CN103297776A - 星上未配准多光谱图像无损/有损编码系统与方法 - Google Patents
星上未配准多光谱图像无损/有损编码系统与方法 Download PDFInfo
- Publication number
- CN103297776A CN103297776A CN2013101855568A CN201310185556A CN103297776A CN 103297776 A CN103297776 A CN 103297776A CN 2013101855568 A CN2013101855568 A CN 2013101855568A CN 201310185556 A CN201310185556 A CN 201310185556A CN 103297776 A CN103297776 A CN 103297776A
- Authority
- CN
- China
- Prior art keywords
- spectral coverage
- coding
- registration
- encoding
- spectral
- 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.)
- Granted
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明公开了一种星上未配准多光谱图像无损/有损编码系统与方法,主要解决现有技术未考虑星上原始多光谱图像未配准导致谱间相关性差、JPEG-LS码率控制不准确及图像重构质量低的问题。其实现过程是:对未配准多光谱图像进行谱段重排;根据最优谱段编码顺序,依次对多光谱图像的各谱段配准;对已配准多光谱图像进行有损或无损压缩,无损压缩时,先选择当前编码谱段的预测模式,再对相应的预测残差作JPEG-LS无损压缩,有损压缩时,先分配所有编码谱段的目标码率,再选择当前编码谱段的预测模式,对相应的预测残差进行基于二次迭代调整的码率可控JPEG-LS有损压缩,输出码流。本发明具有压缩性能高、码率控制精确的优点,适用于各种星上多光谱数据处理及传输。
Description
技术领域
本发明涉及多光谱图像处理技术领域,更进一步涉及一种对星上原始未配准多光谱图像进行无损和有损预测压缩编码的系统与方法,可用于各种星上多光谱数据处理及传输。
背景技术
多光谱图像是由光谱成像仪对同一地物在几个到几十个不同谱段上成像所获取的一种三维立体图像,同时包含了地物的空间和光谱信息,目前广泛应用于资源勘探、目标识别、环境保护等方面。但是多光谱图像数据量非常庞大,需要采用有效的压缩技术以降低图像存储和传输的压力。根据地面应用对重建图像质量的要求,一般应对多光谱图像进行无损压缩或者4倍以下的低倍有损压缩。
在现有压缩方法中,以JPEG-LS(Joint Photographic Experts Group Lossless andnear-lossless compression of conituous_tone still image)为代表的基于预测的压缩方法,利用多光谱图像较强的空间相关性进行自适应预测编码,具有很低的复杂度和良好的无损及近无损压缩性能,已广泛应用于星上多光谱图像压缩,如美国火星探测器和澳大利亚FedSAT卫星都采用JPEG-LS作为核心压缩算法。但是该方法只能对多光谱图像的一个谱段图像进行谱内空间预测,没有利用多光谱图像的谱间相关性。
为了去除谱间冗余,进一步提高压缩效率,通常采用“谱间去相关+空间二维编码”的压缩方法,即先对相邻谱段图像进行差分或线性预测,然后再对残差图像进行JPEG-LS编码。但该方法适用于地面校正处理后的多光谱图像,因为各谱段之间是严格配准的,即不同谱段同一位置处的像素完全对应同一地物,谱间相关性较强。而星上原始多光谱图像在获取、传输、处理等过程中,由于受到传感器、成像平台、成像条件、处理水平等各种因素的影响,会产生各种畸变,导致各谱段之间并不能完全配准,其谱间相关性较差,因此直接采用上述方法对其进行压缩的性能有限。
谱段配准技术可以提高星上原始未配准多光谱图像的谱间相关性,改善压缩性能。现有的多光谱图像谱段配准方法,如刘小军等人的“基于SIFT的图像配准方法”(红外与激光工程,2008,37(1),156-160)和郑志彬等人的“基于相位相关的图像配准算法”(数据采集与处理,2006,21(4),444-449)等,大都是针对不同传感器或同一传感器在不同时间拍摄得到的多光谱图像,在地面进行高精度甚至亚像素级的配准,以提高多光谱图像融合、超分辨率重建等处理的性能。这些方法复杂度过高,而且亚像素级配准会改变图像像素值,不适用于星上未配准多光谱图像的压缩。目前还没有利用谱段配准技术对星上原始未配准多光谱图像进行压缩的相关文献报道。
此外,采用JPEG-LS作为有损压缩核心算法还存在一个缺点,就是只能控制重构图像的失真,却不能控制压缩码率。而在遥感应用中,码率可控是一个非常重要的指标,如果压缩码率超过了存储空间和链路带宽,就会发生数据溢出,导致解码错误,因此需要设计JPEG-LS的码率控制方法来满足图像压缩对码率控制的要求。西安空间无线电技术研究所在其专利申请“一种JPEG-LS图像压缩的码率控制方法”(专利申请号:201010617932.2,公开号:CN102088602A)以及西安电子科技大学在其硕士学位论文“JPEG-LS码率控制算法研究”中提出的码率控制方法均对图像分区,通过已经编码区域的实际码率和目标码率的累计偏差量,对编码区域的量化步长进行动态调整,使所有区域的码率之和达到总目标码率。但是上述方法码率控制不够精确,实际码率在目标码率附近上下浮动,而不能总小于目标码率,无法满足固定链路带宽的要求。
最后,在基于“谱间去相关+空间二维编码”的多光谱图像有损压缩方法中,如何合理地分配各个谱段的目标码率是影响图像重建质量的另一个重要问题。通常包含较多信息量的谱段需要较多的码率,而较少信息量的谱段需要较少的码率。孙蕾等人在“基于谱间预测和码流预分配的高光谱图像压缩算法”(光学精密工程,2008,16(4):752-757.)中提出根据各个谱段的标准差来分配相应的码率。熵是理论上衡量信息量的重要参数,但是实际中图像标准差和熵的一致性并不好,因此该方法的码率分配效果欠佳。
发明内容
本发明的目的在于克服上述已有技术的不足,针对星上原始未配准多光谱图像,提供一种基于预测的无损和有损压缩兼容的系统与方法,以改善谱间相关性,提高无损压缩比和有损压缩率失真性能;同时在有损压缩时更加合理地分配各谱段的目标码率,进一步提高多光谱图像的整体重构质量,并精确控制实际编码码率,满足实际的固定链路带宽要求。
为实现上述目的,本发明提出的星上未配准多光谱图像无损/有损编码系统包括:
谱段重排单元,用于对输入的n谱段多光谱图像进行谱段重排处理,输出最优谱段编码顺序和n-1个编码谱段的最优参考谱段序号给谱段配准单元,n≥4;
谱段配准单元,用于根据谱段重排的结果,对输入的多光谱图像进行谱段配准,即按照最优谱段编码顺序,利用最优参考谱段对当前编码谱段进行配准,并输出已配准多光谱图像至图像输入选择开关;
压缩模式判断单元,用于根据输入的目标压缩比判断压缩模式,如果目标压缩比为0,则为无损压缩模式,如果目标压缩比大于0,则为有损压缩模式,并将压缩模式信号同时输出给图像输入选择开关和码流输出选择开关;
图像输入选择开关,用于根据压缩模式信号,将已配准多光谱图像送给相应的编码单元,如果为无损压缩模式,则送给无损压缩编码单元,如果为有损压缩模式,则送给有损压缩编码单元;
