CN103067710B - 基于三维小波变换的分布式超光谱图像编码及解码方法 - Google Patents

Abstract

本发明公开一种基于三维小波变换的分布式超光谱图像编码及解码方法，在编码端对超光谱图像进行谱间滤波后，将小波变换之后的信息分成高频和低频两部分，并将低频部分和高频部分分别作为关键帧和W-Z帧进行独立的SPIHT编码，其Wyner-Ziv编码器采用Turbo编码机制来提高抗误码性。在解码端，利用低频信息预测高频部分并生成边信息，将其与高频部分进行联合解码。把谱间滤波后的高低频分别编码，保证了编码端较低的计算复杂度；在解码端对低频和高频采用联合解码，充分发掘了超光谱图像的谱间相关性；采用Turbo信道编码增强了编码码流对信道噪声的鲁棒性，并具有可分级性和灵活性。

Description

基于三维小波变换的分布式超光谱图像编码及解码方法

技术领域

本发明属于超光谱遥感数据压缩方法，尤其涉及一种可改善现有编码算法的压缩效率、适用范围广的基于三维小波变换的分布式超光谱图像编码及解码方法。

背景技术

成像光谱学的快速发展，使遥感技术进入到超光谱遥感阶段。空间通信，特别是深空通信，其传输信道具有异构、时变、带宽有限、误码率高、资源和星载设备处理能力有限等特点，给超光谱遥感图像的压缩和传输带来了巨大的困难：一方面，在实际应用中压缩过程要求在星上完成，而星上能源供应是受限的，因此压缩算法的复杂度要尽量低，以利于实现实时压缩；另一方面，必须提高处理、传输与存储超光谱图像的效率，才能节省传输时占用的信道容量及存储时占用的存储容量。

超光谱图像可以看作是由二维空间维和一维光谱维构成的三维立体图像，其中每一幅二维图像描述了地表的空间特征，而光谱维揭示了图像每一像素的光谱曲线特征。超光谱图像的特性与自然图像不同，首先，它具有丰富的纹理信息，空间相关性较弱；其次，具有普通图像所不具有的很高的谱间相关性。若采用针对自然图像的压缩方法对各个波段的图像分别压缩，虽然运算量小，对编解码器的配置要求也不高，但是这种独立编码、独立解码的方式无法解析相邻波段图像之间的相关性，不能有效地去除谱间冗余，以致不能取得较高的编码效率。去除超光谱图像谱间冗余的一种有效方式是联合编/解码，如基于三维小波变换的多级树集合分裂算法3D-SPIHT。然而，这种编码方法在编码端的计算量大，复杂度高，对星载编码器的处理能力、存储能力以及能源供应提出了较高要求。故而，传统超光谱图像的编码方法尚存在以下不足：第一，单纯的二维压缩方法不能利用谱间信息，压缩效率较低，对下行链路带宽形成很大的压力；第二，三维编码方法的编码复杂度、运算量大、处理时间长，又对星上电源供应和处理器提出了过高要求。分布式信源编码（DSC）是一种编码运算简单、能够解析谱间冗余的方法，它将一组互相关联的信源进行独立编码，再把编码后的信号送到同一个解码器进行联合解码。这种编码方法明显降低了编码端的计算复杂度，并且有效去除了相关信源之间的信息冗余，进而提高了编码效率。目前，分布式信源编码作为一种适用于互相关信源的编码方法正日益受到业界的重视，但是，迄今为止还有没有一种基于三维小波变换的适用超光谱图像的分布式高效率编码方法。

发明内容

本发明是为了解决现有技术所存在的上述技术问题，提供一种可改善现有编码算法的压缩效率、适用范围广的基于三维小波变换的分布式超光谱图像编码及解码方法。

本发明的技术解决方案是：一种基于三维小波变换的分布式超光谱图像编码方法，其特征在于按如下步骤进行：

约定：LIP为不重要系数表；LSP为重要系数表；LIS为示不重要子集表；C表示变换系数集合；

a.确定关键帧和W-Z帧

以连续的16帧为一组，将视频序列分成多个图像组并分别进行4级时间滤波变换，得到低频部分和高频部分，变换后的第1波段为关键帧，第2到第16波段为W-Z帧；

b.对关键帧进行SPIHT编码，形成码流

b.1令n=[log₂(max(|C(i,j,k)|))]并将n的值加入到压缩码流中，令LSP表为空，将LIP初始化为所有(i,j,k)∈H的根坐标，将LIS初始化为所有(i,j,k)∈H且有子孙的根坐标；

