CN115580726A - 一种基于重排序的高光谱图像无损压缩方法和系统 - Google Patents

一种基于重排序的高光谱图像无损压缩方法和系统 Download PDF

Info

Publication number
CN115580726A
CN115580726A CN202211188439.2A CN202211188439A CN115580726A CN 115580726 A CN115580726 A CN 115580726A CN 202211188439 A CN202211188439 A CN 202211188439A CN 115580726 A CN115580726 A CN 115580726A
Authority
CN
China
Prior art keywords
current
pixel value
pixel values
band
waveband
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
Application number
CN202211188439.2A
Other languages
English (en)
Inventor
高小明
王蕾
胡轶之
何昭宁
杨超
张恒璟
马海超
谭茂林
张悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ministry Of Natural Resources Land Satellite Remote Sensing Application Center
Original Assignee
Ministry Of Natural Resources Land Satellite Remote Sensing Application Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ministry Of Natural Resources Land Satellite Remote Sensing Application Center filed Critical Ministry Of Natural Resources Land Satellite Remote Sensing Application Center
Priority to CN202211188439.2A priority Critical patent/CN115580726A/zh
Publication of CN115580726A publication Critical patent/CN115580726A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明提出一种基于重排序的高光谱图像无损压缩方法和系统。其中，方法包括：通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序；应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值；通过将谱内预测残差像素值和谱间预测残差像素值与波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。本发明提出的方案，提升了预测性能和高光谱图像的压缩率。