无损压缩编码单元,用于对已配准多光谱图像进行无损压缩,并将无损压缩编码码流输出至码流输出选择开关;
有损压缩编码单元,用于对已配准多光谱图像进行有损压缩,并将有损压缩编码码流输出至码流输出选择开关;
码流输出选择开关,用于根据压缩模式信号,输出相应的编码码流,如果为无损压缩模式,则输出无损压缩编码码流,如果为有损压缩模式,则输出有损压缩编码码流。
为实现上述目的,本发明提出的星上未配准多光谱图像无损/有损编码方法包括如下步骤:
(1)输入未配准多光谱图像{A1,A2,...,Ai,...,An},n表示总谱段数,n≥4,i=1,2,…,n;输入目标压缩比Ratio,Ratio≥0;
(2)对输入的原始谱段编码顺序为{1,2,...,n}的未配准多光谱图像{A1,A2,...,Ai,...,An}进行谱段重排,得到最优谱段编码顺序{s1,s2,...,sn}和重排后未配准多光谱图像同时从n个编码谱段中选出n-1个编码谱段的最优参考谱段{k1,...,ki-1,...,kn-1}表示最优参考谱段序号;
(3)按照最优谱段编码顺序{s1,s2,...,sn},依次对重排后未配准多光谱图像的各谱段进行配准,其中第一个编码谱段的已配准谱段等于对其余n-1个编码谱段依次利用第i-1个最优参考谱段对第i个编码谱段进行配准,得到已配准多光谱图像同时根据最优参考谱段序号,从已配准多光谱图像中选出编码谱段序号分别为{k1,k2,...,kn-1}的n-1个已配准编码谱段作为已配准编码谱段的已配准最优参考谱段;
(4)根据目标压缩比Ratio判断压缩模式,如果Ratio=0,则为无损压缩模式,执行步骤(5);如果Ratio>0,则为有损压缩模式,执行步骤(6);
(5)按照最优谱段编码顺序,对已配准多光谱图像进行无损压缩,i=1,2,…,n,并跳转到步骤(7);
(6a)对所有已配准编码谱段进行码率分配,即计算各谱段的谱间预测残差其中对第一个编码谱段设置其谱间预测残差等于编码谱段对其余编码谱段利用相应的最优参考谱段分别对编码谱段进行谱间一阶线性预测,并计算相应的各谱段的谱间预测残差再分别计算各谱段的谱间预测残差的标准差的四次开方,并以此作为码率权重因子分配各谱段的目标码率;
(6b)初始化编码谱段索引i=1,将第一个已配准编码谱段设置为当前编码谱段;
(6c)对当前编码谱段进行预测模式选择;
如果i=1,即当前编码谱段为第一个编码谱段则选择空间预测模式,并利用JPEG-LS空间预测模板对当前编码谱段进行空间预测,计算该预测模式下的空间预测残差否则,利用JPEG-LS空间预测模板对当前编码谱段进行空间预测,计算该预测模式下的空间预测残差并根据已配准最优参考谱段的有损压缩重建谱段对当前编码谱段进行空谱预测,计算相应的有损压缩时的空谱预测残差比较和的方差,选择较小方差对应的预测模式作为当前编码谱段的预测模式,并输出相应的预测残差;
(6d)根据计算得到的当前编码谱段的目标码率以及选择的预测模式,对当前编码谱段相应的预测残差进行基于二次迭代调整的码率可控JPEG-LS有损压缩编码,记录当前编码谱段的有损压缩编码码流长度,并得到当前编码谱段的有损压缩重建谱段
(6d1)初始化量化步长Near,若Ratio≤4,则Near=0,否则Near=4;设置码率门限a和Near调整步长b构成的正数对集合为:{(a+,b+)}={(0.5,10),(0.45,8),(0.35,6),(0.3,5),(0.25,3),(0.15,2),(0.05,1)}和负数对集合为:{(a-,b-)}={(-0.53,10),(-0.46,8),(-0.39,6),(-0.25,5),(-0.15,3),(-0.13,2),(-0.05,1)};初始化迭代次数Times=0和迭代次数门限Tmax=40,初始化行索引t=1;
(6d2)根据Near值对输入的预测残差的第t行数据进行JPEG-LS量化编码,得到已编码数据的累积码率Rc;
(6d3)计算已编码数据的累积码率Rc和目标码率RT的差值slice_rate,通过依次比较slice_rate与数对集合{(a+,b+)}和{(a-,b-)}中的码率门限值,对该Near值进行第一次调整:
若slice_rate>0,则将slice_rate依次与正数对集合{(a+,b+)}={(0.5,10),(0.45,8),(0.35,6),(0.3,5),(0.25,3),(0.15,2),(0.05,1)}中的码率门限a+比较,若slice_rate>a+,则将Near值增加相应的b+,即将Near值调整为Near+b+;否则继续将slice_rate与下一个数对进行比较,直到最后一个数对;若slice_rate均小于所有正数对中的码率门限a+,则Near值保持不变;
若slice_rate<0,则将slice_rate依次与负数对集合{(a-,b-)}={(-0.53,10),(-0.46,8),(-0.39,6),(-0.25,5),(-0.15,3),(-0.13,2),(-0.05,1)}中的码率门限a-比较,若slice_rate<a-,则将Near值减去相应的b-,即将Near值调整为Near-b-;否则继续将slice_rate与下一个数对进行比较,直到最后一个数对;若slice_rate均大于所有负数对中的码率门限a-,则Near值保持不变;
(6d4)判断第t行是否为倒数第2至倒数第P+1行中的某一行,如果是,存储第t行第一次调整后的Near值;否则执行步骤(6d5);
(6d5)判断第t行是否为倒数第P+1行,如果是,则存储该行的上下文信息CXP;否则执行步骤(6d6);
(6d6)判断第t行是否为最后一行,如果不是,将t加1,执行步骤(6d2);如果是,执行步骤(6d7);
(6d7)判断slice_rate是否大于0,如果是,执行步骤(6d8),如果不是,则跳转到步骤(6d9);
(6d8)令t=t-P,返回至倒数第P行,对最后P行的量化步长进行如下二次迭代调整:
(6d81)将当前上下文信息CX更新为步骤(6d5)存储的上下文信息CXP,即CX=CXP,并将Times加1;
(6d82)将第t行的Near值设置为步骤(6d4)存储的第t行第一次调整后的Near值,并将该Near值更新为Near+Times;
(6d83)根据该更新后的Near值对第t行数据进行JPEG-LS量化编码;
(6d84)判断第t行是否为最后一行,如果不是,将t加1,执行(6d82);如果是,则判断Times是否大于迭代次数门限Tmax,如果大于,则执行步骤(6d9);否则,返回步骤(6d7);
(6e)将当前编码谱段序号si依次与最优参考谱段序号{k1,k2,…,kn-1}中的每一个序号进行比较,如果si等于第d个最优参考谱段序号kd,1≤d≤n-1,则将已配准最优参考谱段的有损压缩重建谱段设置为当前编码谱段的有损压缩重建谱段
(7)组织码流输出,编码结束。
本发明与现有技术相比较,具有以下优点:
第一,本发明在谱段重排的基础上,对未配准多光谱图像进行谱段配准,提高了多光谱图像的谱间相关性,克服了现有技术中未考虑星上原始多光谱图像未配准导致谱间相关性差的问题,使得本发明对于未配准的星上原始图像具有更好的压缩性能。
第二,针对有损压缩,本发明提出了基于二次迭代调整的JPEG-LS的动态精确码率控制技术,在完成整幅图像的量化步长调整后,再返回到图像的最后若干行,进行二次迭代调整,使得实际码率在不超过目标码率的前提下,十分逼近目标码率,克服了现有技术中码率控制不准确,上下浮动大的问题,保证了码率的精确控制,可以满足了固定链路带宽的要求。
