一种高效的数字高程模型数据无损压缩的方法技术

本发明专利技术实现了用最优线性二乘预测模型和自适应算术编码技术来实现数字高程模型的快速无损压缩。在保持数字高程模型数据信息压缩前后无丢失的情况下，实现数字高程模型数据更高的压缩率、压缩时间更短。压缩过程分为两步：第一步，通过最优线性二乘预测模型识别和消除数字高程模型相邻高程间信息冗余，提取独立的空间信息，减小信息熵，即通过最优线性二乘预测模型去相关后，用一个无冗余或冗余度较小的数组代替；下一步，对该数组采用自适应算术编码技术对所提取的信息进行编码，使减少后的信息熵得以具体实现，进一步减少数据量。经过这两步后，得到具有更高压缩比的二进制数据流。

【技术实现步骤摘要】

本专利技术涉及，属于空间信息
ニ
技术介绍
随着空间信息技术的发展。人们获取高分辨率的数字高程模型(DEM)的自动化程度越来越高，DEM的分辨率和数据量迅速增长，一个系统处理的DEM多达几百个Gbtyte，甚至几个TB，这些数据的存储占用大量硬盘空间，超过了计算机硬件的发展速度；再有就是目前的网络带宽和传输速率都有限，为了加快DEM在网络上的传输，数据的压缩技术提供ー种有效的解决方案。此外压缩技术也是维护数据的安全性的重要手段之一。数据压缩根据重建过程中有无信息丢失分为无损压缩和有损压縮。虽然有损压 缩可以获得比无损压缩更高的压缩比，对减小存储设备的占用空间和网络的传输时间具有广泛的意义，但它并不能精确的重建原始DEM的内容，会丢失部分信息，并且压缩过程不可逆。在某些领域人们要求数据具有非常高的可信度，如DEM中涉及到国家主权的边界线以及反映地势变化的高程信息等，有损压缩丢失的这部分信息对我们来说是至关重要的，因此高效的无损压缩算法对保证数据的精度、存储、传输和信息的处理具有非常重要的现实意义。有关文献提出了很多关于文本、影像的有损和无损压缩算法，这些算法虽然在图像压缩时获得很高的压缩率，由于DEM中的高程值是浮点数，且相邻值之间存在某种相关性，这些算法往往难以应用到DEM数据的无损压缩上或压缩率不高、压缩时间较长。本专利技术实现了用最优线性ニ乘预测模型和自适应算术编码技术来实现DEM的快速无损压縮。
技术实现思路
I、目的本专利技术的目的是提供ー种DEM数据高效无损压缩的方法，在保持DEM数据信息压缩前后无丢失的情况下，实现DEM数据更高的压缩率、压缩时间更短。2、技术方案本专利技术涉及，该方法的步骤流程如图I所示。DEM的压缩分为两个过程第一歩，通过最优线性ニ乘预测模型识别和消除DEM相邻高程间信息冗余，提取独立的空间信息，减小信息熵，即，对ー个mXn的数字高程模型H[iXn+j]通过预测模型去相关后用一个无冗余或冗余度较小的数组pVar[iXn+j]代替，其中m,m、n为正整数；下ー步，对pVar[iXn+j]采用自适应算术编码技术对所提取的信息进行编码，使減少后的信息熵得以具体实现，进ー步减少数据量。经过这两步后，会得到具有高压缩比的ニ进制数据流。具体实现过程如下步骤ー建立最优线性ニ乘预测模型预测就是利用DEM中相邻数据间的相关性，来估计下一点的信息。因为数据压缩和解压缩过程采用同样的规则进行预测，所以可以从编码后的信息准确的恢复原始DEM数据。本专利技术采用的自适应算木编码是ー种熵编码，熵编码对服从高斯分布的数据要比均匀分布的数据有更高的描述效率。高程数据一般不服从高斯分布，如果离散数据中的每个数据是ー个随机变量，则整个数据集服从高斯分布，所以首先引入ー个线性预测模型消除DEM之间的相关性，最后生成的DEM改正数近似服从高斯分布。由于DEM数据是ー个顺序排列的ニ维矩阵，后一个点的条件概率分布能够由前一已编码的数据集获得。令C= Ixmn:η < j, O ^ m < N ；n = j, O ^ m < i},其中DEM的大小为nXm,xi+1是下ー个要编码的高程值。为了取得最后的压缩效果，希望xi+1在整个ニ维矩阵中的概率P(公式I)最大。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高效的数字高程模型数据无损压缩的方法步骤包括 步骤ー建立最优线性ニ乘预测模型 由于数字高程模型(DEM)中任一点(i，j)的高程变量H(i，j)是服从正态分布的随机变量，其预测值误差可以由相邻点高程获得，DEM中(i，j)点的高程误差Viij由公式(I)计算得出。v i, j 一 Hi, j_ ...

【专利技术属性】
技术研发人员：张立强，张良，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：