CN103024377B - 基于目标区域提取与方向波的sar图像压缩方法 - Google Patents
基于目标区域提取与方向波的sar图像压缩方法 Download PDFInfo
- Publication number
- CN103024377B CN103024377B CN201210493221.8A CN201210493221A CN103024377B CN 103024377 B CN103024377 B CN 103024377B CN 201210493221 A CN201210493221 A CN 201210493221A CN 103024377 B CN103024377 B CN 103024377B
- Authority
- CN
- China
- Prior art keywords
- target area
- image block
- texture maps
- image
- pixel
- 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.)
- Active
Links
Landscapes
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于目标区域提取和方向波的SAR图像压缩方法,主要解决现有方法中对图像目标区域和背景区域使用相同的变换压缩策略导致边缘信息码流分配较少,重要信息丢失的问题。其实现步骤是:利用变差系数提取SAR图像的纹理图;对SAR图像进行四叉树分块,利用纹理图将图像块划分为目标区域和背景区域;利用纹理图探测目标区域变换方向对,并对分块图像进行剪枝处理;对目标区域使用Directionlets变换,对背景区域使用小波变换;使用SPIHT编码方法分别对目标区域和背景区域系数编码本发明。本发明具有对目标区域和背景区域采用不同变换压缩策略,很好保护目标区域信息的优点,可用于SAR图像实时传输与存储。
Description
技术领域
本发明属于图像压缩技术领域,涉及对SAR图像的压缩,可用于SAR图像的实时传输与存储。
背景技术
合成孔径雷达SAR技术在国民经济,地质勘探以及军事中起着至关重要的作用,SAR图像处理是合成孔径雷达技术的重要组成部分。由于SAR图像具有海量数据,给数据的存储与传输造成了很大的压力,因此对SAR图像进行有效的压缩是SAR图像应用中一个迫切的需求。SAR利用地物表面对电磁波的后向散射进行成像,由于这个成像机理,图像会受到相干斑噪声的影响,图像的像素间相关性较低,图像熵值较大,这是影响SAR图像压缩的重要因素。
JPEG技术在量化误差较大时会产生明显的“马赛克”块效应,导致严重的视觉失真。基于小波变换的图像压缩方法广泛用于对SAR图像的压缩,如JPEG2000技术等。由一维小波张成的二维可分离小波,采用的是各向同性变换,只有水平、垂直和对角三种方向,从而不能有效刻画图像中线奇异的几何特征。因此用小波捕捉图像边缘时相当于用“点”表达“线”,这种维度的差异严重影响了小波的逼近效率,导致了小波在描述图像边缘时浪费大量的系数,在低比特率情况下会产生振铃效应,特别是在图像强边缘附近和纹理区域。近些年来发展起来的一些工具对小波方法进行了改进,如Ding等人在文章:Adaptivedirectionallifting-basedwavelettransformforimagecoding中提出了ADL变换,Li等人在文章:Remote-SensingImageCompressionUsingTwo-DimensionalOrientedWaveletTransform中提出了OWT变换等,这些变换工具有效地利用了图像的方向信息,可以更有效地捕捉图像中存在的各种几何特征,如边缘曲线、轮廓结构等。有效提升了压缩算法性能。以上这些方法的共性在于:对于整幅SAR图像采用相同的变换压缩策略。但是由于SAR图像中景物区域不同,图像所包含的边缘信息以及其重要性存在很大的区别,在压缩中对于SAR图像的不同区域使用相同的变换压缩策略会导致在压缩中这些边缘信息所分配的码流相对较少,从而引起重要信息得不到保护而丢失,造成图像压缩质量的降低。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种基于目标区域提取与方向波的SAR图像压缩方法,以降低在图像压缩过程的重要信息损失,提高SAR图像的压缩质量。