第三,本发明改进了现有的码率分配方法,使得到的码率权重和图像熵具有很好的一致性,提高了多光谱图像的整体重建质量。
附图说明
图1是本发明的系统框图;
图2是本发明的方法流程图;
图3是本发明的谱段重排处理示意图;
图4是本发明的谱段配准处理子流程图;
图5是本发明的待配准谱段配准示意图;
图6是本发明的模式选择处理子流程图;
图7是本发明中基于二次迭代调整的码率可控JPEG-LS有损压缩子流程图。
具体实施方式
参照图1,本发明的编码系统包括:谱段重排单元、谱段配准单元、压缩模式判断单元、图像输入选择开关、码流输出选择开关、无损压缩编码单元和有损压缩编码单元。
所述的谱段重排单元,对输入的多光谱图像{A1,A2,...,Ai,...,An}进行谱段重排处理,得到最优谱段编码顺序{s1,s2,...,sn},同时从n个编码谱段中选出n-1个编码谱段的最优参考谱段并将该最优谱段编码顺序{s1,s2,...,sn}和最优参考谱段序号{k1,k2,...,kn-1}输出给谱段配准单元,n表示总谱段数,n≥4,本实例取n=4。
所述的谱段配准单元,根据输入的谱段重排结果,按照最优谱段编码顺序,依次对输入的未配准多光谱图像的各谱段进行谱段配准,即对第一个编码谱段其已配准谱段等于对其余n-1个编码谱段,均利用最优参考谱段对当前编码谱段进行配准,并将已配准多光谱图像输出至图像输入选择开关。
所述的压缩模式判断单元,根据输入的目标压缩比判断压缩模式,如果目标压缩比为0,则为无损压缩模式,如果目标压缩比大于0,则为有损压缩模式,并将压缩模式信号同时输出给图像输入选择开关和码流输出选择开关。
所述的图像输入选择开关,根据压缩模式信号,选择相应的编码单元,如果是无损压缩模式,则将已配准多光谱图像送给无损压缩编码单元,如果是有损压缩模式,则将已配准多光谱图像送给有损压缩编码单元。
所述的无损压缩编码单元,它包括预测模式选择模块和JPEG-LS无损编码模块,该预测模式选择模块,对输入的已配准多光谱图像各编码谱段的预测模式进行选择,对第一个编码谱段,直接选择空间预测模式,计算该预测模式下的空间预测残差并输出给JPEG-LS无损编码模块,对其余编码谱段,利用相应的最优参考谱段,分别对编码谱段进进行空间预测和空谱预测,通过比较不同预测模式下预测残差的方差大小,选择编码谱段的预测模式,并输出相应的预测残差给JPEG-LS无损编码模块;该JPEG-LS无损编码模块,对输入的预测残差进行JPEG-LS无损编码,并将无损压缩编码码流输出给码流输出选择开关。
所述的有损压缩编码单元,它包括码率分配模块、预测模式选择模块、量化步长调整模块和JPEG-LS量化编码模块;该码率分配模块,计算已配准多光谱图像的每个编码谱段的目标码率,并将该目标码率送给量化步长调整模块;该预测模式选择模块,对输入的已配准多光谱图像各编码谱段的预测模式进行选择,对第一个编码谱段,直接选择空间预测模式,计算该预测模式下的空间预测残差并同时输出给量化步长调整模块和JPEG-LS量化编码模块,对其余编码谱段,利用相应的最优参考谱段,分别对编码谱段进行空间预测和空谱预测,通过比较不同预测模式下预测残差的方差大小,选择编码谱段的预测模式,并将相应的预测残差同时输出给量化步长调整模块和JPEG-LS量化编码模块;该量化步长调整模块,根据输入的每个编码谱段的目标码率,对预测残差的每一行数据进行量化步长动态调整,得到量化步长Near并输出给JPEG-LS量化编码模块;该JPEG-LS量化编码模块,根据该量化步长对预测残差进行JPEG-LS量化编码,并将有损压缩编码码流输出给码流输出选择开关。
所述的码流输出选择开关,根据压缩模式信号,输出相应的编码码流,如果为无损压缩模式,则输出无损压缩编码码流,如果为有损压缩模式,则输出有损压缩编码码流。
参照图2,本发明的编码方法包括如下步骤:
步骤1,输入原始未配准多光谱图像{A1,A2,...,Ai,...,An},n表示总谱段数,n≥4,i=1,2,…,n,Ai表示原始未配准多光谱图像的第i个谱段,该多光谱图像的高度为h,宽度为w,比特精度为Ip,原始谱段编码顺序为{1,2,…,n};输入目标压缩比Ratio,Ratio≥0。
步骤2,对原始未配准多光谱图像{A1,A2,...,Ai,...,An}进行谱段重排,得到最优谱段编码顺序{s1,s2,...,sn}和对应的最优参考谱段序号{k1,k2,...,kn-1},同时得到重排后未配准多光谱图像其中表示重排后未配准多光谱图像的第i个编码谱段。
所述的对原始未配准多光谱图像{A1,A2,...,Ai,...,An}进行谱段重排,可以采用多种现有方法实现,如Tate在“Band Ordering in Lossless Compression of MultispectralImages”中提出的基于有向权值图的重排方法(IEEE Transactions on Computers,1997,46(4):477-483)、张静等人在“An Efficient Reordering Prediction-based LosslessCompression Algorithm for Hyperspectral Images”中提出的基于无向权值图的重排方法(IEEE Geoscience and Remote Sensing Letters,2007,4(2):283-287)等,本实施例采用但不局限于基于无向权值图的重排方法进行谱段重排。
参照图3,本步骤的具体实现如下:
(2.1)定义无向权值图,该图中包含n个节点和连接n个节点的条边,该n个节点分别对应n个谱段的序号。在本实施例中,取n=4,无向权值图包含4个节点以及连接各节点的6条边,其中4个节点分别用①~④表示,对应第1~4谱段;
(2.2)计算原始未配准多光谱图像{A1,A2,...,Ai,...,An}的谱间相关系数矩阵Corr={Corrp,q},其中Corrp,q为第p个谱段Ap和第q个谱段Aq的谱间相关系数,p=1,2,…,n,q=1,2,…,n,即
其中cov(Ap,Aq)为Ap和Aq的协方差,cov(Ap,Ap)和cov(Aq,Aq)分别为Ap和Aq的方差;该谱间相关系数矩阵Corr为对称矩阵,且主对角线上元素值全为1,因此图3中仅列出主对角线之上的6个元素的值,其余元素均用“/”标记;
(2.3)利用矩阵Corr初始化无向权值图,即将连接第p和第q节点的边的权值设置为第p个谱段和第q个谱段的谱间相关系数Corrp,q,且p≠q,并设置所有节点的状态为“未处理”,如图3(a)所示;初始化编码谱段索引i=1;
(2.4)依次计算n个谱段的方差,将方差最小的谱段作为第一个编码谱段该谱段没有参考谱段,此时仅输出该谱段序号s1,并将该谱段对应的节点状态标记为“处理过”;在本实施例中,假设方差最小的谱段序号为2,故输出“/2”,“/”表示该谱段没有参考谱段;输出之后,在无向权值图中节点②的右上角加“*”表示“处理过”,如图3(b)所示;
(2.5)令i=i+1,对无向权值图进行更新,即依次判断所有条边的节点状态,如果一条边的两个节点满足一个为“未处理”而另一个为“处理过”的条件,则保留该边,否则从无向权值图中剔除该边;在本实施例中,由于此时仅有节点②的状态为“处理过”,因此更新后的无向权值图仅包含与节点②相连的3条边,如图3(c)所示;
(2.6)在当前无向权值图中搜索权值最大的边,将该边的状态标记为“搜索到的边”,该边中节点状态标记为“未处理”的节点对应第i个编码谱段的序号si,而标记为“处理过”的节点对应编码谱段的最优参考谱段的序号ki-1,并分别输出最优参考谱段序号ki-1和编码谱段序号si;在本实施例中,权值最大的边为连接节点②和④的边,由于节点②的状态为“处理过”,而节点④的状态为“未处理”,因此输出“24”;