Description

一种基于重排序的高光谱图像无损压缩方法和系统
技术领域
本发明属于图像无损压缩领域，尤其涉及一种基于重排序的高光谱图像无损压缩方法和系统。
背景技术
近年来，随着遥感技术取得长足进步，高光谱分辨率和高空间分辨率不断提升，数据量化位数也有所增加，同时卫星遥感观测的时间分辨率也在不断增加，这些因素都造成了遥感图像数据量的激增。高光谱图像的海量数据给传输和存储带来了巨大负担，因此研究高光谱图像压缩是一项必不可少的任务。根据压缩前后信息是否完整，图像压缩分为有损压缩和无损压缩。有损压缩会导致数据的失真，对以后图像的应用产生不可预测的影响。无损压缩既能保证信息的完整，又能提高图像的存储效率。无损压缩方法大致分为三类：预测编码、变换编码和矢量量化。基于变换和矢量量化的方法因计算量过大或工程实现难度比较大。
发明内容
为解决上述技术问题，本发明提出一种基于重排序的高光谱图像无损压缩方法的技术方案，以解决上述技术问题。
本发明第一方面公开了一种基于重排序的高光谱图像无损压缩方法，所述方法包括：
步骤S1、通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序；
步骤S2、应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值；
步骤S3、以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值的临近像素值集合；通过所述参考波段的当前像素值的临近像素值集合与当前参考波段的当前像素值的距离加权像素值，即加权距离，构造参考波段模板；在当前波段找出与所述参考波段模板在相同空间位置的像素值，构造当前波段模板；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值；
步骤S4、通过将所述谱内预测残差像素值和谱间预测残差像素值与所述波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。
根据本发明第一方面的方法，在所述步骤S1中，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序的方法包括：
计算相邻波段间的相关系数，如果所述相关系数大于预设阈值，则相邻的两个波段划分为一个子集；
如果所述子集的波段数量多于预设值，将相邻的所述预设值个波段划分一组，将所述子集的余下波段与波段数不足预设值的子集组合，形成新的一组；
在每个新的一组内利用最小生成树算法将波段重新排序。
根据本发明第一方面的方法，在所述步骤S1中，所述计算相邻波段间相关系数的方法包括：
Figure BDA0003868405140000021
其中，rk,k+t为相邻波段间相关系数，I(k,i,j)和I(k+t,i,j)分别表示第k波段和第k+t波段图像在空间位置(i,j)的像素值；Ik和Ik+t分别表示对应波段的像素平均值；N和M分别表示图像的行和列。
根据本发明第一方面的方法，在所述步骤S2中，所述应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值的方法包括：
A、C、B和D为当前像素值y的左、左上、上和右上方向的相邻像素值，Y为所述当前像素值y的谱内预测值；
如果C…max(A,B)时，并且满足C-max(B,A)＞T1和abs(B-A)＜T2，则Y＝A+B-D；
如果C…max(A,B)时，并且满足abs(B-A)＞T1和C-max(B,A)＜T2，则Y＝min(A,B)；
如果C≤min(A,B)时，并且满足min(B,A)-C)＞T1和abs(B-A)＜T2，则Y＝A+D-B；
如果C≤min(A,B)时，并且满足abs(B-A)＞T1和min(B,A)-C＜T2，则Y＝max(B,A)；
否则，Y＝A+B-C；
应用所述当前像素值y与所述Y做差，得到谱内预测残差像素值；
其中：T1是第一预定义的正阈值，T2是第二预定义的正阈值，T1＞T2，min(·)表示最小值函数，max(·)表示最大值函数，abs(·)表示绝对值函数。
根据本发明第一方面的方法，在所述步骤S3中，所述通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板的方法包括：
以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值x的临近的像素值集合Cx＝{xi|i＝0,1,L,M1}，xi为Cx中x的临近的像素值，M1为Cx中像素值的个数；
计算Cx中各像素值xi与x的距离加权像素值di，其中，di＝λi|xi-x|,xi∈Cx，λi为x与xi的距离加权值；
从计算后的di中选出N1个最小的距离加权像素值，从小到大依次重新排列记为{di∣i＝0,1,L,N1}，根据di的索引i，在Cx中找到对应的像素值，并构成新的x的临近的像素值集合，也即参考波段模板CX＝{xj|j＝0,1,L,N1}。在当前波段中找到与集合CX在相同空间位置对应的像素值，并构成当前波段当前像素值y的临近的像素值集合，也即当前波段模板CY＝{yj|j＝0,1,L,N1}。
根据本发明第一方面的方法，在所述步骤S3中，所述应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数的方法包括：
Figure BDA0003868405140000041
其中，a是参考波段的预测系数，xj为CX中的像素值，yj为CY中的像素值。
