传带宽能力等限制，海量的图像数据给卫星数据管理造成极大的压力，进行星载图像压缩是解决该问题的必然选择。除了获取卫星图像的代价高以外，图像数据本身也是非常重要的，因此，一般星载压缩系统常采用JPEG-LS无损压缩技术。JPEG-LS是针对连续色调图像无损压缩的ISO/ITU标准，是对静止图像实现了低复杂度和高压缩比的有效统一，然而星载成像传输技术中，活动的图像是卫星关注的主要对象。卫星图像是由时间上以帧周期为间隔的连续图像组成的时间图像序列。序列图像中，图像在时间上比在空间上通常具有更大的相关性，有时相邻两帧图像的差别仅仅是目标的移动。图像帧间相关性最简单的计算方法是直接用当前帧减去前一帧图像的灰度值，即选择前一帧图像对应位置的像素值作为当前处理帧的预测值，该方法也称为帧间差分编码。如果图像运动量小或者空间细节很少时，帧间差分编码的编码效率很高，但当图像的空间细节丰富或存在噪声时，帧间差分编码效率会降低。当图像中存在大量运动着的物体，简单的差分预测不能收到良好的效果，如图1所示，两幅图像只是目标运动，直接差分不但不能使预测的误差范围变小，而且可能增加数据的动态范围。于是具有运动补偿的帧间预测方法被提出，其流程如图2所示，该方法通过先进行运动估计使预测误差比较准确，从而预测的误差也会减小，可以获得更好的数据压缩比。考虑到图像不同区域的不同特性，以及目标区域与背景区域的差别，具有运动补偿的帧间预测方法把图像划分成许多互不重叠的相同大小的子块，不同子块可以自适应选择一个最优的预测模板，如图3所示，采用这个模板进行预测，使子块内的累计预测误差绝对值最小。如果图像空间细节很少或者目标运动量较小时，具有运动补偿的帧间预测编码的编码效率很高，但当图像的空间细节丰富时，有时子块的帧间相关性比空间相关性还差，具有运动补偿的帧间预测编码效率会降低。综上所述，需要研究新的数字图像处理技术，来提高序列图像的压缩比，降低星载成像系统存储和传输数据的压力。
技术实现思路
本专利技术的目的在于提供一种基于空间-时间多预测模式的无损压缩方法，该方法弥补了传统压缩方法只是利用序列图像帧内或帧间相关性的盲目性，充分利用序列图像在空间和时间上的相关性，从而能有效地提高图像编码效率。为了实现上述目的，按照本专利技术的第一方面，提供了一种基于空间-时间多预测模式的无损压缩方法，其步骤包括：(1)利用星载成像系统获取序列图像f；(2)把步骤(1)获取的每一帧图像fk,k＝1,2,...划分成互不重叠且大小为M×N的子块fk,i,i＝1,2,...,SumI，SumI为子块总数，M，N为预设值；(3)令步骤(2)中第3j+1,j＝0,1,...帧图像为参考帧图像，进行分块JPEG-LS编码；(4)第3j+2和3j+3帧图像参考第3j+1帧图像进行空间-时间多预测帧间无损编码；包括如下子步骤：(4.1)在参考帧f3j+1中搜索当前子块fc,i,c＝3j+2或3j+3；i＝1,2,...,SumI的最佳匹配块，获得运动矢量(m0,n0)；(4.2)根据上述运动矢量(m0,n0)，对当前子块fc,i中每个像素fc,i(m,n)利用三个基本预测器分别进行预测，得到预测的像素值d∈[1,2,3]；(4.3)计算当前子块fc,i中所有像素的累积预测误差绝对值SADd：其中，xk(m,n)＝fc,i(m,n)(4.4)选择使累积预测误差绝对值最小的预测器作为该子块的固定预测器：(4.5)利用步骤(4.4)求得的固定预测器对当前子块fc,i中每个像素fc,i(m,n)进行预测，然后对预测误差采用基于上下文的Golomb熵编码，从而得到压缩码流。