CN113240761A - 一种适用于遥感卫星的高位深图像无损压缩方法 - Google Patents

Abstract

本发明是一种适用于遥感卫星的高位深图像无损压缩方法。本发明对卫星遥感图像进行样本块分割，提高编码器对熵值变化的适应性；对分割后的样本进行预测，并确定预测误差，得到残差序列，根据残差序列确定编码选项；根据残差序列，进行残差序列映射，得到映射残差；根据编码选项和映射残差，进行编码，得到码流输出；对码流输出进行压缩得到压缩码流，将多个样本块的压缩码流进行拼接，得到一个数据流；对数据流进行图像解码，得到原样本序列。

Description

一种适用于遥感卫星的高位深图像无损压缩方法

技术领域

本发明涉及图像压缩编码技术领域，是一种适用于遥感卫星的高位深图像无损压缩方法。

背景技术

当前，随着航天技术的飞速发展，卫星分辨率越来越高，传感和探测设备无论在数量还是精度上都比以前大大增加，产生了海量数据，从而对星上数据存储和下行数传造成了极大的困难。由于星载存储容量和下行数传带宽有限，于是在轨对图像进行压缩就成为星上数据处理的一个必备环节，压缩效率直接影响到一个遥感卫星数据的获取能力，因而开发高性能星载图像压缩系统至关重要。

所谓压缩，就是对数据源图像用一定的规则进行变换，去掉可推知的确定信息，保留不确定的信息，以达到用尽可能少的比特位来表示尽可能多的图像数据信息的目的。

搭载在卫星平台上有各种类型有效载荷，如可见光近红外相机、多光谱成像仪、红外相机、夜光相机、SAR等，对载荷图像压缩主要基于以下特性：遥感卫星图像信息存在很大的冗余度，数据之间存在着相关性，如相邻像素之间灰度非常相近。但与一般自然图像相比，遥感图像数据的相关性较弱，具有熵值高、冗余度低的特点，因此进行高倍压缩编码具有很大难度。

游程编码(Run Length Encoding)，是一个针对无损压缩的非常简单的算法。它用重复字节和重复的次数来简单描述来代替重复的字节，算法简单，但对于通常的压缩非常低效。

哈夫曼编码是无损压缩当中最常用的方法之一。它使用预先二进制描述来替换每个符号，长度由特殊符号出现的频率决定。基本的原理是为每个符号找到新的二进制表示，常见的符号需要很少的位来表示，而不常见的符号需要很多位来表示。但这种压缩方法需要提前通过统计的方式建立和存储二进制码表。且哈夫曼编码的稳定性比较差，如果改变其中一位数据就会产生较大改变，因此抗干扰能力差。

Rice编码背后的基本思想是尽可能的用较少的位来存储多个字，和哈夫曼编码不同，编码不是由实际数据内容的统计信息决定，而是由小的值比大的值常见的假定决定，对于越小的数值用越少的比特表示，编码非常简单：将值X用X个‘0’位之后跟一个‘1’位来表示。因此对于较低的数值序列，能够获得更大的压缩比。但信源特性不一定符合“小的值比大的值常见”的假定。

发明内容

本发明针对现有技术的不足，本发明提供了一种适用于遥感卫星的高位深图像无损压缩方法，本发明提供了以下技术方案：

一种适用于遥感卫星的高位深图像无损压缩方法，包括以下步骤：

步骤1：对卫星遥感图像进行样本块分割，提高编码器对熵值变化的适应性；

步骤2：对分割后的样本进行预测，并确定预测误差，得到残差序列，根据残差序列确定编码选项；

步骤3：根据残差序列，进行残差序列映射，得到映射残差；

步骤4：根据编码选项和映射残差，进行编码，得到码流输出；

步骤5：对码流输出进行压缩得到压缩码流，将多个样本块的压缩码流进行拼接，得到一个数据流；

步骤6：对数据流进行图像解码，得到原样本序列。

优选地，所述步骤1具体为：将卫星遥感图像中每个像素作为一个样本，每个样本均为n个比特表示，图像数据在输入预处理器前先要被分割为长度为J的样本块，以提高编码器对熵值变化的适应性。

优选地，所述步骤2具体为：

步骤2.1：根据样本块输入序列x＝{x₁,x₂…,x_J}，预测序列采用单元延迟，得到每个样本预测值为其前一个样本值，通过下式表示样本预测值：

步骤2.2：根据样本预测值和当前样本值进行预测误差计算，求取当前样本值x_i与预测值

的差值，通过下式表示预测误差：

通过下式表示残差序列：

x_min＝min{x₁,x₂…,x_J}

x_max＝max{x₁,x₂…,x_J}；

步骤2.3：设定序列长度为J，计算残差绝对值的累加和，通过下式表示累加和：

A＝sum{abs(Δ₁),abs(Δ₂),……abs(Δ_J)}

并根据累加和确定最佳k值，k_min＝log2(A/J)，k值取大于等于k_min的最小整数，k为编码选项。

优选地，通过下式表示映射残差：

优选地，所述步骤4具体为：

对熵值较低的高位采用FS编码，对熵值较高的低位采用k位源码，码流输出包含起始样本值、样本长度、k值、编码码字和码长。

优选地，所述步骤5具体为：

图像像素序列被分割为一个个样本块，样本块独立进行压缩编码，便于硬件进行并行化处理，将多个样本块的压缩码流进行拼接，组成一个统一规范的数据流，节省编码帧头信息的公共开销。

本发明具有以下有益效果：

本发明针对Rice做了优化，将每个采样点进行位分割，最低k位被存储为源码和最高n-k位用Rice编码，k作为先前流中少许采样的位平均数，从而提供一种更适用于遥感卫星的高位深图像无损压缩方法。本发明具有算法复杂度低、易于硬件实现、编码速度和效率高等优点，适用于遥感卫星等嵌入式应用场景。

相对于现有技术，本发明的图像像素序列被分割为一个个样本块，样本块独立进行压缩编码，便于硬件进行并行化处理，极大提高压缩效率；本发明采用自适应熵编码方法，无需事先存储码表，最优编码选项从样本集的映射残差序列中可直接计算获得，节省存储空间，也极大提高编码效率；本发明算法适用于任意位深的样本，可应用于卫星各种类型的有效载荷数据；本发明算法针对分组后原始数据进行运算，采用解码的重同步机制可以防止空间数据传输中的误码扩散。

附图说明

图1为压缩总体功能框图；

图2为无损压缩流程图；

图3为序列预处理流程图；

图4为n位样本分析示意图；

图5为RICE算法基本序列码编码规则；

图6为自适应熵编码示意图；

图7为并行化压缩流程图；

图8为图像像素序列。

具体实施方式

以下结合具体实施例，对本发明进行了详细说明。

具体实施例一：

根据图1至图8所示，本发明提供一种适用于遥感卫星的高位深图像无损压缩方法，

本发明设计了图1所示的压缩系统，首先对输入数据序列进行预测、映射等预处理，得到相关性较弱的映射残差信息，再对映射残差序列进行自适应熵编码，过程可逆，支持反向解码。压缩系统处理流程图如图2。

步骤1：对卫星遥感图像进行样本块分割，提高编码器对熵值变化的适应性；

样本块分割：卫星遥感图像中的每个像素称之为一个样本，每个样本均为n个比特表示，目前遥感卫星中的传感器量化位深为8/10/12/14/16等。图像数据在输入预处理器前先要被分割为长度为J的样本块，以提高编码器对熵值变化的适应性。

步骤2：对分割后的样本进行预测，并确定预测误差，得到残差序列，根据残差序列确定编码选项；

所述步骤2具体为：

步骤2.1：根据样本块输入序列x＝{x₁,x₂…,x_j}，预测序列采用单元延迟，得到每个样本预测值为其前一个样本值，通过下式表示样本预测值：

步骤2.2：根据样本预测值和当前样本值进行预测误差计算，求取当前样本值x_i与预测值

的差值，通过下式表示预测误差：

通过下式表示残差序列：

x_min＝min{x₁，x₂…,x_J}

x_max＝max{x₁,x₂…,x_J}；

步骤2.3：设定序列长度为J，计算残差绝对值的累加和，通过下式表示累加和：

A＝sum{abs(Δ₁),abs(Δ₂),……abs(Δ_J)}

并根据累加和确定最佳k值，k_min＝log2(A/J)，k值取大于等于k_min的最小整数，k为编码选项。

步骤3：根据残差序列，进行残差序列映射，得到映射残差；通过下式表示映射残差：

步骤4：根据编码选项和映射残差，进行编码，得到码流输出；所述步骤4具体为：

对熵值较低的高位采用FS编码(图5)，对熵值较高的低位采用k位源码。可见，k值越高，源码位占比越高，编码位占比越低，可压缩性越差，但k值选择太低，又会导致FS编码码字变长，因此编码选项k值的选取直接关系到压缩率。压缩编码过程见图6。

码流输出：码流输出应包含起始样本值、样本长度、k值、编码码字和码长等信息。

步骤5：对码流输出进行压缩得到压缩码流，将多个样本块的压缩码流进行拼接，得到一个数据流；

所述步骤5具体为：

图像像素序列被分割为一个个样本块，样本块独立进行压缩编码，便于硬件进行并行化处理，将多个样本块的压缩码流进行拼接，组成一个统一规范的数据流，节省编码帧头信息的公共开销。并行压缩：图像像素序列被分割为一个个样本块，样本块独立进行压缩编码，便于硬件进行并行化处理，极大提高压缩效率，见图7。

步骤6：对数据流进行图像解码，得到原样本序列。图像解码：预处理和编码过程均可逆，可以依据编码后的码流反解出原样本序列。

以卫星在轨实际获取的遥感图像为案例进行压缩实施过程说明。

样本块分割：图像位深为12bit，随意选取图像第4102行，并将前32采样点分割为第一个样本块，取样本块序列长度J＝32。

样本序列如下：

x＝{274，288，294，284，280，288，284，304，

290，276，288，284，290，288，284，292，

286，292，288，296，292，298，294，288，

280，290，290，290，290，284，284，284}

样本预测：预测采用前一个样本，得出样本预测序列：

残差计算：样本减去预测值，得到预测误差(残差)序列：

Δ＝{*，14，6，-10，-4，8，-4，20，

-14，-14，12，-4，6，-2，-4，8，

-6，6，-4，8，-4，6，-4，-6，

-8，10，0，0，0，-6，0，0}残差映射：

样本序列最小值x_min＝274。

样本序列最大值x_max＝304。

通过以上描述规则对残差序列进行映射，得到映射残差序列：

δ＝{*，28，12，19，7，16，7，40，

27，27，24，7，12，3，7，16，

11，12，7，16，7，12，7，11，

15，20，0，0，0，11，0，0}

确定编码选项：

计算残差绝对值累加和A＝sum{abs(Δ_i)}＝198。

k_min＝log2(A/J)＝log2(198/32)＝2.63，因此取k＝3。

映射残差样本分解及编码：

表1映射残差编码表

结果分析：样本位深12bit，序列长度32，原始共计384比特，压缩编码后序列起始样本值占12比特，其余序列映射残差高位占66比特，低位占93比特，总计约171比特，压缩倍数CR＝原始位数/编码后位数＝384/171＝2.25。

对多组卫星遥感图像进行压缩测试，平均压缩比在2倍左右，因此本发明非常适用于卫星遥感图像无损压缩应用。同时，本发明也适用于文本、音频、仪器设备连续采样等类型数据压缩场景。

以上所述仅是一种适用于遥感卫星的高位深图像无损压缩方法的优选实施方式，一种适用于遥感卫星的高位深图像无损压缩方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。

Claims (6)

1.一种适用于遥感卫星的高位深图像无损压缩方法，其特征是：包括以下步骤：

步骤1：对卫星遥感图像进行样本块分割，提高编码器对熵值变化的适应性；

步骤2：对分割后的样本进行预测，并确定预测误差，得到残差序列，根据残差序列确定编码选项；

步骤3：根据残差序列，进行残差序列映射，得到映射残差；

步骤4：根据编码选项和映射残差，进行编码，得到码流输出；

步骤5：对码流输出进行压缩得到压缩码流，将多个样本块的压缩码流进行拼接，得到一个数据流；

步骤6：对数据流进行图像解码，得到原样本序列。

2.根据权利要求1所述的一种适用于遥感卫星的高位深图像无损压缩方法，其特征是：所述步骤1具体为：将卫星遥感图像中每个像素作为一个样本，每个样本均为n个比特表示，图像数据在输入预处理器前先要被分割为长度为J的样本块，以提高编码器对熵值变化的适应性。

3.根据权利要求2所述的一种适用于遥感卫星的高位深图像无损压缩方法，其特征是：所述步骤2具体为：

步骤2.1：根据样本块输入序列x＝{x₁,x₂…,x_J}，预测序列采用单元延迟，得到每个样本预测值为其前一个样本值，通过下式表示样本预测值：

步骤2.2：根据样本预测值和当前样本值进行预测误差计算，求取当前样本值x_i与预测值

的差值，通过下式表示预测误差：

通过下式表示残差序列：

x_min＝min{x₁，x₂…，x_J}

x_max＝max{x₁，x₂…，x_J}；

步骤2.3：设定序列长度为J，计算残差绝对值的累加和，通过下式表示累加和：

A＝sum{abs(Δ₁),abs(Δ₂),……abs(Δ_J)}

并根据累加和确定最佳k值，k_min＝log2(A/J)，k值取大于等于k_min的最小整数，k为编码选项。

4.根据权利要求3所述的一种适用于遥感卫星的高位深图像无损压缩方法，其特征是：

通过下式表示映射残差：

5.根据权利要求4所述的一种适用于遥感卫星的高位深图像无损压缩方法，其特征是：所述步骤4具体为：

对熵值较低的高位采用FS编码，对熵值较高的低位采用k位源码，码流输出包含起始样本值、样本长度、k值、编码码字和码长。

6.根据权利要求3所述的一种适用于遥感卫星的高位深图像无损压缩方法，其特征是：所述步骤5具体为：

图像像素序列被分割为一个个样本块，样本块独立进行压缩编码，便于硬件进行并行化处理，将多个样本块的压缩码流进行拼接，组成一个统一规范的数据流，节省编码帧头信息的公共开销。

Images