一种基于三维预测的高光谱图像无损压缩方法技术

一种基于三维预测的高光谱图像无损压缩方法，涉及图像处理领域本发明专利技术的特征在于具有以下处理步骤：（１）计算机从存储设备读入高光谱图像；（２）计算各个波段间的相关系数矩阵；（３）计算相关系数矩阵的最大生成树，得到预测顺序表；（４）根据预测顺序表对图像进行自适应预测编码（５）将压缩后的数据输出到缓存器，可以直接在本地进行存储或通过网络进行远程传输等操作（６）关闭预测顺序表文件及原始高光谱图像文件。本发明专利技术所提供的方法能够有效的去处高光谱图像的空间／谱间相关性，实现高效的无损压缩，与目前无损／近无损压缩标准ＪＰＥＧ－ＬＳ相比，本发明专利技术获得的平均比特率能降低０．３ｂｐｐ（ｂｉｔ／ｐｉｘｅｌ）左右。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，设计和实现了一种基于波段排序和自适应预测的高光谱图像无损压缩方法。
技术介绍
一切物体均具有反射或辐射不同波长电磁波的特性，通过识别电磁波而达到识别物体及其存在环境的技术，称为遥感。成像光谱技术是上世纪80年代发展起来的遥感技术，它将成像与光谱技术结合起来，能够在连续光谱段上对同一地物同时成像，在探测物体空间特征的同时，又将每个空间像元色散形成几十到几百个波段，带宽为10nm左右的连续光谱覆盖带，是既能够对目标成像，又可以测量目标物波谱特性的光学探测仪器，由成像光谱仪所获取的数据称为高光谱图像。通常地面物质吸收特征光谱反映在20～40nm之间，传统的多光谱遥感器，都是在几个离散的波段来获取图像，其谱带宽约100-200nm量级，在很大程度上平滑了不同物质可能表现的光谱吸收和反射特征。而成像光谱仪采样间隔小，一般为10nm左右，精细的光谱分辨率可以反映地物光谱的细微特征。根据高光谱图像和地物光谱特征，研究人员能够得到比普通遥感图像更为丰富、准确的信息，从而实现快速、定量的分析、识别地物类型和性质，遥感技术广泛应用于军事侦察、资源探测、灾害预防等各个方面。高光谱数据具有高的空间分辨率和光谱分辨率、超多波段和图谱合一等特点，高的空间和谱间分辨率使成像光谱仪获取的数据量也急剧增长，如标准的高光谱AVIRIS图像，有224个连续谱带，每个谱带图像的空间分辨率为512×614×12bit，一幅图像的数据量就达到100MB以上。显然，如果没有有效的压缩方法，将会限制高光谱数据的普及应用。另一方面，成像光谱数据获取代价昂贵，具有广泛的应用领域和长期的保存价值。有损压缩将会丢失一些对后续处理非常有用的信息，而高光谱图像的最终用途可能是不断变化的，在存储/传输过程中一般要求不丢失任何信息。显然，研究高效的无损压缩方法对于高光谱图像的应用有着特别重要的意义。高光谱数据可视为三维图像，在普通二维图像之外又多一维光谱信息。其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱维信息的有机融合。通过对空间/谱间相关性分析，高光谱图像具有以下特点1)纹理丰富复杂，空间相关性。因为高光谱图像的分辨率为几米，相邻的像素往往代表不同地物，因而空间相关性低于普通图像。2)波段多，光谱分辨率高，谱间相关性较强。成像光谱数据的波段宽度达到纳米量级，从可见光到近红外光谱区间波段数可达几十个乃至几百个，高光谱图像的每个波段图像的像素值，是相同区域地物在各个波段的反射值，它们是具有相关性的，其相关性的强弱在很大程度上取决于光谱分辨率。如图1为128波段的OMIS-I(Operational Modular Imaging Spectrometer，实用型模块化成像光谱仪)的相邻波段的相关系数曲线，可以看出各波段间存在相关性，特别是前64个波段的相邻波段的相关系数几乎为1，因此压缩时应该尽量利用光谱维的冗余度。Shannon无失真信源编码定理指出，无失真编码的理论极限是信源的平均信息量(熵)。