实现本发明目的的技术原理,是利用SAR图像变差系数提取图像的纹理信息,根据图像纹理信息将图像分为目标区域和背景区域,采取不同的变换策略对不同区域进行分解:对目标区域使用Velisavljevic′V等人提出的新的多尺度几何分析工具Directionlets即方向波变换,以提取更多的图像方向信息,对背景区域使用小波变换(DWT)。之后使用SPIHT分别对目标区域和背景区域系数编码,并对目标区域分配更多码流,从而实现目标区域的高质量压缩。其实现步骤包括如下:
(1)输入一幅SAR图像,计算SAR图像变差系数,利用变差系数生成SAR图像的纹理图;
(2)对SAR图像进行四叉树分块,利用纹理图判断各图像块是否为目标区域图像块:如果该图像块在纹理图中所对应空间位置区域包含的目标像素点数大于该图像块总像素数的1/4,则该图像块为目标区域图像块,否则为背景区域图像块;
(3)利用纹理图从给定的一组方向中对目标区域图像块进行方向波的变换方向对选择,分别计算纹理图在这些方向上像素差值的平方和,选择其中最小的两个结果所对应的方向作为方向波的变换方向对;
(4)对四叉树进行剪枝处理:将变换方向对和图像块大小均相同的相邻目标区域图像块进行合并,将背景区域图像块进行合并;
(5)对合并后的目标区域进行Directionlets变换,对合并后的背景区域进行DWT变换;
(6)使用SPIHT编码方法,对目标区域和背景区域的变换系数进行不同bpp的编码,编码后即完成对SAR图像的压缩,其中bpp是每个像素所占比特数。
本发明与现有的技术相比具有以下优点:
1、利用SAR图像变差系数生成的纹理图来自适应地探测目标区域,能够有效划分目标区域和背景区域且计算复杂度小;
2、与JPEG2000-ROI相比,目标区域和背景区域使用不同的变换策略,对目标区域使用Directionlets变换,能更加有效地捕获目标区域的方向信息,减小重要信息损失;
3、对目标区域和背景区域分别进行编码,使码流分配更加灵活;
仿真结果表明,本方法在评价指标方面高于JPEG2000-ROI方法。
附图说明
图1是本发明的流程示意图;
图2是本发明仿真所用的四幅测试图像;
图3是本发明对测试图2提取的纹理图;
图4是本发明对测试图2的目标区域检测结果;
图5是本发明中给定的一组方向示意图;
图6是本发明与现有方法DWT-SPIHT及JPEG2000-ROI对四幅测试图像的平均率失真性能比较图。
具体实施方式
参照图1,本发明的实现步骤如下:
步骤1,输入测试图像,计算其变差系数,生成纹理图。
输入测试图像,选取以任意一个像素点p为中心,窗口大小为s的局部图像块,计算像素点p的变差系数Cp:
其中,σblock和μblock分别为该局部图像块中所有像素的方差和均值,分别使用最大似然估计方法计算得到,本发明中所使用局部图像块的窗口大小s为15×15。
由输入图像所有像素点的变差系数得到输入图像的纹理图,输入图像为图2所示的四幅真实SAR图像,每幅SAR图像大小为1024×1024,图像位深为16位,分别是:如2(a)所示的Tokyo-A图,如2(b)所示的Tokyo-B图,如2(c)所示的India-A图,如2(d)所示的India-B图。以图2(b)为例,得到的纹理图如图3所示。
步骤2,对输入图像进行四叉树分块,计算其纹理图像素值的阈值TD。
对输入图像进行四叉树分块,分块大小为64×64,为纹理图像素值设置一个阈值TD,
TD=1.25×mean(image),
其中image为纹理图,mean(·)为均值函数。
步骤3,利用纹理图像素阈值检测分块图像中的目标区域图像块。
将纹理图中的像素值分别与阈值TD比较,大于阈值的像素点标记为目标像素点,计算每一个图像块在纹理图中所对应空间位置区域包含的目标像素点数,如果目标像素点数大于图像块中总像素数的1/4,则将此图像块标记为目标区域图像块,其他图像块为背景区域图像块。以图2(b)为例,其目标区域图像块检测结果如图4所示,其中边界为白色的图像块为目标区域图像块。
步骤4,利用步骤1生成的纹理图判断目标区域图像块的变换方向对。
(4a)给定一组为±30°,±45°,±60°,0°,90°的方向,如图5所示。
(4b)沿其中一个方向计算纹理图中各目标区域图像块中每个像素点和其相邻像素点之间的差值,并求出该图像块中所有像素点在该方向上的差值的平方和;
(4c)分别求出纹理图中各目标区域图像块在其他方向上的像素差值的平方和;