(2.7)将所述的“搜索到的边”中“未处理”的节点标记为“处理过”;在本实施例中,将节点④的状态设置为“处理过”,即在无向权值图中节点④的右上角加“*”,如图3(d)所示;
(2.8)重复步骤(2.5)~(2.7)直到所有节点的状态都为“处理过”,依次得到图3(e)、图3(f)、图3(g)和图3(h),输出最优谱段编码顺序{s1,s2,...,sn},同时输出n-1个编码谱段的最优参考谱段序号{k1,k2,...,kn-1};在本实施例中,最优谱段编码顺序为{2,4,1,3},最优参考谱段序号为{2,2,4}。
步骤3,按照最优谱段编码顺序{s1,s2,...,sn},依次对重排后未配准多光谱图像的n个编码谱段进行配准,得到已配准多光谱图像其中为第i个已配准编码谱段;同时得到n-1个已配准编码谱段的已配准最优参考谱段
所述的对重排后未配准多光谱图像的n个编码谱段进行配准,有多种现有方法可以实现,例如基于互相关系数的配准方法(汪炜等人的“基于NSSCC的快速多波段图像配准算法”(计算机应用,2011,31(1),167-174))、基于互信息的配准方法(西安电子科技大学硕士学位论文“基于互信息的图像配准方法研究”)等,本实施例采用但不局限于基于归一化互信息的配准方法进行谱段配准。
参照图4,本步骤的具体实现如下:
参照图3,本步骤的具体实现如下:
(3.2.1)初始化偏移量(u,v)=(umin,vmin),其中umin≤u≤umax,vmin≤v≤vmax,u表示水平方向的偏移量,umin和umax分别表示水平方向的最小和最大偏移量,v表示垂直方向的偏移量,vmin和vmax分别表示垂直方向的最小和最大偏移量,本实例中umin=vmin=-16,umax=vmax=16;初始化最大归一化互信息值Imax=0;
(3.2.6)比较归一化互信息Iblk和最大归一化互信息值Imax,如果Iblk>Imax,则更新Imax=Iblk,同时记录此时的偏移量(u,v),否则Imax保持不变;
(3.2.7)判断垂直方向偏移量v的大小,如果v<vmax,令v=v+1,返回步骤(3.2.4),否则令v=vmin,执行步骤(3.2.8);
(3.2.8)判断水平方向偏移量u的大小,如果u<umax,令u=u+1,返回步骤(3.2.4),否则执行步骤(3.2.9);
步骤4,根据目标压缩比Ratio判断压缩模式,如果Ratio=0,则为无损压缩模式,执行步骤5;如果Ratio>0,则为有损压缩模式,执行步骤6。
方法1:对各个编码谱段进行独立无损压缩,即分别对各个编码谱段进行空间预测,并计算相应的空间预测残差,再对空间预测残差进行无损压缩,例如美国火星探测器和澳大利亚FedSAT卫星采用的JPEG-LS方法;
方法2:或者先对第一个编码谱段进行空间预测并计算相应的空间预测残差,再对空间预测残差进行无损压缩,然后利用相应的参考谱段依次对后续各个编码谱段进行谱间预测,并计算相应的谱间预测残差,再对谱间预测残差进行无损压缩,例如吴铮等人的“基于误差补偿预测树的多光谱遥感图像无损压缩方法”(遥感学报,2005,9(2):143-147);
方法3:或者先对各个编码谱段的预测模式进行选择,并根据预测模式计算相应的预测残差,再对预测残差进行无损压缩;例如Rizzo的“Low-Complexity LosslessCompression of Hyperspectral Imagery via Linear Prediction”(IEEE Signal ProcessingLetters,2005,12(2):138-141);
所述无损压缩可以采用JPEG-LS或者算术编码等方法。
本实施例采用但不局限于先选择编码谱段的预测模式再计算预测残差并采用JPEG-LS进行无损压缩的方法。
本步骤的具体实现如下:
(5.2)对当前编码谱段进行预测模式选择:
参照图6,本步骤的具体实现如下:
(5.2.1)判断当前编码谱段是否为第一个编码谱段如果是,直接选择空间模式,并利用JPEG-LS标准中的空间预测模板对编码谱段进行空间预测,得到编码谱段的空间预测谱段再用编码谱段减去空间预测谱段得到编码谱段的空间预测残差并输出;如果不是,则执行步骤(5.2.2);
(5.2.3)利用对应的第i-1个已配准最优参考谱段对当前编码谱段进行谱间一阶线性预测,得到当前编码谱段的谱间预测谱段1≤t≤h,1≤j≤w,其中是当前编码谱段第t行第j列像素的谱间预测值,其计算公式如下:
其中,
(5.3)按照选择的预测模式,对当前编码谱段相应的预测残差进行JPEG-LS无损压缩编码,并记录当前编码谱段的无损压缩编码码流长度;
对其余编码谱段i=2,3,…,n,利用相应的最优参考谱段对编码谱段进行谱间一阶线性预测,得到当前编码谱段的谱间预测谱段1≤t≤h,1≤j≤w,其中是当前编码谱段第t行第j列像素的谱间预测值,其计算公式如下:
其中,
(6.2)初始化编码谱段索引i=1,将第一个已配准编码谱段设置为当前编码谱段;
(6.3)对当前编码谱段进行预测模式选择:
参照图6,本步骤的具体实现如下:
(6.3.1)判断当前编码谱段是否为第一个已配准编码谱段如果是,直接选择空间模式,并利用JPEG-LS标准中的空间预测模板对编码谱段进行空间预测,得到编码谱段的空间预测谱段再用编码谱段减去空间预测谱段得到编码谱段的空间预测残差并输出;如果不是,则执行步骤(6.3.2);
(6.3.3)利用对应的第i-1个已配准最优参考谱段的有损压缩重建谱段对当前编码谱段进行谱间一阶线性预测,得到在有损压缩时当前编码谱段的谱间预测谱段1≤t≤h,1≤j≤w,其中是在有损压缩时当前编码谱段第t行第j列像素的谱间预测值,其计算公式如下:
其中
(6.4)根据计算得到的当前编码谱段的目标码率和选择的预测模式,对当前编码谱段相应的预测残差进行基于二次迭代调整的码率可控JPEG-LS有损压缩编码,记录当前编码谱段的有损压缩编码码流长度,并得到当前编码谱段的有损压缩重建谱段
结合图7,本步骤的具体实现如下:
(6.4.1)参数设置及初始化:初始化量化步长Near,设置码率门限和Near调整步长门限,在本实施例中,若Ratio≤4,则Near=0,否则Near=4;设置码率门限a和Near调整步长b构成的正数对集合为:{(a+,b+)}={(0.5,10),(0.45,8),(0.35,6),(0.3,5),(0.25,3),(0.15,2),(0.05,1)}和负数对集合为:{(a-,b-)}={(-0.53,10),(-0.46,8),(-0.39,6),(-0.25,5),(-0.15,3),(-0.13,2),(-0.05,1)};初始化迭代次数Times=0和迭代次数门限Tmax=40,初始化行索引t=1;
(6.4.2)根据Near值对输入的预测残差的第t行数据进行JPEG-LS量化编码,得到已编码数据的累积码率Rc;
(6.4.3a)判断slice_rate是否大于0,若slice_rate>0,执行步骤(6.4.3b),否则执行步骤(6.4.3c);
(6.4.3b)将slice_rate依次与正数对集合{(a+,b+)}={(0.5,10),(0.45,8),(0.35,6),(0.3,5),(0.25,3),(0.15,2),(0.05,1)}的码率门限a+比较,若slice_rate>a+,则将Near值增加相应的b+,即将Near值调整为Near+b+,否则继续将slice_rate与正数对集合的下一个数对进行比较,直到最后一个数对;若slice_rate均小于所有正数对中的码率门限a+,则Near值保持不变;
