CN104079930A - 一种遥感影像压缩系统的实现方法 - Google Patents
一种遥感影像压缩系统的实现方法 Download PDFInfo
- Publication number
- CN104079930A CN104079930A CN201410005061.7A CN201410005061A CN104079930A CN 104079930 A CN104079930 A CN 104079930A CN 201410005061 A CN201410005061 A CN 201410005061A CN 104079930 A CN104079930 A CN 104079930A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- wavelet
- data
- transformation
- 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
Landscapes
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种遥感影像压缩系统的实现方法,包括如下步骤:步骤101,采集遥感影像数据;步骤102,通过映射变换器,采用小波变换的方法对所述遥感影像数据进行映射变换,形成映射变换数据;步骤103,通过熵编码器将所述映射变换数据进行编码处理,输出编码流数据;步骤104,将所述编码流数据进行压缩处理,完成所述遥感影像数据的压缩。通过本发明可快速实现大容量遥感影像无损压缩,解决了现有技术中有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出,给数据的传输和存储带来了极大的便利。
Description
技术领域
本发明涉及遥感影像压缩技术领域,尤其是涉及一种遥感影像压缩系统的实现方法。
背景技术
随着新型传感技术的发展,遥感影像的时间、空间和光谱分辨率不断提高,随着航天遥感技术的迅速发展,相应的数据规模呈几何级数增长。遥感数据量日益庞大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出,给数据的传输和存储带来了极大的困难。数据压缩技术作为解决这一问题的有效途径,尤其对于遥感影像数据来说,在遥感领域越来越受到重视。由于遥感影像对地物分析和识别非常重要的作用,大部分情况下人们希望在不损失信息的情况下对遥感影像进行有效、高效的压缩,也使得遥感影像压缩技术与一般的图像压缩技术有所不同。
由于影像分辨率越高,相邻采样点的相关性越高,数据水分也越大。对遥感数据进行压缩,有利于节省通信信道,提高信息的传输速率;数据压缩之后有利于实现保密通讯,提高系统的整体可靠性。现有技术中,遥感影像数据量日益庞大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出,给数据的传输和存储带来了极大的技术困难。
发明内容
本发明的目的在于设计,解决上述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种遥感影像压缩系统的实现方法,包括如下步骤:
步骤101,采集遥感影像数据;
步骤102,通过映射变换器,采用小波变换的方法对所述遥感影像数据进行映射变换,形成映射变换数据;
步骤103,通过熵编码器将所述映射变换数据进行编码处理,输出编码流数据;
步骤104,将所述编码流数据进行压缩处理,完成所述遥感影像数据的压缩。
优选的,所述步骤102中,采用小波变换的方法对所述遥感影像数据进行映射变换的具体方法为,通过小波变换的方法减少了所述遥感影像数据中图像中的冗余信息,所述小波变换具体采用的方法为:
设Ψa,b(x)为分析小波,a为伸缩因子,b为平移因子,函数Ψ(x)为基本
小波,f(x)为任意函数,L2(R)为平方可积空间,C_Ψ为傅里叶变换的可容
性范围,|ω|为信号的基频;
所述小波变换的实质在于将L2(R)平方可积空间中的f(x)表示成为Ψ(a,b)(x)的不同伸缩和平移因子上投影的叠加,形成所述分析小波;
所述分析小波Ψa,b(x)是满足∫RΨ(x)dx=0的条件下,所述函数Ψ(x)通过伸缩和平移产生的;所述分析小波Ψa,b(x)的计算方法为:
所述基本小波函数Ψ(x)的傅里叶变换为Ψ(ω),所述Ψ(ω)的范围为:
若所述Ψ(ω)=0,即基本小波Ψ(x)的傅里叶变换Ψ(ω)经过原点,函数f(x)在L2(R)平方可积空间上连续小波变换为(Tf(x)),所述(Tf(x))的计算方法为:
所述遥感影像数据根据所述分析小波实现映射变换。
优选的,所述步骤103中,所述编码处理是采用EBCOT方式进行处理;所述EBCOT主要用于对所述小波变换产生的子带系数进行量化和熵编码。
优选的,对所述子带系数进行量化的具体方式为将所述子带系数分成规律的独立编码的码块。
优选的,所述规律为将子带系数等分成所述码块。
优选的,对所述子带系数进行熵编码的具体方式为:采用二进制MQ算法对所述子带系数进行熵编码。
名词解释:
EBCOT(Embedded Block Coding with Optimized Truncation)优化截取嵌入块编码算法是新一代静止图像压缩标准JPEG2000的核心编码算法,该算法使码流具有许多优良的特性如渐进编解码、质量和分辨率渐进。
MQ算法是一种基于上下文的自适应二进制算法。它基于上下文以利于解除信源相关性,利用条件交换和概率估计状态机中的贝叶斯学习过程实现符号概率模型自适应过程,采用位填充技术解决编码中的进位问题,是一种高效率物理可实现的压缩编码算法。
本发明的有益效果可以总结如下:
通过本发明可快速实现大容量遥感影像无损压缩,解决了现有技术中有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出,给数据的传输和存储带来了极大的便利。
附图说明
图1为本发明流程示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对遥感影像数据量日益庞大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出,给数据的传输和存储带来了极大困难的特点,提出了如图1所示的一种遥感影像压缩系统的实现方法,包括如下步骤:
步骤101,采集遥感影像数据;
步骤102,通过映射变换器,采用可逆的小波变换的方法对遥感影像数据进行映射变换,形成映射变换数据,来减少影像数据的相关性;
采用小波变换的方法对遥感影像数据进行映射变换的具体方法为,通过小波变换的方法减少了遥感影像数据中图像中的冗余信息,小波变换具体采用的方法为:
设Ψa,b(x)为分析小波,a为伸缩因子,b为平移因子,函数Ψ(x)为基本小波,f(x)为任意函数,L2(R)为平方可积空间,C_Ψ为傅里叶变换的可容性范围,|ω|为信号的基频;
小波变换的实质在于将L2(R)平方可积空间中的f(x)表示成为Ψ(a,b)(x)的不同伸缩和平移因子上投影的叠加,形成分析小波;
分析小波Ψa,b(x)是满足∫RΨ(x)dx=0的条件下,函数Ψ(x)通过伸缩和平移产生的;分析小波Ψa,b(x)的计算方法为:
基本小波函数Ψ(x)的傅里叶变换为Ψ(ω),Ψ(ω)的范围为:
若Ψ(ω)=0,即基本小波Ψ(x)的傅里叶变换Ψ(ω)经过原点,函数f(x)在L2(R)平方可积空间上连续小波变换为(Tf(x)),(Tf(x))的计算方法为:
所述遥感影像数据根据所述分析小波实现映射变换;
步骤103,通过熵编码器将映射变换数据进行编码处理,输出编码流数据;熵编码器进一步无损的压缩了经过变换后的数据以提高总体的压缩效果,它利用一个模型来准确确定各个量化值的概率然后产生基于这些概率的合适的编码,从而让输出的编码流小于输入流。
编码处理是采用EBCOT方式进行处理;EBCOT主要用于对小波变换产生的子带系数进行量化和采用二进制MQ算法对子带系数进行熵编码;对子带系数进行量化的具体方式为将子带系数等分成独立编码的码块;
步骤104,将编码流数据进行压缩处理,完成遥感影像数据的压缩。
本发明中所采用的映射变换,它体现了输入原始图像和经过变换的图像之间的一一对应关系。变换也称为去除相关,它减少了图像中的冗余信息,与输入原始图像数据相比,变换后的图像数据提供了一种更易于压缩的图像数据表示形式。本发明中所采用的熵编码,采用嵌入式分块优化截断编码算法(EBCOT),EBCOT算法是一种对小波变换产生的子带系数进行量化和编码的方法,它的基本思想是把每一个子带的小波变换系数分成独立编码的码块,并且对所有的码块使用完全相同的编码算法。EBCOT算法不利用不同分解级或者是不同频带上小波系数的相似性,而是简单的将所有小波系数分成规则的小方块进行处理,这样小波系数的管理不再涉及复杂的四叉树结构,简化了编码算法。作为补偿,该算法采用二进制MQ算数编码器对小波系数做熵编码,其总体压缩性能高,同时,系数分块使得EBCOT算法可以满足感兴趣区编码,容错编码等特殊应用要求。
本方法的基本思想是:首先将影像当作确定性信号处理,通过映射变换器,采用小波变换的方法对原始影像进行映射变换,从而减低信号的相关性,映射变换是影像编码的核心部分,它决定了编码的对象类型;然后将变换后数据输入熵编码器中,熵编码器采用6EBCOT(嵌入式分块优化截断编码算法)进行编码处理,最后输出码流并压缩。通过本发明可快速实现大容量遥感影像无损压缩,解决了现有技术中有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出,给数据的传输和存储带来了极大的便利。
以上通过具体的和优选的实施例详细的描述了本发明,但本领域技术人员应该明白,本发明并不局限于以上所述实施例,本申请可借助软件、电路或必需的通用硬件平台等方式来实现,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种遥感影像压缩系统的实现方法,其特征在于,包括如下步骤:
步骤101,采集遥感影像数据;
步骤102,通过映射变换器,采用小波变换的方法对所述遥感影像数据进行映射变换,形成映射变换数据;
步骤103,通过熵编码器将所述映射变换数据进行编码处理,输出编码流数据;
步骤104,将所述编码流数据进行压缩处理,完成所述遥感影像数据的压缩。