进一步地，所述步骤(4.2)中的三个基本预测器具体为：(4.2.1)预测器1：该预测器不考虑参考帧的像素信息，仅利用当前帧内的相邻像素进行预测：其它其中T1∈[10,20]和T2∈[10,20]分别为门限阈值；(4.2.2)预测器2：该预测器用到参考帧中的像素，利用运动矢量(m0,n0)得到的邻近像素对该像素进行预测，最后再线性加权修正，即：由上述三个预测值的平均值作为预测结果：(4.2.3)预测器3：该预测器假设相邻两帧图像中对应像素的预测误差非常接近，于是利用参考帧中对应像素的预测误差对当前像素进行预测，具体形式为：其中对上述预测模板中各像素的定义为：ak-1＝f3j+1(m-m0,n-n0-1)ak＝fc,i(m,n-1)bk-1＝f3j+1(m-m0-1,n-n0)bk＝fc,i(m-1,n)ck-1＝f3j+1(m-m0-1,n-n0-1)ck＝fc,i(m-1,n-1)dk-1＝f3j+1(m-m0-1,n-n0+1)dk＝fc,i(m-1,n+1)xk-1＝f3j+1(m-m0,n-n0)xk＝fc,i(m,n)。按照本专利技术的另一方面，还提供了一种基于空间-时间多预测模式的无损压缩系统，包括如下模块：序列图像获取模块，用于利用星载成像系统获取序列图像f；子块划分模块，用于把序列图像获取模块获取的每一帧图像fk,k＝1,2,划分成互不重叠且大小为M×N的子块fk,i,i＝1,2,...,SumI，SumI为子块总数，M，N为预设值；JPEG-LS编码模块，用于将子块划分模块生成的第3j+1,j＝0,1,...帧图像为参考帧图像，进行分块JPEG-LS编码；多预测模式的帧间无损编码，用于对第3j+2和3j+3帧图像参考第3j+1帧图像进行空间-时间多预测帧间无损编码；包括如下子模块：运动矢量获取子模块，用于在参考帧f3j+1中搜索当前子块fc,i,c＝3j+2或3j+3；i＝1,2,...,SumI的最佳匹配块，获得运动矢量(m0,n0)；基本预测器预测子模块，用于对当前子块fc,i中每个像素fc,i(m,n)利用三个基本预测器分别进行预测；误差绝对值计算子模块，用于计算当前子块fc,i中所有像素的累积预测误差绝对值SADd：预测器选择子模块，用于选择使累积预测误差绝对值最小的预测器作为该子块的固定预测器：编码子模块，用于利用预测器选择子模块选择的固定预测器对当前子块fc,i中每个像素fc,i(m,n)进行预测，然后对预测误差采用基于上下文的Golomb熵编码，从而得到压缩码流。进一步地，所述基本预测器预测子模块具体包括：预测器1：该预测器不考虑参考帧的像素信息，仅利用当前帧内的相邻像素进行预测：其它其中T1∈[10,20]和T2∈[10,20]分别为门限阈值；预测器2：该预测器用到参考帧中的像素，利用运动矢量(m0,n0)得到的邻近像素对该像素进行预测，最后再线性加权修正，即：由上述三个预测值的平均值作为预测结果：预测器3：该预测器假设相邻两帧图像中对应像素的预测误差非常接近，于是利用参考帧中对应像素的预测误差对当前像素进行预测，具体形式为：其中，对上述预测模板中各像素的定义为：ak-1＝f3j+1(m-m0,n-n0-1)ak＝fc,i(m本文档来自技高网...