(6.4.3c)若slice_rate<0,则将slice_rate依次与负数对集合{(a-,b-)}={(-0.53,10),(-0.46,8),(-0.39,6),(-0.25,5),(-0.15,3),(-0.13,2),(-0.05,1)}中的码率门限a-比较,若slice_rate<a-,则将Near值减去相应的b-,即将Near值调整为Near-b-;否则继续将slice_rate与负数对集合中的下一个数对进行比较,直到最后一个数对;若slice_rate均大于所有负数对中的码率门限a-,则Near值保持不变;
(6.4.4)判断第t行是否为倒数第2至倒数第P+1行中的某一行,如果是,存储第t行第一次调整后的Near值;否则执行步骤(6.4.5),在本实施例中P=4;
(6.4.5)判断第t行是否为倒数第P+1行,如果是,则存储第t行的上下文信息CXP,否则执行步骤(6.4.6);
(6.4.6)判断第t行是否为最后一行,如果不是,将t加1,执行步骤(6.4.2);如果是,执行步骤(6.4.7);
(6.4.7)判断slice_rate是否大于0,如果是,执行步骤(6.4.8),如果不是,则跳转到步骤(6.4.9);
(6.4.8)令t=t-P,返回至倒数第P行,对最后P行的量化步长进行二次迭代调整:
(6.4.8a)将当前上下文信息CX更新为步骤(6.4.5)存储的上下文信息CXP,即CX=CXP,并将Times加1;
(6.4.8b)将第t行的Near值设置为步骤(6.4.4)存储的第t行第一次调整后的Near值,并将该Near值更新为Near+Times;
(6.4.8c)根据该更新后的Near值,对当前第t行数据进行JPEG-LS量化编码;
(6.4.8d)判断第t行是否为最后一行,如果不是,将t加1,执行步骤(6.4.8b);如果是,执行步骤(6.4.8e);
(6.4.8e)判断Times是否大于迭代次数门限Tmax,如果大于,则执行步骤(6.4.9);否则,返回步骤(6.4.7)。
(6.5)将当前编码谱段序号si依次与最优参考谱段序号{k1,k2,…,kn-1}中的每一个序号进行比较,如果si等于第d个最优参考谱段序号kd,1≤d≤n-1,则将已配准最优参考谱段的有损压缩重建谱段设置为当前编码谱段的有损压缩重建谱段
(6.6)令i=i+1,转至下一编码谱段重复步骤(6.3)~(6.5),直到编码完所有谱段后,执行步骤(7)。
步骤7,组织码流并输出,编码结束。
(7.1)将编码必要参数组织为码流头信息并输出;
对于无损压缩,所述编码必要参数包括:最优谱段编码顺序、最优参考谱段序号、n-1个编码谱段的偏移量、n个编码谱段的预测模式、空谱预测模式下的谱间预测系数以及n个编码谱段的无损压缩编码码流长度;
对于有损压缩,所述编码必要参数包括:最优谱段编码顺序、最优参考谱段序号、n-1个编码谱段的偏移量、n个编码谱段的预测模式、空谱预测模式下的谱间预测系数、倒数第2至倒数第P+1行第一次调整后的Near值以及n个编码谱段的有损压缩编码码流长度;
(7.2)根据最优编码谱段顺序,依次输出各编码谱段的编码码流。
本发明的效果可以通过以下仿真实验做进一步说明:
(1)仿真实验环境
软件采用Microsoft Visual C++6.0集成开发软件和C语言在Microsoft公司的Windows7环境上实现。本发明选取了5组星上未配准多光谱图像作为仿真测试图像,每组多光谱图像均包含红、绿、蓝和近红外4个谱段,图像的空间大小均为1024×1024像素,每个像素采用10比特存储。
(2)实验内容
(2.1)配准前后谱间相关系数比较
对5组仿真测试图像配准前后的谱间相关系数进行统计比较,结果如表1所示,其中谱段序号1~4分别表示4个谱段,“配准前谱间相关系数”表示的是原始未配准多光谱图像的谱间相关系数,“配准后谱间相关系数”表示的是采用本发明对未配准多光谱图像进行谱段重排和谱段配准后得到的已配准多光谱图像的谱间相关系数。
从表1可以看出,配准后谱间相关系数在不同程度上高于配准前谱间相关系数,可见本发明提高了星上未配准多光谱图像的谱间相关性,进而有利于提高星上未配准多光谱图像的压缩性能。
表1 配准前后多光谱图像的谱间相关系数比较
(2.2)无损压缩性能比较实验
(2.2.1)实验方法
实验方法包括本发明和三种现有方法,其中第一种现有方法是JPEG-LS独立压缩方法,该方法对多光谱图像的各个谱段独立进行无损压缩;第二种现有方法是差分JPEG-LS,该方法先对多光谱图像的相邻谱段进行差分处理,以去除谱间相关性,再对差分后的残差进行JPEG-LS无损压缩;第三种现有方法是JPEG-LS_DPCM,该方法先对多光谱图像的相邻谱段进行谱间线性预测,再对预测残差进行JPEG-LS无损压缩。
(2.2.2)实验内容
利用上述四种方法对5组仿真测试图像进行无损压缩,并用每组多光谱图像的压缩比作为无损压缩性能的评价指标,仿真结果如表2所示。
从表2可以看出,由于未配准图像的谱间相关性比较差,使得直接进行谱间去相关的效果差,因此采用差分JPEG-LS和JPEG-LS_DPCM得到的无损压缩比较低,甚至低于JPEG-LS独立压缩的无损压缩比;而本发明通过谱段重排和谱段配准提高了谱间相关性,采用本发明得到的无损压缩比均高于三种现有方法,表明本发明提高了无损压缩性能。
表2 无损压缩比仿真结果表
多光谱图像 | JPEG-LS | 差分JPEG-LS | JPEG-LS_DPCM | 本发明 |
第一组 | 1.337 | 1.360 | 1.385 | 1.408 |
第二组 | 1.770 | 1.623 | 1.662 | 1.922 |
第三组 | 1.829 | 1.730 | 1.808 | 2.080 |
第四组 | 1.899 | 1.775 | 1.824 | 2.075 |
第五组 | 1.899 | 1.778 | 1.871 | 1.957 |
平均压缩比 | 1.747 | 1.653 | 1.710 | 1.888 |
(2.3)有损压缩性能比较实验
(2.3.1)实验方法
实验方法包括本发明和两种现有方法,其中第一种现有方法是基于码率可控JPEG-LS的独立压缩方法JPEG-LS_RT,该方法采用西安电子科技大学硕士学位论文“JPEG-LS码率控制算法研究”中提出的码率控制方法;第二种现有方法是基于线性预测和码率可控JPEG-LS的联合压缩方法JPEG-LS_DPCM_RT,并采用孙蕾等人在“基于谱间预测和码流预分配的高光谱图像压缩算法”中提出的基于标准差的码率分配方法。
(2.2.2)实验内容
利用上述三种方法在3倍和4倍目标压缩比下对5组仿真测试图像进行压缩,并统计每组多光谱图像的实际压缩比和恢复图像峰值信噪比PSNR,实验结果如表3、表4所示。其中:
表3为采用上述三种方法在3倍压缩比下得到的各组多光谱图像的实际压缩比和PSNR值。
表4为采用上述三种方法在4倍压缩比下得到的各组多光谱图像的实际压缩比和PSNR值。
从表3和表4可以看出,JPEG-LS_RT和JPEG-LS_DPCM_RT方法的码率控制不够精确,都有实际码率超过目标码率的情况,即实际压缩比低于目标压缩比,如表中加下划线的数据所示,并且JPEG-LS_RT的实际压缩比与目标压缩比偏差较大。而本发明的码率控制更为精确,实际压缩比均大于目标压缩比,并且很接近目标压缩比,克服了现有技术中码率控制不准确,上下浮动大的问题,可以满足固定链路带宽的要求。