H(X)=Σi=1Np(xi)I(xi)=-Σi=1Np(xi)logp(xi)---(1)]]>其中，X为信源，N为信源中符号的数目，i＝1，2，...，N，xi为信源中的符号，I(xi)为xi的信息量，p(xi)为各信源符号的概率，H(X)为信源X的熵，即信源各符号的平均信息量。无失真信源编码定理表明，如果知道一个无记忆信源X的熵H(X)，那么总能找到一种信源的压缩编码方法，使每个符号所需的比特数尽量接近H(X)。如果对图像直接进行熵编码，并不能获得理想的压缩效果，原因是图像的信源数据不是互相独立的，是一种有记忆的信源，即相邻像素之间存在着很大的冗余度。图像压缩技术应首先消除减少这种相关性，因此，图像无损压缩一般分为两步1)去相关。去相关方法主要有基于预测和变换方法。2)熵编码。去除图像的统计冗余，用较少的比特数来表示原始数据，将去相关后的图像编码为二值比特流。常用的熵编码方法有霍夫曼编码，算术编码。国内外对高光谱图像压缩的研究主要有基于三维预测的方法，三维变换的方法，矢量量化等，但这些方法都比较复杂，压缩效果不太理想。为了适应图像编码技术的广泛应用，国际标准化组织也制定了一系列的图像压缩标准，如JPEG，JPEG-LS，JPEG2000等。在上述标准中，JPEG-LS的无损压缩效率最高，但是目前国际标准都是针对二维普通图像去除空间相关性，而高光谱图像为三维数据，地物上的每一个像元在各个谱段上对应的像素值不仅与其空间位置有关，还与光谱位置有关，目前的国际标准不能有效的利用高光谱图像具有空间和谱间相关性的特点，压缩效率也不高。
技术实现思路
高的光谱分辨率使得高光谱图像的谱间相关性很强。本专利技术从去除空间和谱间冗余出发，提出了一种基于最优预测波段排序的三维自适应预测方法，设计并实现了整个高光谱图像的无损压缩方法。本专利技术首先计算高光谱图像波段相关系数矩阵，得到该系数矩阵的最大生成树，由该最大生成树作为波段预测顺序。然后采用一种基于误差反馈的自适应调整预测系数的三维预测方法同时去除空间和谱间相关性，通过自适应的调整预测系数，从而有效的降低预测残差的熵值，最后对预测残差进行熵编码。整个编码过程不丢失任何信息，解码的时候能够无损的恢复出原始图像。该方法充分利用了高光谱图像同时具有空间和谱间相关性的特点，整个方法压缩效率高，方法复杂度低，执行速度快。本专利技术的技术思路特征本专利技术的系统框图见图2。首先由成像光谱仪或其他数字化仪器完成高光谱数据的采集，将目标图像的光学信号转化为数字图像信号，存储在采集设备存储器中；计算机通过现有的USB、红外等接口读入图像，在处理器中进行基于三维预测的高光谱图像无损压缩；所得结果可以直接存储在本地硬盘，或通过网络存储设备进行网络存储，也可经由宽带IP网进行远程传输，在异地实现解码和恢复。本技术的核心在于基于三维预测的高光谱图像无损压缩的实现，其主要包括计算最优预测顺序，和根据预测顺序对当前波段进行三维自适应预测编码(一)计算最优波段预测顺序高光谱图像是在连续谱带上对同一地物同时成像，但不同波段之间的相关性并不相同。如果两个波段的相关性强，则意味着两个波段的图像提供的信息相似，利用其中的一幅图像的信息，就可以用较少的信息量表示出另一个波段的图像。因此，在对高光谱图像进行预测编码时，应该选择相关性较强的波段来进行预测编码，这样可以有效减少表示当前波段所用的信息量，提高压缩效率。显然，选取相关性较大的波段进行预测，是提高三维预测编码效率的关键之一。(二)自适应预测编码选择合适的预测系数能够提高预测精度，但最优预测系数是随着编码过程的进行而不断变化的。本专利技术采用一种基于误差反馈的自适应调整预测系数的方法，能够大大提高预测精度。，流程图见图3，包括通过成像光谱仪或其他数字化仪器完成高光谱数据的采集，将目标图像的光学信号转化为数字图像信号，存储在采集设备存储器中；计算机通过现有的USB、红外等接口读入图像，在处理器中进行基于三维预测的高光谱图像无损压缩；所得结果可以直接存储在本地硬盘，或通过网络存储设备进行网络存储，也可经由本文档来自技高网...