根据本发明第一方面的方法，在所述步骤S3中，所述应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值的方法包括：
应用参考波段的预测系数对当前波段的像素值进行谱间预测：
Figure BDA0003868405140000042
其中，y是当前波段的当前像素值，
Figure BDA0003868405140000043
是y的预测值；
应用所述当前像素值y与所述
Figure BDA0003868405140000044
做差，得到谱间预测残差像素值。
本发明第二方面公开了一种基于重排序的高光谱图像无损压缩系统，所述系统包括：
第一处理模块，被配置为，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序；
第二处理模块，被配置为，应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值；
第三处理模块，被配置为，以当前波段的前一波段作为参考波段，构造所述当前波段的像素值的临近的像素值集合；通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板；在当前波段找出与所述参考波段模板在相同空间位置的像素值，构造当前波段模板；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值；
第四处理模块，被配置为，通过将所述谱内预测残差像素值和谱间预测残差像素值与所述波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。
根据本发明第二方面的系统，所述第一处理模块，被配置为，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序包括：
计算相邻波段间的相关系数，如果所述相关系数大于预设阈值，则相邻的两个波段划分为一个子集；
如果所述子集的波段数量多于预设值，将相邻的所述预设值个波段划分一组，将所述子集的余下波段与波段数不足预设值的子集组合，形成新的一组；
在每个新的一组内利用最小生成树算法将波段重新排序。
根据本发明第二方面的系统，所述第一处理模块，被配置为，所述计算相邻波段间相关系数包括：
Figure BDA0003868405140000051
其中，rk,k+t为相邻波段间相关系数，I(k,i,j)和I(k+t,i,j)分别表示第k波段和第k+t波段图像在空间位置(i,j)的像素值；Ik和Ik+t分别表示对应波段的像素平均值；N和M分别表示图像的行和列。
根据本发明第二方面的系统，所述第二处理模块，被配置为，所述应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值包括：
A、C、B和D为当前像素值y的左、左上、上和右上方向的相邻像素值，Y为所述当前像素值y的谱内预测值；
如果C…max(A,B)时，并且满足C-max(B,A)＞T1和abs(B-A)＜T2，则Y＝A+B-D；
如果C…max(A,B)时，并且满足abs(B-A)＞T1和C-max(B,A)＜T2，则Y＝min(A,B)；
如果C≤min(A,B)时，并且满足min(B,A)-C)＞T1和abs(B-A)＜T2，则Y＝A+D-B；
如果C≤min(A,B)时，并且满足abs(B-A)＞T1和min(B,A)-C＜T2，则Y＝max(B,A)；
否则，Y＝A+B-C；
应用所述当前像素值y与所述Y做差，得到谱内预测残差像素值；
其中：T1是第一预定义的正阈值，T2是第二预定义的正阈值，T1＞T2，min(·)表示最小值函数，max(·)表示最大值函数，abs(·)表示绝对值函数。
根据本发明第二方面的系统，所述第三处理模块，被配置为，所述通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板的方法包括：
以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值x的临近的像素值集合Cx＝{xi|i＝0,1,L,M1}，xi为Cx中x的临近的像素值，M1为Cx中像素值的个数；
计算Cx中各像素值xi与x的距离加权像素值di，其中，di＝λi|xi-x|,xi∈Cx，λi为x与xi的距离加权值；
从计算后的di中选出N1个最小的距离加权像素值，从小到大依次重新排列记为{di∣i＝0,1,L,N1}，根据di的索引i，在Cx中找到对应的像素值，并构成新的x的临近的像素值集合，也即参考波段模板CX＝{xj|j＝0,1,L,N1}。在当前波段中找到与集合CX在相同空间位置对应的像素值，并构成当前波段当前像素值y的临近的像素值集合，也即当前波段模板CY＝{yj|j＝0,1,L,N1}。
根据本发明第二方面的系统，所述第三处理模块，被配置为，所述应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数包括：
Figure BDA0003868405140000071
其中，a是参考波段的预测系数，xj为CX中的像素值，yj为CY中的像素值。
根据本发明第二方面的系统，所述第三处理模块，被配置为，所述应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值包括：
应用参考波段的预测系数对当前波段的像素值进行谱间预测：
Figure BDA0003868405140000072
其中，y是当前波段的当前像素值，
Figure BDA0003868405140000073