同时从表3和表4还可以看出,本发明的重建图像质量PSNR明显优于两种现有方法,提高了多光谱图像的整体重建质量,有损压缩率失真性能最优。
表3采用三种方法在3倍压缩比下得到的实际压缩比及PSNR统计表
表4采用三种方法在4倍压缩比下得到的实际压缩比及PSNR统计表
以上描述仅是本发明的一个具体实例,不构成对本发明的任何限制。显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (7)
1.一种星上未配准多光谱图像无损/有损编码系统,包括:
谱段重排单元,用于对输入的n谱段多光谱图像进行谱段重排处理,输出最优谱段编码顺序和n-1个编码谱段的最优参考谱段序号给谱段配准单元,n≥4;
谱段配准单元,用于根据谱段重排的结果,对输入的多光谱图像进行谱段配准,即按照最优谱段编码顺序,利用最优参考谱段对当前编码谱段进行配准,并输出已配准多光谱图像至图像输入选择开关;
压缩模式判断单元,用于根据输入的目标压缩比判断压缩模式,如果目标压缩比为0,则为无损压缩模式,如果目标压缩比大于0,则为有损压缩模式,并将压缩模式信号同时输出给图像输入选择开关和码流输出选择开关;
图像输入选择开关,用于根据压缩模式信号,将已配准多光谱图像送给相应的编码单元,如果为无损压缩模式,则送给无损压缩编码单元,如果为有损压缩模式,则送给有损压缩编码单元;
无损压缩编码单元,用于对已配准多光谱图像进行无损压缩,并将无损压缩编码码流输出至码流输出选择开关;
有损压缩编码单元,用于对已配准多光谱图像进行有损压缩,并将有损压缩编码码流输出至码流输出选择开关;
码流输出选择开关,用于根据压缩模式信号,输出相应的编码码流,如果为无损压缩模式,则输出无损压缩编码码流,如果为有损压缩模式,则输出有损压缩编码码流。
2.根据权利要求1所述的星上未配准多光谱图像无损/有损编码系统,其特征在于所述的无损压缩编码单元,包括:
预测模式选择模块,用于对输入的已配准多光谱图像各编码谱段的预测模式进行选择,对第一个编码谱段,直接选择空间预测模式,计算该预测模式下的空间预测残差并输出给JPEG-LS无损编码模块,对其余编码谱段,利用相应的最优参考谱段,分别对编码谱段进行空间预测和空谱预测,通过比较不同预测模式下预测残差的方差大小,选择编码谱段的预测模式,并输出相应的预测残差给JPEG-LS无损编码模块;
JPEG-LS无损编码模块,用于对输入的预测残差进行JPEG-LS无损编码,并将无损压缩编码码流输出给码流输出选择开关。
3.根据权利要求1所述的星上未配准多光谱图像无损/有损编码系统,其特征在于所述的有损压缩编码单元,包括:
码率分配模块,用于计算已配准多光谱图像的每个编码谱段的目标码率,并将该目标码率输出给量化步长调整模块;
预测模式选择模块,用于对输入的已配准多光谱图像各编码谱段的预测模式进行选择,对第一个编码谱段,直接选择空间预测模式,计算该预测模式下的空间预测残差并同时输出给量化步长调整模块和JPEG-LS量化编码模块,对其余编码谱段,利用相应的最优参考谱段,分别对编码谱段进行空间预测和空谱预测,通过比较不同预测模式下预测残差的方差大小,选择编码谱段的预测模式,并将相应的预测残差同时输出给量化步长调整模块和JPEG-LS量化编码模块;
量化步长调整模块,用于根据输入的每个编码谱段的目标码率,对预测残差的每一行数据进行量化步长动态调整,得到量化步长Near并输出给JPEG-LS量化编码模块;
JPEG-LS量化编码模块,用于根据输入的量化步长对预测残差进行JPEG-LS量化编码,并将有损压缩编码码流输出给码流输出选择开关。
4.一种星上未配准多光谱图像无损/有损编码方法,包括如下步骤:
(1)输入未配准多光谱图像{A1,A2,...,Ai,...,An},n表示总谱段数,n≥4,i=1,2,…,n;输入目标压缩比Ratio,Ratio≥0;
(2)对输入的原始谱段编码顺序为{1,2,...,n}的未配准多光谱图像{A1,A2,...,Ai,...,An}进行谱段重排,得到最优谱段编码顺序{s1,s2,...,sn}和重排后未配准多光谱图像,同时从n个编码谱段中选出n-1个编码谱段的最优参考谱段,{k1,...,ki-1,...,kn-1}表示最优参考谱段序号;
(3)按照最优谱段编码顺序{s1,s2,...,sn},依次对重排后未配准多光谱图像的各谱段进行配准,其中第一个编码谱段的已配准谱段等于,对其余n-1个编码谱段,依次利用第i-1个最优参考谱段对第i个编码谱段进行配准,得到已配准多光谱图像,同时根据最优参考谱段序号,从已配准多光谱图像中选出编码谱段序号分别为{k1,k2,...,kn-1}的n-1个已配准编码谱段作为已配准编码谱段的已配准最优参考谱段;
(4)根据目标压缩比Ratio判断压缩模式,如果Ratio=0,则为无损压缩模式,执行步骤(5);如果Ratio>0,则为有损压缩模式,执行步骤(6);
(6)对已配准多光谱图像进行有损压缩,i=1,2,…,n:
(6a)对所有已配准编码谱段进行码率分配,即计算各谱段的谱间预测残差,其中对第一个编码谱段,设置其谱间预测残差等于编码谱段,对其余编码谱段,利用相应的最优参考谱段分别对编码谱段进行谱间一阶线性预测,并计算相应的各谱段的谱间预测残差,再分别计算各谱段的谱间预测残差的标准差的四次开方,并以此作为码率权重因子分配各谱段的目标码率;
(6c)对当前编码谱段进行预测模式选择;
如果i=1,即当前编码谱段为第一个编码谱段,则选择空间预测模式,并利用JPEG-LS空间预测模板对当前编码谱段进行空间预测,计算该预测模式下的空间预测残差;否则,利用JPEG-LS空间预测模板对当前编码谱段进行空间预测,计算该预测模式下的空间预测残差,并根据已配准最优参考谱段的有损压缩重建谱段,对当前编码谱段进行空谱预测,计算相应的有损压缩时的空谱预测残差,比较和的方差,选择较小方差对应的预测模式作为当前编码谱段的预测模式,并输出相应的预测残差;
(6d)根据计算得到的当前编码谱段的目标码率以及选择的预测模式,对当前编码谱段相应的预测残差进行基于二次迭代调整的码率可控JPEG-LS有损压缩编码,记录当前编码谱段的有损压缩编码码流长度,并得到当前编码谱段的有损压缩重建谱段:
(6d1)初始化量化步长Near,若Ratio≤4,则Near=0,否则Near=4;设置码率门限a和Near调整步长b构成的正数对集合为:{(a+,b+)}={(0.5,10),(0.45,8),(0.35,6),(0.3,5),(0.25,3),(0.15,2),(0.05,1)}和负数对集合为:{(a-,b-)}={(-0.53,10),(-0.46,8),(-0.39,6),(-0.25,5),(-0.15,3),(-0.13,2),(-0.05,1)};初始化迭代次数Times=0和迭代次数门限Tmax=40,初始化行索引t=1;
(6d2)根据Near值对输入的预测残差的第t行数据进行JPEG-LS量化编码,得到已编码数据的累积码率Rc;
(6d3)计算已编码数据的累积码率Rc和目标码率RT的差值slice_rate,通过依次比较slice_rate与数对集合{(a+,b+)}和{(a-,b-)}中的码率门限值,对该Near值进行第一次调整:
若slice_rate>0,则将slice_rate依次与正数对集合{(a+,b+)}={(0.5,10),(0.45,8),(0.35,6),(0.3,5),(0.25,3),(0.15,2),(0.05,1)}中的码率门限a+比较,若slice_rate>a+,则将Near值增加相应的b+,即将Near值调整为Near+b+;否则继续将slice_rate与下一个数对进行比较,直到最后一个数对;若slice_rate均小于所有正数对中的码率门限a+,则Near值保持不变;