b.2对于LIP和LIS中的每个结点(i,j,k)，依据SPIHT算法对其进行处理；

b.3除步骤b.2中刚刚加入的那些结点以外，对于LSP中的每一结点(i,j,k)，输出其系数幅值的二进制表示的第n位有效位；

b.4n=n－1，若已达到预定的压缩比，则转向步骤c；否则，转向步骤b2；

c.对W-Z帧进行空间滤波，经过谱间滤波后，各视频帧再进行二维9/7小波变换；

d.对空间滤波之后的小波系数进行SPIHT编码，形成二进制码流；

e.将编码后生成的码流进行Turbo信道编码，生成的校验比特流传输入加性高斯白噪声信道：

e.1以块交织方式将输入信息序列u _k 中的比特位置重置；

e.2对重置信息RSC编码，输出校验序列x ^p ；

e.3利用删余技术从校验序列中周期性的删除一些校验位；

e.4删余后校验序列x ^p 与未编码序列x ^s 通过复用调制后生产Turbo序列；

f．结束。

一种基于三维小波变换的分布式超光谱图像解码方法，其特征在于按如下步骤进行：

a.对关键帧进行SPIHT解码

a.1解码获得n；

a.2构造逆量化器；

a.3按照编码时的扫描和量化方法解码位流中系数的位置和幅值；

b.利用关键帧和时间滤波后的第2帧共同预测W-Z帧，作为联合解码的边信息

b.1利用SPIHT解码当前图像组中W-Z帧的第2帧，并将其与关键帧一起进行一次4级时间滤波逆变换，得到高光谱图像；

b.2对高光谱图像再进行一次4级时间滤波；

b.3时间滤波之后得到的高频部分即为预测的W-Z帧，作为联合解码的边信息；

c.把通过AWGN信道的校验比特流利用软输出维特比译码(SOVA)算法进行Turbo信道解码：

c.1用步骤b生成的边信息与原码流进行比较，计算出信道反馈信息；

c.2将信道反馈信息与形成的奇偶校验码形成Turbo解码码流；

d.符号流与边信息进行解码，从而重构出原始小波变换系数；

e.将步骤d得到的数值和步骤a解码后的信息联合进行时间逆滤波得到重构的高光谱图像；

f.结束。

本发明在编码端对超光谱图像进行谱间滤波后，将小波变换之后的信息分成高频和低频两部分，并将低频部分和高频部分分别作为关键帧和W-Z帧进行独立的SPIHT编码，其Wyner-Ziv编码器采用Turbo编码机制来提高抗误码性。在解码端，利用低频信息预测高频部分并生成边信息，将其与高频部分进行联合解码。实验结果表明：本发明比原始3D-SPIHT方法具有更好的编码效率和鲁棒性，尤其是当信道受到的干扰噪声较大时，本发明的优势更为明显。与现有技术相比，本发明具有三个方面优点：第一，把谱间滤波后的高低频分别编码，保证了编码端较低的计算复杂度；第二，在解码端对低频和高频采用联合解码，充分发掘了超光谱图像的谱间相关性；第三，采用Turbo信道编码增强了编码码流对信道噪声的鲁棒性，并具有可分级性和灵活性。

附图说明

图1为本发明实施例编解码整体框架图。

图2为本发明实施例Turbo编码结构总体架构图。

图3为本发明实施例解码高光谱图像的结果示意图。

具体实施方式

基于三维小波变换的分布式超光谱图像编解码过程如图1所示：

约定：LIP为不重要系数表；LSP为重要系数表；LIS为示不重要子集表；C表示变换系数集合；

a.确定关键帧和W-Z帧

以连续的16帧为一组，将视频序列分成多个图像组并对每一组超光谱图像分别进行4级时间滤波变换（谱间滤波），得到低频部分和高频部分，变换后的第1波段为关键帧k，第2到第16波段为W-Z帧；

b.对关键帧进行SPIHT编码，形成码流

b.1令n=[log₂(max(|C(i,j,k)|))]并将n的值加入到压缩码流中，令LSP表为空，将LIP初始化为所有(i,j,k)∈H的根坐标，将LIS初始化为所有(i,j,k)∈H且有子孙的根坐标；

