CN101582169A - 基于三维小波变换的分布式超光谱图像压缩方法 - Google Patents
基于三维小波变换的分布式超光谱图像压缩方法 Download PDFInfo
- Publication number
- CN101582169A CN101582169A CNA200910023084XA CN200910023084A CN101582169A CN 101582169 A CN101582169 A CN 101582169A CN A200910023084X A CNA200910023084X A CN A200910023084XA CN 200910023084 A CN200910023084 A CN 200910023084A CN 101582169 A CN101582169 A CN 101582169A
- Authority
- CN
- China
- Prior art keywords
- bit plane
- group
- significant coefficient
- code stream
- current group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明提出了一种基于三维小波变换的分布式超光谱图像压缩方法,其过程是:1.将超光谱图像分成若干编码单元;2.对超光谱图像的每个编码单元进行三维小波变换;3.将变换后的图像分组,其中一组作为参考组,另一组作为当前组;4.将参考组用三维SPIHT方法编码,得到参考组压缩码流,传至解码端;5.对当前组用SW-SPIHT算法进行分解,得到对应的三组位平面码流,分别是重要系数位平面、重要系数符号位平面和细化位平面;6.用低密度奇偶检验码对当前组的重要系数符号位平面和细化位平面进行编码,得到对应的校验比特流,并将当前组重要系数位平面码流传至解码端,完成超光谱图像的压缩。本发明具有编码复杂度低,压缩性能好的优点,可用于对超光谱图像的压缩。
Description
技术领域
本发明属于图像处理技术领域,特别是涉及图像压缩方法,可用于低复杂度的超光谱图像压缩。
背景技术
在遥感技术飞速发展的当今时代,利用对地遥感观测得到的超光谱遥感图像是一种重要的数据源,它包含了丰富的地物光谱信息,可以用在对地物探测、识别等领域。但由于超光谱遥感图像的数据量庞大,每幅光谱图都有几十到几百个波段的信息,这给数据存储和传输带来很大负担,因此在存储和传输过程中必须对超光谱图像进行压缩。
众所周知,超光谱图像压缩对编码算法的复杂度要求是很挑剔的,目前的压缩方法如三维SPIHT和三维SPECK方法虽然被用于很多超光谱图像的压缩系统中,能实现对超光谱图像的有效压缩,但由于其方法的编码复杂度很高,使其实际应用受到限制。JPEG2000和二维SPIHT等超光谱图像压缩方法,方法虽然复杂度低,但是压缩性能却不高。所以找到一种算法复杂度低并且具有良好压缩性能的超光谱图像压缩方法是十分必要的。
发明内容
本发明的目的在于克服上述已有的缺点,提出一种基于三维小波变换的分布式超光谱图像压缩方法,以减小编码复杂度和提高图像的压缩性能。
实现本发明的技术方案是通过图像压缩和解压缩完成,其关键技术是将三维小波变换和与分布式信源编码方法相结合,其具体实现包括图像压缩和解压缩。
一、本发明的图像压缩,包括如下步骤:
(1)将原始超光谱图像分成若干编码单元,并对每个编码单元进行三维小波变换;
(2)将三维小波变换后的每个编码单元按照变换后的子带关系再分为两组,一组作为参考组,另一组作为当前组;
(3)将参考组用三维SPIHT方法编码,得到参考组压缩码流,传至解码端,完成参考组的压缩;
(4)对当前组用SW-SPIHT方法进行位平面分析,得到对应的三组位平面码流,即重要系数位平面码流、重要系数符号位平面码流和重要系数细化位平面码流;
(5)用低密度奇偶检验码LDPC对当前组的重要系数符号位平面和细化位平面码流进行编码,得到对应的校验比特流,将当前组重要系数位平面码流传至解码端,完成当前组的压缩。
二、本发明的图像解压缩,包括如下步骤:
A.将得到的参考组码流用三维SPIHT解码器解码;
B.利用传至解码端的当前组重要系数位平面码流对参考组三维SPIHT解码后得到的图像经SW-SPIHT方法进行位平面提取,得到参考组对应位置上的重要系数符号位平面和细化位平面码流,称之为边信息;
C.利用传至解码端的校验比特流对边信息校验,得到重构的当前组的重要系数符号位平面码流和重要系数细化位平面码流;