若slice_rate<0,则将slice_rate依次与负数对集合{(a-,b-)}={(-0.53,10),(-0.46,8),(-0.39,6),(-0.25,5),(-0.15,3),(-0.13,2),(-0.05,1)}中的码率门限a-比较,若slice_rate<a-,则将Near值减去相应的b-,即将Near值调整为Near-b-;否则继续将slice_rate与下一个数对进行比较,直到最后一个数对;若slice_rate均大于所有负数对中的码率门限a-,则Near值保持不变;
(6d4)判断第t行是否为倒数第2至倒数第P+1行中的某一行,如果是,存储第t行第一次调整后的Near值;否则执行步骤(6d5);
(6d5)判断第t行是否为倒数第P+1行,如果是,则存储该行的上下文信息CXP;否则执行步骤(6d6);
(6d6)判断第t行是否为最后一行,如果不是,将t加1,执行步骤(6d2);如果是,执行步骤(6d7);
(6d7)判断slice_rate是否大于0,如果是,执行步骤(6d8),如果不是,则跳转到步骤(6d9);
(6d8)令t=t-P,返回至倒数第P行,对最后P行的量化步长进行如下二次迭代调整:
(6d81)将当前上下文信息CX更新为步骤(6d5)存储的上下文信息CXP,即CX=CXP,并将Times加1;
(6d82)将第t行的Near值设置为步骤(6d4)存储的第t行第一次调整后的Near值,并将该Near值更新为Near+Times;
(6d83)根据该更新后的Near值对第t行数据进行JPEG-LS量化编码;
(6d84)判断第t行是否为最后一行,如果不是,将t加1,执行(6d82);如果是,则判断Times是否大于迭代次数门限Tmax,如果大于,则执行步骤(6d9);否则,返回步骤(6d7);
(6d9)记录当前编码谱段的有损压缩编码码流长度,并输出当前编码谱段的有损压缩重建谱段;
(6e)将当前编码谱段序号si依次与最优参考谱段序号{k1,k2,…,kn-1}中的每一个序号进行比较,如果si等于第d个最优参考谱段序号kd,1≤d≤n-1,则将已配准最优参考谱段的有损压缩重建谱段设置为当前编码谱段的有损压缩重建谱段;
(7)组织码流输出,编码结束。
5.根据权利要求4所述的星上未配准多光谱图像无损/有损编码方法,其特征在于步骤(2)所述的对输入的原始谱段编码顺序为{1,2,…,n}的未配准多光谱图像{A1,A2,...,Ai,...,An}进行谱段重排,按如下步骤进行:
(2b)计算未配准多光谱图像{A1,A2,...,Ai,...,An}的谱间相关系数矩阵,并利用该矩阵初始化无向权值图,即将连接任意两个节点的边的权值设置为对应两个谱段的谱间相关系数,并将所有节点的状态标记为“未处理”;初始化编码谱段索引i=1;
(2c)依次计算各谱段的方差,将方差最小的谱段作为第一个编码谱段,该谱段没有参考谱段,此时仅输出该谱段序号s1,并将该谱段对应的节点状态标记为“处理过”;
(2e)在当前无向权值图中搜索权值最大的边,将该边的状态标记为“搜索到的边”,该边中节点状态标记为“未处理”的节点对应第i个编码谱段的序号si,而标记为“处理过”的节点对应编码谱段的最优参考谱段的序号ki-1,并分别输出最优参考谱段序号ki-1和编码谱段序号si;
(2f)将所述的“搜索到的边”中“未处理”的节点标记为“处理过”;
(3a)初始化偏移量(u,v)=(umin,vmin),其中umin≤u≤umax,vmin≤v≤vmax,u表示水平方向的偏移量,umin和umax分别表示水平方向的最小和最大偏移量,v表示垂直方向的偏移量,vmin和vmax分别表示垂直方向的最小和最大偏移量;初始化最大归一化互信息值Imax=0;
(3d)根据偏移量(u,v)平移当前块,得到平移后当前块;计算所述与的重叠区域的归一化互信息Iblk;如果Iblk>Imax,则更新Imax=Iblk,同时记录此时的偏移量(u,v),否则Imax保持不变;
(3e)判断垂直方向偏移量v的大小,如果v<vmax,令v=v+1,并返回步骤(3d),否则令v=vmin,并执行步骤(3f);
(3f)判断水平方向偏移量u的大小,如果u<umax,则令u=u+1,并返回步骤(3d),否则执行步骤(3g);
(5b)对当前编码谱段进行预测模式选择:
如果i=1,即当前编码谱段为第一个编码谱段,则选择空间预测模式,并利用JPEG-LS空间预测模板对当前编码谱段进行空间预测,计算该预测模式下的空间预测残差;否则,利用JPEG-LS空间预测模板对当前编码谱段进行空间预测,计算该预测模式下的空间预测残差,并根据最优参考谱段对当前编码谱段进行空谱预测,计算相应的空谱预测残差,比较和的方差,选择较小方差对应的预测模式作为当前编码谱段的预测模式,并输出相应的预测残差;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310185556.8A CN103297776B (zh) | 2013-05-17 | 2013-05-17 | 星上未配准多光谱图像无损/有损编码系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310185556.8A CN103297776B (zh) | 2013-05-17 | 2013-05-17 | 星上未配准多光谱图像无损/有损编码系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103297776A true CN103297776A (zh) | 2013-09-11 |
CN103297776B CN103297776B (zh) | 2016-02-10 |
Family
ID=49098008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310185556.8A Active CN103297776B (zh) | 2013-05-17 | 2013-05-17 | 星上未配准多光谱图像无损/有损编码系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103297776B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103780904A (zh) * | 2014-01-23 | 2014-05-07 | 西安电子科技大学 | 基于边缘的高光谱图像自适应无损预测编码系统及方法 |
CN105898305A (zh) * | 2016-04-12 | 2016-08-24 | 上海兆芯集成电路有限公司 | 基于无损联合图像专家小组格式的图像压缩与解压缩方法 |
CN105993143A (zh) * | 2013-12-11 | 2016-10-05 | 泰科电子海底通信有限责任公司 | 用于小步长可变谱效率的编码调制 |
CN110378268A (zh) * | 2019-07-10 | 2019-10-25 | 中国科学院长春光学精密机械与物理研究所 | 高光谱快速目标检测方法及系统 |