【技术保护点】
一种基于空间‑时间多预测模式的无损压缩方法，其特征在于，所述方法包括如下步骤：(1)利用星载成像系统获取序列图像f；(2)把步骤(1)获取的每一帧图像fk,k＝1,2,...划分成互不重叠且大小为M×N的子块fk,i,i＝1,2,...,SumI，SumI为子块总数，M，N为预设值；(3)令步骤(2)中第3j+1,j＝0,1,...帧图像为参考帧图像，进行分块JPEG‑LS编码；(4)第3j+2和3j+3帧图像参考第3j+1帧图像进行空间‑时间多预测帧间无损编码；包括如下子步骤：(4.1)在参考帧f3j+1中搜索当前子块fc,i,c＝3j+2或3j+3；i＝1,2,...,SumI的最佳匹配块，获得运动矢量(m0,n0)；(4.2)根据上述运动矢量(m0,n0)，对当前子块fc,i中每个像素fc,i(m,n)利用三个基本预测器分别进行预测，得到预测的像素值(4.3)计算当前子块fc,i中所有像素的累积预测误差绝对值SADd：SADd=Σm=1MΣn=1N|x‾kd(m,n)-xk(m,n)|,d∈[1,2,3]]]>其中，xk(m,n)＝fc,i(m,n)(4.4)选择使累积预测误差绝对值最小的预测器作为该子块的固定预测器：mode=argmind=1,2,3{SADd}]]>(4.5)利用步骤(4.4)求得的固定预测器对当前子块fc,i中每个像素fc,i(m,n)进行预测，然后对预测误差采用基于上下文的Golomb熵编码，从而得到压缩码流。...

【技术特征摘要】
1.一种基于空间-时间多预测模式的无损压缩方法，其特征在于，所述方法包括如下步骤：(1)利用星载成像系统获取序列图像fk,k＝1,2,...；(2)把步骤(1)获取的每一帧图像fk划分成互不重叠且大小为M×N的子块fk,i,i＝1,2,...,SumI，SumI为子块总数，M，N为预设值；(3)令步骤(2)中第3j+1,j＝0,1,...帧图像为参考帧图像，进行分块JPEG-LS编码；(4)第3j+2和3j+3帧图像参考第3j+1帧图像进行空间-时间多预测帧间无损编码；包括如下子步骤：(4.1)在参考帧f3j+1中搜索当前子块fc,i,c＝3j+2或3j+3；i＝1,2,...,SumI的最佳匹配块，获得运动矢量(m0,n0)；(4.2)根据上述运动矢量(m0,n0)，对当前子块fc,i中每个像素fc,i(m,n)利用三个基本预测器分别进行预测，得到预测的像素值d∈[1,2,3]；(4.3)计算当前子块fc,i中所有像素的累积预测误差绝对值SADd：其中，xk(m,n)＝fc,i(m,n)(4.4)选择使累积预测误差绝对值最小的基本预测器作为该子块的固定预测器：(4.5)利用步骤(4.4)求得的固定预测器对当前子块fc,i中每个像素fc,i(m,n)进行预测，然后对预测误差采用基于上下文的Golomb熵编码，从而得到压缩码流；所述步骤(4.2)中的三个基本预测器具体为：(4.2.1)预测器1：该预测器不考虑参考帧的像素信息，仅利用当前帧内的相邻像素进行预测：其它其中T1∈[10,20]和T2∈[10,20]分别为门限阈值；(4.2.2)预测器2：该预测器用到参考帧中的像素，利用运动矢量(m0,n0)得到的邻近像素对该像素进行预测，最后再线性加权修正，即：由上述三个预测值的平均值作为预测结果：(4.2.3)预测器3：该预测器假设相邻两帧图像中对应像素的预测误差非常接近，于是利用参考帧中对应像素的预测误差对当前像素进行预测，具体形式为：其中对上述预测模板中各像素的定义为：ak-1＝f3j+1(m-m0,n-n0-1)ak＝fc,i(m,n-1)bk-1＝f3j+1(m-m0-1,n-n0)bk＝fc,i(m-1,n)ck-1＝f3j+1(m-m0-1,n-n0-1)ck＝fc,i(m-1,n-1)dk-1＝f3j+1(m-m0-1,n-n0+1)dk＝fc,i(m-1,n+1)xk-1＝f3j+1(m-m0,n-n0)xk＝fc,i(m,n...

【专利技术属性】
技术研发人员：张天序，左芝勇，周雨田，邓丽华，姚守悝，刘立，许明星，张耀宗，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42