b.2对于LIP和LIS中的每个结点(i,j,k)，依据SPIHT算法对其进行处理；

b.3除步骤b.2中刚刚加入的那些结点以外，对于LSP中的每一结点(i,j,k)，输出其系数幅值的二进制表示的第n位有效位；

b.4n=n－1，若已达到预定的压缩比，则转向步骤c；否则，转向步骤b2；

c.对W-Z帧进行空间滤波，经过谱间滤波后，各视频帧再进行二维9/7小波变换；

d.对空间滤波之后的小波系数进行SPIHT编码，形成二进制码流；

e.将编码后生成的码流进行Turbo信道编码，生成的校验比特流传输入加性高斯白噪声信道：

e.1以块交织方式将输入信息序列u _k 中的比特位置重置；

e.2对重置信息RSC编码，输出校验序列x ^p ；

e.3利用删余技术从校验序列中周期性的删除一些校验位；

e.4删余后校验序列x ^p 与未编码序列x ^s 通过复用调制后生产Turbo序列；

f．结束。

一种基于三维小波变换的分布式超光谱图像解码方法，其特征在于按如下步骤进行：

a.对关键帧进行SPIHT解码

a.1解码获得n；

a.2构造逆量化器；

a.3按照编码时的扫描和量化方法解码位流中系数的位置和幅值，得到关键帧k’；

b.利用关键帧k’和时间滤波后的第2帧共同预测W-Z帧（高频），作为联合解码的边信息

b.1利用SPIHT解码当前图像组中W-Z帧的第2帧，并将其与关键帧k’一起进行一次4级时间滤波逆变换，得到高光谱图像；

b.2对高光谱图像再进行一次4级时间滤波；

b.3时间滤波之后得到的高频部分即为预测的W-Z帧，作为联合解码的边信息；

c.把通过AWGN信道的校验比特流利用软输出维特比译码(SOVA)算法进行Turbo信道解码：

c.1用步骤b生成的边信息与原码流进行比较，计算出信道反馈信息至缓存；

c.2将信道反馈信息与形成的奇偶校验码形成Turbo解码码流；

d.符号流与边信息进行解码，从而重构出原始小波变换系数（W-Z帧’）；

e.将步骤d得到的数值和步骤a解码后的信息联合进行时间逆滤波得到重构的高光谱图像；

f.结束。

本发明实施例中Turbo编码结构总体架构如图2所示：u_k经过交织器1~M，再分别对应经过分量编码器1~M，所得到的X^1P、X^2P……X^MP经过删余矩阵再与X^S复接后输出。

本发明选取AVIRIS航空遥感高光谱图像“LowAltitude”的第17到第32波段作为测试高光谱图像进行编码，采用峰值信噪比(PSNR)来度量通过噪声信道后的重构高光谱图像质量。编/解码程序的运行环境为P42.93GHz，512Mb内存，MicrosoftwindowsXP操作系统和VisualC++6.0。Turbo信道编码的码率为1/3，迭代次数为16，信道的Eb/No分别为1.8db和2db。图3为信道信噪比等于2dB，码率等于512bpp时，采用本发明进行编/解码后的超光谱图像解码图，其中每一幅子图依次对应超光谱图像的第17波段到第24波段的解码重构图像。

Eb/No=1.8dB和Eb/No=2dB时，本发明实施例在不同码率下解码的高光谱图像的峰值信噪比如下表所示：

。

Claims (2)

1.一种基于三维小波变换的分布式超光谱图像编码方法，其特征在于按如下步骤进行：

约定：LIP为不重要系数表；LSP为重要系数表；LIS为示不重要子集表；C表示变换系数集合；

a.确定关键帧和W-Z帧

以连续的16帧为一组，将视频序列分成多个图像组并分别进行4级时间滤波变换，得到低频部分和高频部分，变换后的第1波段为关键帧，第2到第16波段为W-Z帧；

b.对关键帧进行SPIHT编码，形成码流

b.1令n=[log₂(max(|C(i,j,k)|))]并将n的值加入到压缩码流中，令LSP表为空，将LIP初始化为所有(i,j,k)∈H的根坐标，将LIS初始化为所有(i,j,k)∈H且有子孙的根坐标；

b.2对于LIP和LIS中的每个结点(i,j,k)，依据SPIHT算法对其进行处理；

b.3除步骤b.2中刚刚加入的那些结点以外，对于LSP中的每一结点(i,j,k)，输出其系数幅值的二进制表示的第n位有效位；

b.4n=n－1，若已达到预定的压缩比，则转向步骤c；否则，转向步骤b2；

c.对W-Z帧进行空间滤波，经过谱间滤波后，各视频帧再进行二维9/7小波变换；

d.对空间滤波之后的小波系数进行SPIHT编码，形成二进制码流；

e.将编码后生成的码流进行Turbo信道编码，生成的校验比特流传输入加性高斯白噪声信道：

e.1以块交织方式将输入信息序列中的比特位置重置；

e.2对重置信息RSC编码，输出校验序列；

e.3利用删余技术从校验序列中周期性的删除一些校验位；

e.4删余后校验序列与未编码序列通过复用调制后生产Turbo序列；

f．结束。

2.一种如权利要求1所述基于三维小波变换的分布式超光谱图像编码方法对应的解码方法，其特征在于按如下步骤进行：

a.对关键帧进行SPIHT解码

a.1解码获得n；

a.2构造逆量化器；

a.3按照编码时的扫描和量化方法解码位流中系数的位置和幅值；

b.利用关键帧和时间滤波后的第2帧共同预测W-Z帧，作为联合解码的边信息

b.1利用SPIHT解码当前图像组中W-Z帧的第2帧，并将其与关键帧一起进行一次4级时间滤波逆变换，得到高光谱图像；

b.2对高光谱图像再进行一次4级时间滤波；

b.3时间滤波之后得到的高频部分即为预测的W-Z帧，作为联合解码的边信息；

c.把通过AWGN信道的校验比特流利用软输出维特比译码SOVA算法进行Turbo信道解码：

c.1用步骤b生成的边信息与原码流进行比较，计算出信道反馈信息；

c.2将信道反馈信息与形成的奇偶校验码形成Turbo解码码流；

d.符号流与边信息进行解码，从而重构出原始小波变换系数；

e.将步骤d得到的数值和步骤a解码后的信息联合进行时间逆滤波得到重构的高光谱图像；

f.结束。