CN112819868A (zh) * | 2021-02-05 | 2021-05-18 | 哈尔滨工业大学 | 一种多/高光谱图像与LiDAR点云空间配准及性能评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710962A (zh) * | 2004-06-17 | 2005-12-21 | 佳能株式会社 | 移动图像编码装置 |
CN1293509C (zh) * | 2001-07-02 | 2007-01-03 | 高通股份有限公司 | 以无损的方式编码数字图像数据的设备和方法 |
US20120201295A1 (en) * | 2009-08-21 | 2012-08-09 | Sk Telecom Co., Ltd. | Method and apparatus for intra-prediction encoding/decoding |
-
2013
- 2013-05-17 CN CN201310185556.8A patent/CN103297776B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1293509C (zh) * | 2001-07-02 | 2007-01-03 | 高通股份有限公司 | 以无损的方式编码数字图像数据的设备和方法 |
CN1710962A (zh) * | 2004-06-17 | 2005-12-21 | 佳能株式会社 | 移动图像编码装置 |
US20120201295A1 (en) * | 2009-08-21 | 2012-08-09 | Sk Telecom Co., Ltd. | Method and apparatus for intra-prediction encoding/decoding |
Non-Patent Citations (1)
Title |
---|
况军等: "基于自适应预测的高光谱遥感图像无损压缩算法", 《遥感技术与应用》, vol. 22, no. 06, 15 December 2007 (2007-12-15), pages 739 - 742 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105993143A (zh) * | 2013-12-11 | 2016-10-05 | 泰科电子海底通信有限责任公司 | 用于小步长可变谱效率的编码调制 |
CN105993143B (zh) * | 2013-12-11 | 2019-02-15 | 泰科电子海底通信有限责任公司 | 用于小步长可变谱效率的编码调制 |
CN103780904A (zh) * | 2014-01-23 | 2014-05-07 | 西安电子科技大学 | 基于边缘的高光谱图像自适应无损预测编码系统及方法 |
CN103780904B (zh) * | 2014-01-23 | 2016-11-09 | 西安电子科技大学 | 基于边缘的高光谱图像自适应无损预测编码系统及方法 |
CN105898305A (zh) * | 2016-04-12 | 2016-08-24 | 上海兆芯集成电路有限公司 | 基于无损联合图像专家小组格式的图像压缩与解压缩方法 |
CN105898305B (zh) * | 2016-04-12 | 2019-02-15 | 上海兆芯集成电路有限公司 | 基于无损联合图像专家小组格式的图像压缩与解压缩方法 |
CN110378268A (zh) * | 2019-07-10 | 2019-10-25 | 中国科学院长春光学精密机械与物理研究所 | 高光谱快速目标检测方法及系统 |
CN110378268B (zh) * | 2019-07-10 | 2022-04-26 | 中国科学院长春光学精密机械与物理研究所 | 高光谱快速目标检测方法及系统 |
CN112819868A (zh) * | 2021-02-05 | 2021-05-18 | 哈尔滨工业大学 | 一种多/高光谱图像与LiDAR点云空间配准及性能评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103297776B (zh) | 2016-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102497546B (zh) | 一种屏幕图像压缩装置及压缩方法 | |
CN101919250B (zh) | 压缩多个像素块的方法和压缩器、以及对压缩像素块进行解压的方法和解压器 | |
CN101925926B (zh) | 基于预测的图像处理 | |
CN100498838C (zh) | 多模α图像处理方法及系统 | |
US8107747B2 (en) | Codevector trainers and real-time compressor for multi-dimensional data | |
CN103297776A (zh) | 星上未配准多光谱图像无损/有损编码系统与方法 | |
CN102523367B (zh) | 基于多调色板的实时图像压缩和还原方法 | |
US20160330455A1 (en) | Method device for image compression, having enhanced matching of fixed-width variable-length pixel samples strings | |
CN101494776B (zh) | 一种h.264码率控制方法 | |
CN104320657B (zh) | Hevc无损视频编码的预测模式选择方法及相应的编码方法 | |
CN101390401A (zh) | 借助伪影评价的提高的图像/视频质量 | |
JP2002335542A (ja) | デジタル画像の圧縮方法 | |
CN101779461A (zh) | 使用pixon方法的图像压缩和解压缩 | |
CN106101703A (zh) | 一种面向数字kvm切换器的屏幕视频压缩方法 | |
CN112887722B (zh) | 一种图像无损压缩方法 | |
CN103297775A (zh) | 基于联合码率分配和控制的多光谱图像压缩系统与方法 | |
CN102801982A (zh) | 一种应用于视频压缩且基于块积分的快速运动估计方法 | |
CN101931739A (zh) | 绝对误差总和值估算系统及方法 | |
CN100571387C (zh) | 针对块集合的编码选择运动矢量的方法与设备 | |
CN101720043B (zh) | 基于多模式预测的成像光谱图像压缩方法 | |
US8428381B2 (en) | Image compression method with variable quantization parameter | |
CN103780904B (zh) | 基于边缘的高光谱图像自适应无损预测编码系统及方法 | |
CN115499666A (zh) | 视频的压缩方法、解压缩方法、装置、设备和存储介质 | |
EP4231644A1 (en) | Video frame compression method and apparatus, and video frame decompression method and apparatus | |
CN111770344B (zh) | 一种基于深度学习网络的激光光谱图像压缩方法及系统 |
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 |