D.重组当前组的重构重要系数位平面、重要系数符号位平面、重要系数细化位平面,恢复出当前组图像;
E.将参考组和当前组解码后的图像按照原始顺序重排后,进行三维小波逆变换,得到重构图像。
本发明由于采用三维SPIHT方法对参考组进行编码,采用LDPC方法对当前组编码的分布式编码方法,克服了传统三维超光谱图像压缩方法算法复杂度高的缺点,大大降低了编码端的复杂度;同时由于本发明将三维小波变换和分布式相结合,能够实现优异的压缩性能。仿真结果表明,本发明的方法不仅优于传统的三维SPIHT方法,并且比JPEG2000方法和二维SPIHT方法的压缩性能也有很大提高。
附图说明
图1是本发明压缩流程图;
图2是本发明解压缩流程图;
图3是本发明与三维SPIHT方法性能对比图;
图4是本发明与二维SPIHT方法性能对比图;
图5是本发明与JPEG2000方法性能对比图。
具体实施方式
参照图1,本发明的图像压缩过程如下:
步骤1,将原始超光谱图像分成4个波段为一组的若干编码单元。
步骤2,对每个编码单元内的四个波段图像,先分别做二维九七小波变换,变换级数为五级;再对四个波段图像谱方向上做一次一维九七小波变换。
步骤3,根据三维小波变换后的子带关系将每个编码单元分成当前组和参考组。
分组方式为第一波段和第三波段分为一组;第二波段和第四波段分为一组。再任选其中一组作为当前组,另一组作为参考组。
步骤4,用三维SPIHT编码方法对参考组进行编码,得到参考组压缩码流,并将压缩码流传至解码端,完成参考组的压缩。
步骤5,用SW-SPIHT方法对当前组进行位平面分析,得到对应的三组位平面码流,分别是重要系数位平面码流、重要系数符号位平面码流和细化位平面码流。
SW-SPIHT方法的具体实现是将SPIHT方法中每次迭代产生的码流分成重要系数位平面码流、重要系数符号位平面码流和细化位平面码流三类存储。
步骤6,对当前组的重要系数符号位平面和细化位平面码流用LDPCA码进行编码得到累积校验位,在译码时传递给译码端。当前组重要系数位平面码流则不再做任何处理,直接传至解码端,完成当前组的压缩。
参照图2,本发明的图像解压缩过程如下:
步骤A,对参考组进行三维SPIHT解码。
步骤B,利用当前组的重要系数位平面码流对解码后的参考组进行处理,从中得到相应的重要系数位平面码流、重要系数符号位平面码流,即被作为边信息来考虑。其具体实现过程如下:
B1)最高比特面nmax=log2(max(|ci,j|)),其中,ci,j是变换系数,取参考组初始位平面n=nmax;阈值T=2n;将所有小波系数分为三类O(i,j)、D(i,j)和L(i,j),其中D(i,j)表示(i,j)位置小波系数的所有子节点的集合;O(i,j)表示(i,j)位置儿子节点的集合;L(i,j)=D(i,j)-O(i,j);H为所有根结点的集合。
B3)若重要系数信息位为1,说明LIP中(i,j)系数重要,输出(i,j)系数符号位,正为1,负为0,从LIP中去掉该系数,放入集合LSP;若重要系数信息位为0,则不做处理;
B4)对于LIS中D类系数,若重要系数信息位为0,则不做处理。若重要系数信息位为1,则输出该系数符号位,若下一重要系数信息位仍为1,输出它儿子节点的符号位,并将该儿子节点放入LSP;若下一个重要系数信息位为0,将该儿子节点放入LIP;对于还有后代的儿子节点,则作为L类放入LIS,否则从LIS中去除;
B5)对于LIS中L类系数,若重要系数信息位为1,输出该系数符号信息位,将它的儿子节点作为D类添加到LIS,将该系数从LIS中去除;若重要系数信息为0,则不做处理;
B6)对LSP中除去在上一步骤中新加入的系数,输出第n个比特面的值,得到细化位平面码流;
B7)位平面n=n-1,重复步骤B3)-B6)。最终得到边信息,即参考组的符号位平面码流和细化位平面码流。
步骤C,利用编码时产生的校验比特流对边信息进行校验,从而恢复出当前组的重要系数符号位平面和重要系数细化位平面。
步骤D,重组当前组的重要系数位平面、重要系数符号位平面和重要系数细化位平面码流。
步骤E,对当前帧和参考帧进行三维小波逆变换,从而结束解码。
本发明的效果可以通过以下具体实验数据进一步说明。
1.实验条件与内容:
本发明分别对Jasper、Cuprite和Moffett三幅图进行了测试,每幅图包括224个波段,每个波段包含512*512个像素。将图像分别按照上述压缩和解压缩的步骤进行,分别测试了压缩比特率为0.25bppp和1bppp的条件下的信噪比SNR。为测试本发明基于三维小波变换的分布式超光谱图像压缩方法,分别与三维SPIHT、二维SPIHT和JPEG2000方法进行了信噪比性能对比。