【技术保护点】
一种基于三维预测的高光谱图像无损压缩方法，是由成像光谱仪或其他数字化仪器完成高光谱数据的采集，将目标图像的光学信号转化为数字图像信号，存储在采集设备存储器中；计算机通过现有的ＵＳＢ、红外等接口读入图像，在处理器中进行基于三维预测的高光谱图像无损压缩；所得结果可以直接存储在本地硬盘，或通过网络存储设备进行网络存储，也可经由宽带ＩＰ网进行远程传输，在异地实现解码和恢复；其特征在于上述高光谱图像无损压缩包括下述步骤；１）计算机从存储设备读入高光谱图像，每个波段的图像可用一个 二维数组表示，下面提到的Ｘ，Ｙ，Ｕ，Ｖ均表示一幅图像，且可用Ｘ（ｉ，ｊ）表示第ｉ行和第ｊ列处的像素值；２）计算各个波段间的相关系数矩阵；采用相关系数来确定波段之间的相关性，如下式：＊＊＊①其中，Ｈ和Ｗ分别 表示图像的高度和宽度，ｉ和ｊ分别表示像素所在的行和列，Ｘ和Ｙ分别表示两个波段获取的图像，以下简称波段，μ↓［ｘ］和μ↓［ｙ］分别表示波段Ｘ和Ｙ的像素均值，Ｄ（Ｘ）、Ｄ（Ｙ）为波段Ｘ、Ｙ的方差，Ｃｏｖ（Ｘ，Ｙ）为波段Ｘ和波段Ｙ之间的协方差，ρ↓［ＸＹ］为波段Ｘ与Ｙ之间的相关系数；设高光谱图像有Ｎ个波段，各波段之间的相关系数形成Ｎ×Ｎ的相关系数矩阵，并将对角线和上三角矩阵的值置为０，如图４所示；　３）计算相关系数矩阵的最大生成树，得到预测顺序表，具体步骤如下：ｉ、 在初始相关系数矩阵中搜索最大值，ρ↓［ＸＹ］＝ｍａｘ（ρ↓［１１］，ρ↓［１２］，…，ρ↓［ＮＮ］）②其中，ｍａｘ表示取最大值的函数，由此得到两个波段预测图像Ｘ和Ｙ，简称为一个预测对，它表示一个波段可用于预测另一个波段， 表明了两个波段间的预测关系；这时将相关系数矩阵中的ρ↓［ＸＹ］置为０以更新相关系数矩阵；将Ｘ和Ｙ的预测关系输出到一个外部存档文件中；ｉｉ、在步骤ｉ中更新过的相关系数矩阵中搜索与Ｘ和Ｙ相关系数最大的值，设为ρ↓［.Ｕ］，即 ρ↓［.Ｕ］＝ｍａｘ（ρ↓［Ｘ１］，ρ↓［Ｘ２］，…，ρ↓［ＸＮ］，ρ↓［１Ｘ］，ρ↓［２Ｘ］，…，ρ↓［ＮＸ］，ρ↓［Ｙ１］，ρ↓［Ｙ２］，…，ρ↓［ＹＮ］，ρ↓［１Ｙ］，ρ↓［２Ｙ］，…，ρ↓［ＮＹ］）③设为ρ↓［.Ｕ］ ，即ρ↓［.Ｕ］＝ｍａｘ（ρ↓［Ｘ１］，ρ↓［Ｘ２］，…，ρ↓［ＸＮ］，ρ↓［１Ｘ］，ρ↓［２Ｘ］，…，ρ↓［ＮＸ］，ρ↓［Ｙ１］...

【技术特征摘要】

【专利技术属性】
技术研发人员：张晓玲，沈兰荪，柴焱，王晋，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：11[中国|北京]