(4d)将求出的目标区域图像块在各方向上的差值平方和中最小的两个对应的方向作为该图像块的方向波变换方向对,变换方向对中的两个方向分别称为变换方向和队列方向。
步骤5,利用步骤4得到的变换方向对,将四叉树分块图像进行剪枝处理:
(5a)将变换方向对和图像块大小均相同的相邻目标区域图像块进行合并,合并后的目标区域图像块的变换方向对与其所合并的子块的变换方向对相同;
(5b)将背景区域图像块进行合并,对合并后的背景区域图像块进行DWT变换,得到背景区域的小波系数。
步骤6,利用合并后的目标区域图像块构造生成矩阵MΛ。
根据合并后的目标区域图像块的变换方向对,构造生成矩阵MΛ,
其中,x1,x2,y1,y2是构成生成矩阵MΛ的四个整数元素值,x1和y1由变换方向的斜率确定,x2和y2由队列方向的斜率确定,向量d1和d2分别为沿变换方向和队列方向的向量;
步骤7,利用生成矩阵MΛ将合并后的目标区域图像块划分为|det(MΛ)|个陪集。
基于整数格理论通过生成矩阵MΛ将合并后的目标区域图像块划分为关于整数格Λ的|det(MΛ)|个陪集,每一个陪集对应一个位移矢量sk=(sk1,sk2),其中Λ是由合并后的图像块生成的整数格,表达式为Λ={c1d1+c2d2,c1,c2∈Z},|det(MΛ)|是生成矩阵MΛ的行列式的绝对值,k=0,1,2,...,|det(MΛ)|-1,sk1,sk2∈Z,Z为整数域。
步骤8,利用各陪集计算目标区域的Directionlets变换系数。
将各陪集沿变换方向和队列方向进行各向异性小波变换AWT(n1,n2),得到目标区域图像块的Directionlets变换系数,其中n1,n2分别指的是沿变换方向和队列方向的变换次数且n1,n2均为整数。
步骤9,使用SPIHT编码方法,分别对目标区域和背景区域的变换系数进行编码。
使用由SaidA等人在文献“Anewfastandefficientimagecodecbasedonsetpartitioninginhierarchicaltrees[J]”中提出的SPIHT编码方法,分别对目标区域的Directionlets系数和背景区域的小波系数进行编码,在编码中给定了SAR图像压缩的bpp后,通过设置一个质量因子Q来调节分配的码流大小,其中,
Q=tbate/bbate,
bpp是每个像素所占比特数,tbate为目标区域压缩的bpp,bbate为背景区域压缩的bpp;Q的值越大,越多的码流会分配给目标区域;
假设编码时SAR图像压缩给定的bpp为br,目标区域像素点数为tp,同质区域像素点数为bp,总像素点数为wp,则它们满足如下公式:
tbate·tp+bbate·bp=br·wp。
本发明的优点由以下仿真实验进一步的说明。
1.仿真数据
测试图像为图2中四幅真实SAR图像,图像大小均为1024×1024,图像位深均为16位。其中,图2(a)所示为Tokyo-A图,图2(b)所示为Tokyo-B图,图2(c)所示为India-A图,图2(d)所示为India-B图。
2.仿真内容
本实验目的是在不同bpp下,采用现有的DWT-SPIHT,JPEG2000-ROI方法及本发明提出的方法对图2中四幅真实SAR图像的目标区域和背景区域分别进行压缩,对压缩结果重构后的信噪比SNR值进行比较。
3.仿真结果
表1和表2分别为在1bpp和2bpp下,三种压缩方法对测试图像进行压缩重构后的SNR值比较,其中TG指的是目标区域,BG指的是背景区域。
图6给出了本发明与DWT-SPIHT,JPEG2000-ROI方法在不同bpp下,分别对四幅测试图像进行压缩重构得到的SNR值变化曲线,其中图6(a)是输入图像为Tokyo-A图时所得SNR值变化曲线,图6(b)是输入图像为Tokyo-B图时所得SNR值变化曲线,图6(c)是输入图像为India-A图时所得SNR值变化曲线,图6(d)是输入图像为India-B图时所得SNR值变化曲线。
表1.1bpp下压缩重构后实验结果比较
表2.2bpp下压缩重构后实验结果比较
4.仿真结果分析
由表1和表2可见,对于测试图像,本发明在1bpp和2bpp下,压缩重构后的图像目标区域和背景区域的SNR值均高于JPEG2000-ROI,和DWT-SPIHT方法相比,本发明提高了目标区域的压缩质量。
由图6可见,本发明在bpp较大情况下目标区域的压缩质量明显高于其他两种方法,对SAR图像中感兴趣区域的信息进行了很好的保护。
Claims (4)
1.一种基于目标区域提取与方向波的合成孔径雷达SAR图像压缩方法,包括如下步骤:
(1)输入一幅合成孔径雷达SAR图像,计算合成孔径雷达SAR图像变差系数,利用变差系数生成SAR图像的纹理图;
(2)对合成孔径雷达SAR图像进行四叉树分块,利用纹理图判断各图像块是否为目标区域图像块:如果该图像块在纹理图中所对应空间位置区域包含的目标像素点数大于该图像块总像素数的1/4,则该图像块为目标区域图像块,否则为背景区域图像块;
(3)利用纹理图从给定的一组方向中对目标区域图像块进行方向波的变换方向对选择,分别计算纹理图在这些方向上像素差值的平方和,选择其中最小的两个结果所对应的方向作为方向波的变换方向对;
(4)对四叉树进行剪枝处理:将变换方向对和图像块大小均相同的相邻目标区域图像块进行合并,将背景区域图像块进行合并;
(5)对合并后的目标区域进行Directionlets变换,对合并后的背景区域进行DWT变换;
(6)使用SPIHT编码方法,对目标区域和背景区域的变换系数进行不同bpp的编码,编码后即完成对合成孔径雷达SAR图像的压缩,其中bpp是每个像素所占比特数;
所述的“使用SPIHT编码方法,对目标区域和背景区域的变换系数进行不同bpp的编码”,是使用SPIHT编码方法分别对目标区域Directionlets系数和背景区域小波系数进行编码,在编码中给定了SAR图像压缩的bpp后,通过设置一个质量因子Q来调节分配的码流大小,其中,
Q=tbate/bbate,
bpp是每个像素所占比特数,tbate为目标区域压缩的bpp,bbate为背景区域压缩的bpp;Q的值越大,越多的码流会分配给目标区域;
假设编码时SAR图像压缩给定的bpp为br,目标区域像素点数为tp,同质区域像素点数为bp,总像素点数为wp,则它们满足如下公式:
tbate·tp+bbate·bp=br·wp。
2.根据权利要求1所述基于目标区域提取与方向波的合成孔径雷达SAR图像压缩方法,其中步骤(2)所述的“利用纹理图判断各图像块是否为目标区域图像块”,按如下步骤进行:
(2a)为纹理图中的像素值设置一个阈值TD,
TD=1.25×mean(image),
其中image为纹理图,mean(·)为均值函数,纹理图中大于阈值TD的像素点标记为目标像素点;
(2b)计算每一个图像块在纹理图中所对应空间位置区域包含的目标像素点数,如果目标像素点数大于图像块总像素数的1/4,则将此图像块标记为目标区域图像块。
3.根据权利要求1所述的基于目标区域提取与方向波的合成孔径雷达SAR图像压缩方法,其中步骤(3)所述的“利用纹理图从给定的一组方向中对目标区域图像块进行方向波的变换方向对选择”,按如下步骤进行:
(3a)给定一组为±30°,±45°,±60°,0°,90°的方向;
(3b)沿其中一个方向计算纹理图中各目标区域图像块中每个像素点和其相邻像素点之间的差值,并求出该图像块中所有像素点在该方向上的差值的平方和;
(3c)分别沿其他方向对纹理图中各目标区域图像块重复步骤(3b);
(3d)对于纹理图中各目标区域图像块,将求出的其在各方向上的差值平方和中最小的两个对应的方向作为该图像块的方向波变换方向对,变换方向对中的两个方向分别称为变换方向和队列方向。
4.根据权利要求1所述的基于目标区域提取与方向波的合成孔径雷达SAR图像压缩方法,其中步骤(5)所述的“对合并后的目标区域进行Directionlets变换”,按如下步骤进行:
(5a)根据合并后的目标区域图像块的变换方向对构造生成矩阵MΛ,
其中,x1,x2,y1,y2是构成生成矩阵MΛ的四个整数元素值,x1和y1由变换方向的斜率确定,x2和y2由队列方向的斜率确定,向量d1和d2分别为沿变换方向和队列方向的向量;
(5b)基于整数格理论通过生成矩阵MΛ,将合并后的目标区域图像块划分为关于整数格Λ的|det(MΛ)|个陪集,每一个陪集对应一个位移矢量sk=(sk1,sk2),其中Λ是由合并后的图像块生成的整数格,表达式为Λ={c1d1+c2d2,c1,c2∈Z},|det(MΛ)|是生成矩阵MΛ的行列式的绝对值,k=0,1,2,...,|det(MΛ)|-1,sk1,sk2∈Z,Z为整数域;