2.实验结果
图3对比了本发明与传统的三维SPIHT方法重构图像的信噪比,横坐标代表波段数,纵坐标代表信噪比值。其中图3(a)、图3(b)分别为Jasper在码率0.25和1情况下的信噪比对比结果。图3(c)、图3(d)分别为Cuprite在码率0.25和1情况下的对比结果。图3(e)、图3(f)分别为Moffett在码率0.25和1情况下的对比结果。由图3可见,本发明方法要优于传统的三维SPIHT方法。
图4对比了本发明与二维SPIHT方法重构图像的信噪比,横坐标代表波段数,纵坐标代表信噪比值。其中图4(a)、图4(b)分别为Jasper在码率0.25和1情况下的对比结果。图4(c)、图4(d)分别为Cuprite在码率0.25和1情况下的对比结果。图4(e)、图4(f)分别为Moffett在码率0.25和1情况下的对比结果。由图4可见,本发明方法比二维SPIHT方法性能有很大提高。
图5对比了本发明与JPEG2000方法重构图像的信噪比,横坐标代表波段数,纵坐标代表信噪比值。其中图5(a)、图5(b)分别为Jasper在码率0.25和1情况下的对比结果。图5(c)、图5(d)分别为Cuprite在码率0.25和1情况下的对比结果。图5(e)、图5(f)分别为Moffett在码率0.25和1情况下的对比结果。由图5可见,本发明方法比JPEG2000方法性能有很大提高。
本发明比三维SPIHT、二维SPIHT、JPEG2000方法平均提升的信噪比结果如表1所示。
表1:本发明比三维SPIHT、二维SPIHT、JPEG2000方法平均提升的信噪比SNR性能比较(SNR的单位:dB;码率的单位:bppp)
从表1可见,本发明压缩性能要优于三维SPIHT方法,并且比JPEG2000和二维SPIHT方法的性能有很大提高。
本发明方法可以实现对超光谱图像的压缩,具有优于三维SPIHT方法、JPEG2000和二维SPIHT方法的压缩性能,而且编码复杂度低,更适合于超光谱图像的压缩。
Claims (5)
1.一种基于三维小波变换的分布式超光谱图像压缩方法,包括:
(1)将原始超光谱图像分成若干编码单元,并对每个编码单元进行三维小波变换;
(2)将三维小波变换后的每个编码单元按照变换后的子带关系再分为两组,一组作为参考组,另一组作为当前组;
(3)将参考组用三维SPIHT方法编码,得到参考组压缩码流,传至解码端,完成参考组的压缩;
(4)对当前组用SW-SPIHT方法进行位平面分析,得到对应的三组位平面码流,即重要系数位平面码流、重要系数符号位平面码流和重要系数细化位平面码流;
(5)用低密度奇偶检验码LDPC对当前组的重要系数符号位平面和细化位平面码流进行编码,得到对应的校验比特流,将当前组重要系数位平面码流传至解码端,完成当前组的压缩。
2.根据权利要求1所述的图像压缩方法,其中步骤(1)所述的编码单元定义为选取连续的四个波段的光谱图,所述的三维小波变换采用的是九七小波变换。
3.根据权利要求1所述的图像压缩方法,其中步骤(2)所述的将三维小波变换后的每个编码单元按照变换后的子带关系再分为两组,是将第一波段和第三波段图像为一组;将第二波段和第四波段图像为一组。
4.根据权利要求1所述的图像压缩方法,其中步骤(5)所述的低密度奇偶检验码LDPC,采用David Varodayan提出的LDPCA码。
5.一种基于三维小波变换的分布式超光谱图像解压缩方法,包括:
A.将得到的参考组码流用三维SPIHT解码器解码;
B.利用传至解码端的当前组重要系数位平面码流对参考组三维SPIHT解码后得到的图像经SW-SPIHT方法进行位平面提取,得到参考组对应位置上的重要系数符号位平面和细化位平面码流,称之为边信息;
C.利用传至解码端的校验比特流对边信息校验,得到重构的当前组的重要系数符号位平面码流和重要系数细化位平面码流;
D.重组当前组的重构重要系数位平面、重要系数符号位平面、重要系数细化位平面,恢复出当前组图像;
E.将参考组和当前组解码后的图像按照原始顺序重排后,进行三维小波逆变换,得到重构图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200910023084XA CN101582169A (zh) | 2009-06-26 | 2009-06-26 | 基于三维小波变换的分布式超光谱图像压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200910023084XA CN101582169A (zh) | 2009-06-26 | 2009-06-26 | 基于三维小波变换的分布式超光谱图像压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101582169A true CN101582169A (zh) | 2009-11-18 |