2.根据权利要求1所述的遥感影像压缩系统的实现方法,其特征在于,所述步骤102中,采用小波变换的方法对所述遥感影像数据进行映射变换的具体方法为:
设Ψa,b(x)为分析小波,a为伸缩因子,b为平移因子,函数Ψ(x)为基本小波,f(x)为任意函数,L2(R)为平方可积空间,C_Ψ为傅里叶变换的可容性范围,|ω|为信号的基频;
所述小波变换将L2(R)平方可积空间中的f(x)表示成为Ψ(a,b)(x)的不同伸缩和平移因子上投影的叠加,形成所述分析小波;
所述分析小波Ψa,b(x)是满足∫RΨ(x)dx=0的条件下,所述函数Ψ(x)通过伸缩和平移产生的;所述分析小波Ψa,b(x)的计算方法为:
所述基本小波函数Ψ(x)的傅里叶变换为Ψ(ω),所述Ψ(ω)的范围为:
若所述Ψ(ω)=0,即基本小波Ψ(x)的傅里叶变换Ψ(ω)经过原点,函数f(x)在L2(R)平方可积空间上连续小波变换为(Tf(x)),所述(Tf(x))的计算方法为:
所述遥感影像数据根据所述分析小波实现映射变换。
3.根据权利要求1所述的遥感影像压缩系统的实现方法,其特征在于:所述步骤103中,所述编码处理是采用EBCOT方式进行处理;所述EBCOT主要用于对所述小波变换产生的子带系数进行量化和熵编码。
4.根据权利要求3所述的遥感影像压缩系统的实现方法,其特征在于:对所述子带系数进行量化的具体方式为将所述子带系数分成规律的独立编码的码块。
5.根据权利要求4所述的遥感影像压缩系统的实现方法,其特征在于:所述规律为将子带系数等分成所述码块。
6.根据权利要求3所述的遥感影像压缩系统的实现方法,其特征在于:对所述子带系数进行熵编码的具体方式为:采用二进制MQ算法对所述子带系数进行熵编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410005061.7A CN104079930A (zh) | 2014-01-06 | 2014-01-06 | 一种遥感影像压缩系统的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410005061.7A CN104079930A (zh) | 2014-01-06 | 2014-01-06 | 一种遥感影像压缩系统的实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104079930A true CN104079930A (zh) | 2014-10-01 |
Family
ID=51600940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410005061.7A Pending CN104079930A (zh) | 2014-01-06 | 2014-01-06 | 一种遥感影像压缩系统的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104079930A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109704164A (zh) * | 2018-02-28 | 2019-05-03 | 武汉大学 | 一种电梯运动异常的实时检测方法 |
CN112380367A (zh) * | 2020-10-27 | 2021-02-19 | 中南大学 | 一种基于熵的遥感影像数据筛选方法 |
CN112532980A (zh) * | 2020-11-03 | 2021-03-19 | 宁波高新区思搏科技有限公司 | 一种医疗超音波图像处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101365138A (zh) * | 2008-10-10 | 2009-02-11 | 中国航天科技集团公司第五研究院第五〇四研究所 | 一种jpeg2000图像压缩处理系统 |
CN102769744A (zh) * | 2012-06-19 | 2012-11-07 | 南京信息工程大学 | 一种卫星图像的编码方法 |
CN102790882A (zh) * | 2012-07-25 | 2012-11-21 | 南京信息工程大学 | 一种遥感图像的编码方法 |
US20130236113A1 (en) * | 2012-03-07 | 2013-09-12 | Sony Corporation | Image processing device and image processing method |
-
2014
- 2014-01-06 CN CN201410005061.7A patent/CN104079930A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101365138A (zh) * | 2008-10-10 | 2009-02-11 | 中国航天科技集团公司第五研究院第五〇四研究所 | 一种jpeg2000图像压缩处理系统 |
US20130236113A1 (en) * | 2012-03-07 | 2013-09-12 | Sony Corporation | Image processing device and image processing method |
CN102769744A (zh) * | 2012-06-19 | 2012-11-07 | 南京信息工程大学 | 一种卫星图像的编码方法 |
CN102790882A (zh) * | 2012-07-25 | 2012-11-21 | 南京信息工程大学 | 一种遥感图像的编码方法 |
Non-Patent Citations (1)
Title |
---|
杨帆等: "小波变换简介", 《数字图像处理及应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109704164A (zh) * | 2018-02-28 | 2019-05-03 | 武汉大学 | 一种电梯运动异常的实时检测方法 |
CN112380367A (zh) * | 2020-10-27 | 2021-02-19 | 中南大学 | 一种基于熵的遥感影像数据筛选方法 |
CN112532980A (zh) * | 2020-11-03 | 2021-03-19 | 宁波高新区思搏科技有限公司 | 一种医疗超音波图像处理方法 |
CN112532980B (zh) * | 2020-11-03 | 2023-03-10 | 宁波高新区思搏科技有限公司 | 一种医疗超音波图像处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sujitha et al. | Optimal deep learning based image compression technique for data transmission on industrial Internet of things applications | |
US11538197B2 (en) | Channel-wise autoregressive entropy models for image compression | |
CN103873877A (zh) | 远程桌面的图像传输方法及装置 | |
CN111641826B (zh) | 对数据进行编码、解码的方法、装置与系统 | |
CN105554501A (zh) | 一种图像采集与压缩方法及装置 | |
CN101917622B (zh) | 14bit位宽图像压缩硬件编码器 | |
CN102823245A (zh) | 具有减少的内存需求的视频传输系统 | |
Khobragade et al. | Image compression techniques-a review | |
CN101924562B (zh) | 基于整数小波变换的曲线矢量数据压缩式编码方案 | |
CN101631243B (zh) | 一种基于小波变换的图像编和解码的方法 | |
CN102572426B (zh) | 一种数据处理的方法和装置 | |
CN101132529A (zh) | 基于快速逐次逼近量化的小波图像压缩方法 | |
WO2018120019A1 (zh) | 用于神经网络数据的压缩/解压缩的装置和系统 | |
CN104079930A (zh) | 一种遥感影像压缩系统的实现方法 | |
CN103796018A (zh) | 一种遥感影像实时压缩及渐进传输系统 | |
Kabir et al. | Edge-based transformation and entropy coding for lossless image compression | |
Bhatnagar et al. | Image compression using dct based compressive sensing and vector quantization | |
Padmavati et al. | DCT combined with fractal quadtree decomposition and Huffman coding for image compression | |
CN103985096A (zh) | 基于离线训练的高光谱图像回归预测压缩方法 | |
CN101754021B (zh) | 基于改进小波变换图像压缩方法实现手机移动门户的方法 | |
CN103533351B (zh) | 一种多量化表的图像压缩方法 | |
CN1848960B (zh) | 使用非标准化矢量量化编码器的符合视频标准的残差编码 | |
CN115361556A (zh) | 一种基于自适应的高效视频压缩算法及其系统 | |
Zhou et al. | Enhanced image compression method exploiting NTT for internet of thing | |
CN105472395A (zh) | 一种基于离散Krawtchouk正交多项式的图像无损压缩方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141001 |