(5c)各陪集通过沿变换方向和队列方向上的各向异性小波变换AWT(n1,n2),得到目标区域图像块的Directionlets变换系数,其中n1,n2分别指的是沿变换方向和队列方向的变换次数且n1,n2均为整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210493221.8A CN103024377B (zh) | 2012-11-27 | 2012-11-27 | 基于目标区域提取与方向波的sar图像压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210493221.8A CN103024377B (zh) | 2012-11-27 | 2012-11-27 | 基于目标区域提取与方向波的sar图像压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103024377A CN103024377A (zh) | 2013-04-03 |
CN103024377B true CN103024377B (zh) | 2016-01-20 |
Family
ID=47972451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210493221.8A Active CN103024377B (zh) | 2012-11-27 | 2012-11-27 | 基于目标区域提取与方向波的sar图像压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103024377B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104683801B (zh) * | 2013-11-29 | 2018-06-05 | 华为技术有限公司 | 图像压缩方法和装置 |
CN104331913B (zh) * | 2014-11-19 | 2017-11-21 | 西安电子科技大学 | 基于稀疏k‑svd的极化sar图像压缩方法 |
CN111726635B (zh) * | 2020-06-23 | 2021-08-17 | 电子科技大学 | 一种基于滑窗bats码的低时延图像渐进传输方法 |
CN112153383A (zh) * | 2020-07-01 | 2020-12-29 | 西安万像电子科技有限公司 | 一种图像编码方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7224845B1 (en) * | 2002-02-28 | 2007-05-29 | Bae Systems Information And Electric Systems Integration Inc. | Bijection mapping for compression/denoising of multi-frame images |
CN101639537A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 基于方向波域混合高斯模型的sar图像噪声抑制方法 |
CN102496153A (zh) * | 2011-11-04 | 2012-06-13 | 西安电子科技大学 | 基于小波域中字典学习的sar图像相干斑抑制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020107988A1 (en) * | 2001-02-05 | 2002-08-08 | James Jordan | In-line compression system for low-bandwidth client-server data link |
-
2012
- 2012-11-27 CN CN201210493221.8A patent/CN103024377B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7224845B1 (en) * | 2002-02-28 | 2007-05-29 | Bae Systems Information And Electric Systems Integration Inc. | Bijection mapping for compression/denoising of multi-frame images |
CN101639537A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 基于方向波域混合高斯模型的sar图像噪声抑制方法 |