Family
ID=41364304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200910023084XA Pending CN101582169A (zh) | 2009-06-26 | 2009-06-26 | 基于三维小波变换的分布式超光谱图像压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101582169A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840569A (zh) * | 2010-03-19 | 2010-09-22 | 西安电子科技大学 | 基于迁移学习的投影寻踪高光谱图像分割方法 |
CN101893552A (zh) * | 2010-07-06 | 2010-11-24 | 西安电子科技大学 | 基于压缩感知的高光谱成像仪及成像方法 |
CN102256137A (zh) * | 2011-07-13 | 2011-11-23 | 西安电子科技大学 | 基于上下文预测的极光图像无损编码方法 |
CN102905137A (zh) * | 2012-11-01 | 2013-01-30 | 重庆邮电大学 | 超光谱信号的快速差值矢量量化压缩编码方法 |
CN103969659A (zh) * | 2014-05-27 | 2014-08-06 | 西安电子科技大学 | 基于压缩感知的天体光谱图像成像方法 |
CN105388484A (zh) * | 2014-08-29 | 2016-03-09 | 莱卡地球系统公开股份有限公司 | 距离数据压缩 |
CN107257473A (zh) * | 2017-07-18 | 2017-10-17 | 西安电子科技大学 | 一种高效的图像压缩算法 |
CN114978431A (zh) * | 2022-06-09 | 2022-08-30 | 北京青云智创科技有限公司 | 微型无人机数字图像无线传输方法 |
-
2009
- 2009-06-26 CN CNA200910023084XA patent/CN101582169A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840569B (zh) * | 2010-03-19 | 2011-12-07 | 西安电子科技大学 | 基于迁移学习的投影寻踪高光谱图像分割方法 |
CN101840569A (zh) * | 2010-03-19 | 2010-09-22 | 西安电子科技大学 | 基于迁移学习的投影寻踪高光谱图像分割方法 |
CN101893552A (zh) * | 2010-07-06 | 2010-11-24 | 西安电子科技大学 | 基于压缩感知的高光谱成像仪及成像方法 |
CN102256137A (zh) * | 2011-07-13 | 2011-11-23 | 西安电子科技大学 | 基于上下文预测的极光图像无损编码方法 |
CN102256137B (zh) * | 2011-07-13 | 2013-07-17 | 西安电子科技大学 | 基于上下文预测的极光图像无损编码方法 |
CN102905137B (zh) * | 2012-11-01 | 2015-09-09 | 重庆邮电大学 | 超光谱信号的快速差值矢量量化压缩编码方法 |
CN102905137A (zh) * | 2012-11-01 | 2013-01-30 | 重庆邮电大学 | 超光谱信号的快速差值矢量量化压缩编码方法 |
CN103969659A (zh) * | 2014-05-27 | 2014-08-06 | 西安电子科技大学 | 基于压缩感知的天体光谱图像成像方法 |
CN103969659B (zh) * | 2014-05-27 | 2016-05-25 | 西安电子科技大学 | 基于压缩感知的天体光谱图像成像方法 |
CN105388484A (zh) * | 2014-08-29 | 2016-03-09 | 莱卡地球系统公开股份有限公司 | 距离数据压缩 |
CN107257473A (zh) * | 2017-07-18 | 2017-10-17 | 西安电子科技大学 | 一种高效的图像压缩算法 |
CN107257473B (zh) * | 2017-07-18 | 2020-01-10 | 西安电子科技大学 | 一种高效的图像压缩算法 |
CN114978431A (zh) * | 2022-06-09 | 2022-08-30 | 北京青云智创科技有限公司 | 微型无人机数字图像无线传输方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101582169A (zh) | 基于三维小波变换的分布式超光谱图像压缩方法 | |
CN102148986B (zh) | 基于自适应块压缩传感的渐进图像编码方法 | |
CN104506752B (zh) | 一种基于残差压缩感知的相似图像压缩方法 | |
CN108495132B (zh) | 基于轻量级深度卷积网络的遥感影像大倍率压缩方法 | |
CN103873877A (zh) | 远程桌面的图像传输方法及装置 | |
CN104811621A (zh) | 一种高效图像采集与压缩方法 | |
CN105825530B (zh) | 基于感兴趣区域的海岸带高光谱图像分布式有损编码和解码方法 | |
CN101924562A (zh) | 基于整数小波变换的曲线矢量数据压缩式编码方案 | |
CN103905831A (zh) | 基于图形处理器的条带波变换图像压缩方法 | |
CN101132530A (zh) | 基于游程编码实现嵌入式图像压缩的方法 | |
CN103179397A (zh) | 一种高光谱图像压缩与重构装置及方法 | |
CN108419083A (zh) | 一种图像多级小波全子带压缩感知编码算法 | |
Azman et al. | A hybrid predictive technique for lossless image compression | |
Bajpai et al. | Curvelet transform based compression algorithm for low resource hyperspectral image sensors | |
CN109194968B (zh) | 一种融合信源信道译码的图像压缩感知方法 | |
Wu et al. | A novel and comprehensive compressive sensing-based system for data compression | |
CN101511020A (zh) | 一种基于稀疏分解的图像压缩方法 | |
Li et al. | Multispectral Image Compression Based on DSC Combined with CCSDS‐IDC | |
Chandra et al. | 3D-Memory efficient listless set partitioning in hierarchical trees for hyperspectral image sensors | |
CN103578122A (zh) | 基于小波变换的分布式超光谱图像压缩方法 | |
Reddy et al. | 2D dual-tree complex wavelet transform based image analysis | |
Sudha et al. | Modified contourlet transform based effective image compression framework for wireless sensor networks | |
Zhao et al. | A high quality image reconstruction method based on nonconvex decoding | |
CN117336494B (zh) | 一种基于频域特征的双路径遥感影像压缩方法 | |
Manikandan et al. | Minimizing and maximizing of Encoded Image by Wavelet Transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20091118 |