是y的预测值；
应用所述当前像素值y与所述
Figure BDA0003868405140000074
做差，得到谱间预测残差像素值。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种基于重排序的高光谱图像无损压缩方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种基于重排序的高光谱图像无损压缩方法中的步骤。
本发明提出的方案，预测性能得到提升；提升了高光谱图像的压缩率，优于WINRAR软件和一些其它经典的压缩方法；为存储设备节省了存储空间，降低了存储成本，减少了海量数据给传输和存储带来的压力。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的一种基于重排序的高光谱图像无损压缩方法的流程图；
图2为根据本发明实施例的基于重排序的高光谱图像无损压缩方法的流程框图；
图3为根据本发明实施例的高光谱图像的波段重新排序示意图；
图4为根据本发明实施例的一颗最小生成树示意图；
图5为根据本发明实施例的中值预测器示意图；
图6为根据本发明实施例的参考波段模板和当前波段模板示意图；
图7为根据本发明实施例的二进制算术编码程序流程图；
图8为根据本发明实施例的一种基于重排序的高光谱图像无损压缩系统的结构图；
图9为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明第一方面公开了一种基于重排序的高光谱图像无损压缩方法。图1为根据本发明实施例的一种基于重排序的高光谱图像无损压缩方法的流程图，如图1和图2所示，所述方法包括：
步骤S1、通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序；
步骤S2、应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值；
步骤S3、以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值的临近像素值集合；通过所述参考波段的当前像素值的临近像素值集合与当前参考波段的当前像素值的距离加权像素值，即加权距离，构造参考波段模板；在当前波段找出与所述参考波段模板在相同空间位置的像素值，构造当前波段模板；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值；
步骤S4、通过将所述谱内预测残差像素值和谱间预测残差像素值与所述波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。
在步骤S1，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序。
在一些实施例中，在所述步骤S1中，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序的方法包括：
如图3所示，计算相邻波段间相关系数，如果所述相关系数大于预设阈值，则相邻的两个波段划分为一个子集；
如果子集的波段数量多于预设值，将相邻的所述预设值个波段划分一组，将所述子集的余下波段与波段数不足预设值的子集组合，形成新的一组；
在每组内利用最小生成树算法将波段重新排序，如图4所示。
所述计算相邻波段间相关系数的方法包括：
Figure BDA0003868405140000101
其中，rk,k+t为相邻波段间相关系数，I(k,i,j)和I(k+t,i,j)分别表示第k波段和第k+t波段图像在空间位置(i,j)的像素值；Ik和Ik+t分别表示对应波段的像素平均值；N和M分别表示图像的行和列。
在步骤S2，应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值。
在一些实施例中，在所述步骤S2中，所述应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值的方法包括：
如图5所示，A、C、B和D为当前像素值y的左、左上、上和右上方向的相邻像素值，Y为所述当前像素值y的谱内预测值；
如果C…max(A,B)时，并且满足C-max(B,A)＞T1和abs(B-A)＜T2，则Y＝A+B-D；
如果C…max(A,B)时，并且满足abs(B-A)＞T1和C-max(B,A)＜T2，则Y＝min(A,B)；
如果C≤min(A,B)时，并且满足min(B,A)-C)＞T1和abs(B-A)＜T2，则Y＝A+D-B；
如果C≤min(A,B)时，并且满足abs(B-A)＞T1和min(B,A)-C＜T2，则Y＝max(B,A)；
否则，Y＝A+B-C；
应用所述当前像素值y与所述Y做差，得到谱内预测残差像素值，预测残差像素值越小说明y和Y越接近，预测的也越精准；
其中：T1是第一预定义的正阈值，T2是第二预定义的正阈值，T1＞T2，min(·)表示最小值函数，max(·)表示最大值函数，abs(·)表示绝对值函数。
在步骤S3，以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值的临近像素值集合；通过所述参考波段的当前像素值的临近像素值集合与参考波段的当前像素值的距离加权像素值，即加权距离，构造参考波段模板；在当前波段找出与所述参考波段模板在相同空间位置的像素值，构造当前波段模板。如图6所示，相同空间位置的像素值作为当前波段当前像素值的临近像素值；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值。
在一些实施例中，在所述步骤S3中，所述通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板的方法包括：
以当前波段的前一波段作为参考波段，构造所述当前波段的像素值的临近的像素值集合Cx＝{xi|i＝0,1,L,M1}，xi为Cx中的像素值，M1为Cx中像素值的个数；
计算Cx中各像素值xi与参考波段的当前像素值x的距离加权像素值di，其中，di＝λi|xi-x|,xi∈Cx，λi为xi与xi的距离加权值，xi离x越远，则距离加权值越小；
如图6所示，从计算后的di中选出N1个最小的距离加权像素值，从小到大依次重新排列记为{di∣i＝0,1,L,N1}，根据di的索引i，在Cx中找到对应的像素值，并构成新的x的临近的像素值集合，也即参考波段模板CX＝{xj|j＝0,1,L,N1}。在当前波段中找到与集合CX在同行同列对应的像素值，并构成当前波段当前像素值y的临近的像素值集合，也即当前波段模板CY＝{yj|j＝0,1,L,N1}。
所述应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数的方法包括：
Figure BDA0003868405140000121
其中，a是参考波段的预测系数，xj为CXj中的像素值，yj为CY中的像素值，如图6所示。
所述应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值的方法包括：
应用参考波段的预测系数对当前波段的像素值进行谱间预测：
Figure BDA0003868405140000122
其中，y是当前波段的当前像素值，
Figure BDA0003868405140000123
是y的预测值；
应用所述当前像素值y与所述
Figure BDA0003868405140000124
做差，得到谱间预测残差像素值，预测残差像素值越小说明y和
Figure BDA0003868405140000125
越接近，预测的也越精准。
在步骤S4，通过将所述谱内预测残差像素值和谱间预测残差像素值与所述波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。
具体地，由于所有数据最终归结为0和1，大多数压缩技术都使用熵编码作为最后一步。因为熵编码能够消除数据中的统计冗余，使数据完全独立分布，所以谱内和谱间预测结束后，对每个波段的预测残差进行二进制算术编码。二进制算术编码的主流程主要有四个子流程构成，如图7所示，首先对预测残差二值化，然后初始化编码器，接着读取索引比特对并进行算术编码。当完成所有的索引比特对编码时，Flush函数将对编码器进行终止，完成无损压缩。
综上，本发明提出的方案能够提升预测性能；提升了高光谱图像的压缩率，优于WINRAR软件和一些其它经典的压缩方法；为存储设备节省了存储空间，降低了存储成本，减少了海量数据给传输和存储带来的压力。
本发明第二方面公开了一种基于重排序的高光谱图像无损压缩系统。图8为根据本发明实施例的一种基于重排序的高光谱图像无损压缩系统的结构图；如图8所示，所述系统100包括：
第一处理模块101，被配置为，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序；
第二处理模块102，被配置为，应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值；
第三处理模块103，被配置为，以当前波段的前一波段作为参考波段，构造所述当前波段的像素值的临近的像素值集合；通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板；在当前波段找出与所述参考波段模板在相同空间位置的像素值，构造当前波段模板；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值；
第四处理模块104，被配置为，通过将所述谱内预测残差像素值和谱间预测残差像素值与所述波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。
根据本发明第二方面的系统，所述第一处理模块101，被配置为，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序包括：
计算相邻波段间的相关系数，如果所述相关系数大于预设阈值，则相邻的两个波段划分为一个子集；
如果所述子集的波段数量多于预设值，将相邻的所述预设值个波段划分一组，将所述子集的余下波段与波段数不足预设值的子集组合，形成新的一组；
在每个新的一组内利用最小生成树算法将波段重新排序。
根据本发明第二方面的系统，所述第一处理模块101，被配置为，所述计算相邻波段间相关系数包括：
Figure BDA0003868405140000141
其中，rk,k+t为相邻波段间相关系数，I(k,i,j)和I(k+t,i,j)分别表示第k波段和第k+t波段图像在空间位置(i,j)的像素值；Ik和Ik+t分别表示对应波段的像素平均值；N和M分别表示图像的行和列。
根据本发明第二方面的系统，所述第二处理模块102，被配置为，所述应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值包括：
A、C、B和D为当前像素值y的左、左上、上和右上方向的相邻像素值，Y为所述当前像素值y的谱内预测值；
如果C…max(A,B)时，并且满足C-max(B,A)＞T1和abs(B-A)＜T2，则Y＝A+B-D；
如果C…max(A,B)时，并且满足abs(B-A)＞T1和C-max(B,A)＜T2，则Y＝min(A,B)；
如果C≤min(A,B)时，并且满足min(B,A)-C)＞T1和abs(B-A)＜T2，则Y＝A+D-B；
如果C≤min(A,B)时，并且满足abs(B-A)＞T1和min(B,A)-C＜T2，则Y＝max(B,A)；
否则，Y＝A+B-C；
应用所述当前像素值y与所述Y做差，得到谱内预测残差像素值；
其中：T1是第一预定义的正阈值，T2是第二预定义的正阈值，T1＞T2，min(·)表示最小值函数，max(·)表示最大值函数，abs(·)表示绝对值函数。
根据本发明第二方面的系统，所述第三处理模块103，被配置为，所述通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板的方法包括：
以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值x的临近的像素值集合Cx＝{xi|i＝0,1,L,M1}，xi为Cx中x的临近的像素值，M1为Cx中像素值的个数；
计算Cx中各像素值xi与x的距离加权像素值di，其中，di＝λi|xi-x|,xi∈Cx，λi为x与xi的距离加权值；
从计算后的di中选出N1个最小的距离加权像素值，从小到大依次重新排列记为{di∣i＝0,1,L,N1}，根据di的索引i，在Cx中找到对应的像素值，并构成新的x的临近的像素值集合，也即参考波段模板CX＝{xj|j＝0,1,L,N1}。在当前波段中找到与集合CX在相同空间位置对应的像素值，并构成当前波段当前像素值y的临近的像素值集合，也即当前波段模板CY＝{yj|j＝0,1,L,N1}。
根据本发明第二方面的系统，所述第三处理模块103，被配置为，所述应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数包括：
Figure BDA0003868405140000151
其中，a是参考波段的预测系数，xj为CX中的像素值，yj为CY中的像素值。
根据本发明第二方面的系统，所述第三处理模块103，被配置为，所述应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值包括：
应用参考波段的预测系数对当前波段的像素值进行谱间预测：
Figure BDA0003868405140000152
其中，y是当前波段的当前像素值，
Figure BDA0003868405140000161
是y的预测值；
应用所述当前像素值y与所述
Figure BDA0003868405140000162
做差，得到谱间预测残差像素值。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本发明公开第一方面中任一项的一种基于重排序的高光谱图像无损压缩方法中的步骤。
图9为根据本发明实施例的一种电子设备的结构图，如图9所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本发明公开第一方面中任一项的一种基于重排序的高光谱图像无损压缩方法中的步骤。
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于重排序的高光谱图像无损压缩方法，其特征在于，所述方法包括：
步骤S1、通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序；
步骤S2、应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值；
步骤S3、以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值的临近像素值集合；通过所述参考波段的当前像素值的临近像素值集合与当前参考波段的当前像素值的距离加权像素值，即加权距离，构造参考波段模板；在当前波段找出与所述参考波段模板在相同空间位置的像素值，构造当前波段模板；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值；
步骤S4、通过将所述谱内预测残差像素值和谱间预测残差像素值与所述波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。
2.根据权利要求1所述的一种基于重排序的高光谱图像无损压缩方法，其特征在于，在所述步骤S1中，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序的方法包括：
计算相邻波段间的相关系数，如果所述相关系数大于预设阈值，则相邻的两个波段划分为一个子集；
如果所述子集的波段数量多于预设值，将相邻的所述预设值个波段划分一组，将所述子集的余下波段与波段数不足预设值的子集组合，形成新的一组；
在每个新的一组内利用最小生成树算法将波段重新排序。
3.根据权利要求2所述的一种基于重排序的高光谱图像无损压缩方法，其特征在于，在所述步骤S1中，所述计算相邻波段间相关系数的方法包括：
Figure FDA0003868405130000021
其中，rk,k+t为相邻波段间相关系数，I(k,i,j)和I(k+t,i,j)分别表示第k波段和第k+t波段图像在空间位置(i,j)的像素值；Ik和Ik+t分别表示对应波段的像素平均值；N和M分别表示图像的行和列。
4.根据权利要求1所述的一种基于重排序的高光谱图像无损压缩方法，其特征在于，在所述步骤S2中，所述应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值的方法包括：
A、C、B和D为当前像素值y的左、左上、上和右上方向的相邻像素值，Y为所述当前像素值y的谱内预测值；
如果C…max(A,B)时，并且满足C-max(B,A)＞T1和abs(B-A)＜T2，则Y＝A+B-D；
如果C…max(A,B)时，并且满足abs(B-A)＞T1和C-max(B,A)＜T2，则Y＝min(A,B)；
如果C≤min(A,B)时，并且满足min(B,A)-C)＞T1和abs(B-A)＜T2，则Y＝A+D-B；
如果C≤min(A,B)时，并且满足abs(B-A)＞T1和min(B,A)-C＜T2，则Y＝max(B,A)；
否则，Y＝A+B-C；
应用所述当前像素值y与所述Y做差，得到谱内预测残差像素值；
其中：T1是第一预定义的正阈值，T2是第二预定义的正阈值，T1＞T2，min(·)表示最小值函数，max(·)表示最大值函数，abs(·)表示绝对值函数。
5.根据权利要求1所述的一种基于重排序的高光谱图像无损压缩方法，其特征在于，在所述步骤S3中，所述通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板的方法包括：
以当前波段的前一波段作为参考波段，构造所述参考波段的当前像素值x的临近的像素值集合Cx＝{xi|i＝0,1,L,M1}，xi为Cx中x的临近的像素值，M1为Cx中像素值的个数；
计算Cx中各像素值xi与x的距离加权像素值di，其中，di＝λi|xi-x|,xi∈Cx，λi为x与xi的距离加权值；
从计算后的di中选出N1个最小的距离加权像素值，从小到大依次重新排列记为{di∣i＝0,1,L,N1}，根据di的索引i，在Cx中找到对应的像素值，并构成新的x的临近的像素值集合，也即参考波段模板CX＝{xj|j＝0,1,L,N1}。在当前波段中找到与集合CX在相同空间位置对应的像素值，并构成当前波段当前像素值y的临近的像素值集合，也即当前波段模板CY＝{yj|j＝0,1,L,N1}。
6.根据权利要求5所述的一种基于重排序的高光谱图像无损压缩方法，其特征在于，在所述步骤S3中，所述应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数的方法包括：
Figure FDA0003868405130000031
其中，a是参考波段的预测系数，xj为CX中的像素值，yj为CY中的像素值。
7.根据权利要求6所述的一种基于重排序的高光谱图像无损压缩方法，其特征在于，在所述步骤S3中，所述应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值的方法包括：
应用参考波段的预测系数对当前波段的像素值进行谱间预测：
Figure FDA0003868405130000041
其中，y是当前波段的当前像素值，
Figure FDA0003868405130000042
是y的预测值；
应用所述当前像素值y与所述
Figure FDA0003868405130000043
做差，得到谱间预测残差像素值。
8.一种用于基于重排序的高光谱图像无损压缩系统，其特征在于，所述系统包括：
第一处理模块，被配置为，通过高光谱图像的相邻波段间的相关系数，将高光谱图像的波段重新排序，得到重排序后的波段顺序；
第二处理模块，被配置为，应用加入了对图像中对角线边缘检测方法的中值预测器对重新排序的波段的像素值进行谱内预测，得到谱内预测残差像素值；
第三处理模块，被配置为，以当前波段的前一波段作为参考波段，构造所述当前波段的像素值的临近的像素值集合；通过所述当前波段的像素值的临近的像素值集合中的像素值与当前波段的像素值的距离加权像素值，即加权距离，构造参考波段模板；在当前波段找出与所述参考波段模板在相同空间位置的像素值，构造当前波段模板；应用参考波段模板中的像素值和当前波段模板中的像素值，得到参考波段的预测系数；应用参考波段的预测系数对当前波段的像素值进行谱间预测，得到谱间预测残差像素值；
第四处理模块，被配置为，通过将所述谱内预测残差像素值和谱间预测残差像素值与所述波段顺序进行熵编码，完成高光谱图像的无损压缩，得到高光谱图像压缩文件。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至7中任一项所述的一种基于重排序的高光谱图像无损压缩方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至7中任一项所述的一种基于重排序的高光谱图像无损压缩方法中的步骤。
CN202211188439.2A 2022-09-28 2022-09-28 一种基于重排序的高光谱图像无损压缩方法和系统 Pending CN115580726A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211188439.2A CN115580726A (zh) 2022-09-28 2022-09-28 一种基于重排序的高光谱图像无损压缩方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211188439.2A CN115580726A (zh) 2022-09-28 2022-09-28 一种基于重排序的高光谱图像无损压缩方法和系统

Publications (1)

Publication Number Publication Date
CN115580726A true CN115580726A (zh) 2023-01-06

Family

ID=84582268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211188439.2A Pending CN115580726A (zh) 2022-09-28 2022-09-28 一种基于重排序的高光谱图像无损压缩方法和系统

Country Status (1)

Country Link
CN (1) CN115580726A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
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
US20180146192A1 (en) * 2015-06-04 2018-05-24 Tsinghua University Encoding method, decoding method and device thereof

Patent Citations (2)

* Cited by examiner, † Cited by third party
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
US20180146192A1 (en) * 2015-06-04 2018-05-24 Tsinghua University Encoding method, decoding method and device thereof

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李媛媛;景文博;刘学;王晓曼;张瑜;: "基于混合预测高光谱图像无损压缩" *
王柯俨;李云松;宋娟;廖惠琳;吴宪云;: "基于局部边缘预测的空谱联合高光谱图像无损压缩" *
辛勤;汤毅;李纲;: "基于波段分组的高光谱图像无损压缩" *

Similar Documents

Publication Publication Date Title
CN103004201B (zh) 运动图像编码装置、运动图像解码装置、运动图像编码方法以及运动图像解码方法
US7881377B2 (en) Image coding apparatus and image coding method
CN103931190B (zh) 编码设备、编码方法、解码设备和解码方法
CN110602491B (zh) 帧内色度预测方法、装置、设备及视频编解码系统
CN111641832A (zh) 编码方法、解码方法、装置、电子设备及存储介质
KR20190117708A (ko) 부호화유닛 심도 확정 방법 및 장치
CN107743239A (zh) 一种视频数据编码、解码的方法及装置
CN113079378B (zh) 图像处理方法、装置和电子设备
WO2022028197A1 (zh) 一种图像处理方法及其设备
CN111754405A (zh) 图像降分辨率及复原方法、设备及可读存储介质
CN107547773B (zh) 一种图像处理方法、装置及设备
CN114731455A (zh) 使用与图像质量相关的ai元数据的设备和方法
Xiang et al. Remote sensing image compression with long-range convolution and improved non-local attention model
JP2021525025A (ja) ビデオ符号化、ビデオ復号化方法、装置、コンピュータ装置及びコンピュータプログラム
RU2487489C2 (ru) Способ поиска векторов перемещений в динамических изображениях
CN115580726A (zh) 一种基于重排序的高光谱图像无损压缩方法和系统
CN113256744B (zh) 一种图像编码、解码方法及系统
CN110352599A (zh) 用于视频处理的方法和设备
CN109474826B (zh) 图片压缩方法、装置、电子设备及存储介质
CN116095321A (zh) 显著性区域图像编解码方法、系统、设备及存储介质
CN110691242A (zh) 一种大幅面遥感图像无损压缩方法
CN116233438A (zh) 利用加权算法的数据预测采集系统
US20220392117A1 (en) Data compression and decompression system and method thereof
CN115913245A (zh) 数据编码方法、数据解码方法以及数据处理装置
Şchiopu et al. Depth image lossless compression using mixtures of local predictors inside variability constrained regions

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20230106

RJ01 Rejection of invention patent application after publication