CN102496153A (zh) * | 2011-11-04 | 2012-06-13 | 西安电子科技大学 | 基于小波域中字典学习的sar图像相干斑抑制方法 |
Non-Patent Citations (4)
Title |
---|
Image Segmentation Using Directionlet-domain Hidden Markov Tree Models;Jing Bai and et al.;《Proceedings of 2011 IEEE CIE International Conference on Radar(RADAR 2011)》;20111024;全文 * |
基于提升方向波变换域的SAR图像压缩;白静,等;《红外与毫米波学报》;20090815;第28卷(第4期);第1、2部分 * |
基于方向小波图像处理与几何特征保持质量评价研究;程光权;《中国博士学位论文库》;20100401;第44页第2段 * |
基于空间映射复Directionlet变换的图像纹理分类;白静,等;《电子与信息学报》;20090615;第3卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103024377A (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10552989B2 (en) | Point cloud attribute compression method based on KD tree and optimized graph transformation | |
CN101378519B (zh) | 一种基于Contourlet变换的质降参考图像质量评价方法 | |
CN105141970B (zh) | 一种基于三维模型几何信息的纹理图像压缩方法 | |
CN103024377B (zh) | 基于目标区域提取与方向波的sar图像压缩方法 | |
CN103200421A (zh) | 一种基于Curvelet变换和相位一致的无参考图像质量评价方法 | |
CN101719268B (zh) | 基于改进Directionlet域的广义高斯模型图像去噪方法 | |
CN102238388B (zh) | 基于avs标准的自适应鲁棒视频水印方法 | |
CN102088606B (zh) | 基于稀疏表示的去块效应方法 | |
CN101621709A (zh) | 一种全参考型图像客观质量评价方法 | |
CN103037212B (zh) | 基于视觉感知的自适应块压缩传感图像编码方法 | |
CN105761290A (zh) | 一种自适应的多尺度分块压缩感知采样方法 | |
CN102682429A (zh) | 一种尺寸自适应块匹配变换域滤波图像去噪方法 | |
CN107197297A (zh) | 一种检测基于dct系数隐写的视频隐写分析方法 | |
CN105513048A (zh) | 基于子带信息熵度量的图像质量评价方法 | |
CN107371026B (zh) | 一种视频数据多重压缩及重构方法 | |
CN106056638A (zh) | 一种自适应纹理对比度的低复杂度压缩感知图像编码方法 | |
CN103258326A (zh) | 一种图像质量盲评估的信息保真度方法 | |
CN102521796A (zh) | 一种基于曲波变换的图像去块效应方法 | |
CN102281440A (zh) | 一种基于几何图像的三维网格模型错误保护编码方法 | |
CN103646428B (zh) | 一种3d流体场景的合成方法 | |
CN102142130B (zh) | 基于小波域增强型图像掩膜的水印嵌入方法及装置 | |
CN101984461A (zh) | 基于可操纵金字塔的统计模型图像去噪方法 | |
Baviskar et al. | Performance evaluation of high quality image compression techniques | |
CN102547073B (zh) | 基于表面波变换的自适应阈值视频去噪方法 | |
Jiang et al. | A hybrid image compression algorithm based on human visual system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |