CN117201797A - 遥感影像数据的处理方法、装置、设备与存储介质 - Google Patents

Abstract

本发明提供了一种遥感影像数据的处理方法、装置、设备与机器可读存储介质，其中上述处理方法具体包括：获取遥感影像中待处理的数据块；对数据块进行压缩编码，得到压缩后的数据流；使用霍夫曼编码算法对压缩后的数据流进行二次压缩，得到霍夫曼编码序列。本发明的方案，对遥感影像进行两次压缩，分别去除数据的冗余信息以及进一步减少数据量，通过两次压缩，减小了遥感影像的数据量，从而为提高存储以及传输效率提供了基础。

Description

遥感影像数据的处理方法、装置、设备与存储介质

技术领域

本发明涉及数据处理领域，特别是涉及一种遥感影像数据的处理方法、装置、设备与存储介质。

背景技术

遥感影像数据是一种重要的地理信息数据，广泛应用于城市规划、土地利用、农业和林业管理、自然资源管理、灾害监测和应对及基础设施管理等领域。遥感影像数据可以提供大量的数据和信息，帮助人们做出更好的决策。

遥感影像数据量大，通过网络直接传输到接收端，这种方式虽然简单直接，但传输速度较慢，且容易受到网络带宽和传输距离等因素的影响使得传输成本高昂。

发明内容

本发明的一个目的是要提供一种有效减小数据量的遥感影像数据的处理方法。

本发明的一个进一步目的是要提高数据的安全性。

本发明的另一进一步目的是要提高提高遥感影像数据的传输效率，满足不同场景的传输要求。

特别地，本发明提供的遥感影像数据的处理方法，其包括：

获取遥感影像中待处理的数据块；

对数据块进行压缩编码，得到压缩后的数据流；

使用霍夫曼编码算法对压缩后的数据流进行二次压缩，得到霍夫曼编码序列。

可选地，对数据块进行压缩编码的步骤包括：

获取编码字典，编码字典用于记录由像素值组成的匹配对象与编码值的映射关系；

使用待处理的数据块的像素值在编码字典中进行匹配，并根据匹配结果对编码字典进行动态更新；

将匹配得到的编码值按顺序组合成压缩后的数据流。

可选地，使用待处理的数据块的像素值在编码字典中进行匹配，并根据匹配结果对编码字典进行动态更新的步骤包括：

读取由像素值形成的匹配对象，将匹配对象在编码字典中进行匹配；

若匹配成功，则读取待处理的数据块的下一像素值，利用下一像素值扩充匹配对象，并重新在编码字典中进行匹配；

若匹配不成功，则输出已匹配成功的编码值，并在编码字典中建立匹配对象的映射关系，将匹配对象更新为当前的单一像素值，对更新后的匹配对象重新在编码字典中进行匹配；

在待处理的数据块的像素值全部匹配完毕后，输出匹配得到的编码值。

可选地，使用霍夫曼编码算法对压缩后的数据流进行二次压缩的步骤包括：

统计压缩后的数据流中每个编码值出现的频率，得到频率表；

将频率表中的每个编码值及其频率作为一个节点，构建霍夫曼树；

从根节点遍历霍夫曼树，得到每个节点对应的霍夫曼编码；

将霍夫曼编码替换压缩后的数据流中对应的编码值，得到霍夫曼编码序列。

可选地，在获取遥感影像中待处理的数据块的步骤之前还包括：

根据对遥感影像进行特征识别所需的资源确定数据块的大小；

按照数据块的大小对遥感影像进行分割，得到多个待处理的数据块。

可选地，按照数据块的大小对遥感影像进行分割的步骤包括：

识别遥感影像中的兴趣区域，根据识别出的兴趣区域确定出每个数据块的位置；

基于数据块的位置按照数据块的大小分割遥感影像。

可选地，在得到霍夫曼编码序列之后，还包括：

对霍夫曼编码序列进行Logistic混沌映射加密，得到加密后的数据块；

通过多路复用技术对多个加密后的数据块利用各自的通道进行同时传输，并在接收端按照数据块的顺序对接收到的数据块进行重组。

可选地，对霍夫曼编码序列进行Logistic混沌映射加密的步骤包括：

获取预设的混沌映射系统；

根据混沌映射系统生成混沌序列，根据混沌序列或者混沌序列的一部分生成密钥；

使用密钥对霍夫曼编码序列进行加密。

根据本发明的另一个方面，还提供了一种遥感影像数据的处理装置。该遥感影像数据的处理装置包括：

获取模块，配置成获取遥感影像中待处理的数据块；

第一压缩模块，配置成对数据块进行压缩编码，得到压缩后的数据流；

第二压缩模块，配置成配置成使用霍夫曼编码算法对压缩后的数据流进行二次压缩，得到霍夫曼编码序列。

根据本发明的另一个方面，还提供了一种计算机设备。该计算机设备包括存储器、处理器及存储在存储器上并在处理器上运行的机器可执行程序，并且处理器执行机器可执行程序时实现上述任一种的遥感影像数据的处理方法。

根据本发明的另一个方面，提供了一种机器可读存储介质，其上存储有机器可执行程序，机器可执行程序被处理器执行时实现上述任一种的遥感影像数据的处理方法。

本发明的遥感影像数据的处理方法，对遥感影像进行两次压缩。第一次压缩对数据块进行压缩编码，得到压缩后的数据流，从而去除数据的冗余信息；第二次压缩使用霍夫曼编码算法对压缩后的数据流进一步压缩，进一步减少数据量，通过两次压缩，减小了遥感影像的数据量，从而为提高存储和/或传输效率提供了基础。

进一步地，本发明的遥感影像数据的处理方法，还改进了遥感影像数据的分割算法以及数据方式，一方面按照数据块的大小对遥感影像进行分割，使得数据块的大小与资源消耗限制相适配，避免了计算、存储、传输消耗的资源过大影响数据处理效率；提高了处理效率；另一方面，对多个数据块利用各自的通道进行同时传输，利用多路复用技术，提高了传输速度。

更进一步地，本发明的遥感影像数据的处理方法，还对压缩后得到的霍夫曼编码序列进行Logistic混沌映射加密，提高了数据传输以及存储的安全性。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本发明一个实施例的遥感影像数据的处理方法的示意图；

图2是根据本发明一个实施例的遥感影像数据的处理方法中对遥感影像进行分割的流程示意图；

图3是根据本发明一个实施例的遥感影像数据的处理方法中对数据块进行压缩编码的流程示意图；

图4是根据本发明一个实施例的遥感影像数据的处理方法中对使用LZW算法进行压缩的流程示意图；

图5是根据本发明一个实施例的遥感影像数据的处理方法中使用霍夫曼编码算法进行二次压缩的流程示意图；

图6是根据本发明一个实施例的遥感影像数据的处理方法中Logistic混沌映射加密的流程示意图；

图7是根据本发明一个实施例的遥感影像数据的处理装置的示意框图；

图8是根据本发明一个实施例的机器可读存储介质的示意图；以及

图9是根据本发明一个实施例的计算机设备的示意图。

具体实施方式

本领域技术人员应当理解的是，下文所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，该一部分实施例旨在用于解释本发明的技术原理，并非用于限制本发明的保护范围。基于本发明提供的实施例，本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例，仍应落入到本发明的保护范围之内。

图1是根据本发明一个实施例的遥感影像数据的处理方法的示意图；该遥感影像数据的处理方法一般性地可以包括：

步骤S101，获取遥感影像中待处理的数据块；

步骤S102，对数据块进行压缩编码，得到压缩后的数据流；

步骤S103，使用霍夫曼编码算法对压缩后的数据流进行二次压缩，得到霍夫曼编码序列。

上述遥感影像数据的处理方法，对遥感影像进行两次压缩。第一次压缩对数据块进行压缩编码，得到压缩后的数据流，从而去除数据的冗余信息；第二次压缩使用霍夫曼编码算法(Huffman编码)对压缩后的数据流进一步压缩，进一步减少数据量，为提高数据存储和/或传输效率提供了基础。特别对于无人机遥感技术中的机载环境，通信方式和数据速度受到更多限制的情况下，本实施例的遥感影像数据的处理方法可以大大提高了传输效率，便于实现数据的共享和利用。

本实施例的方法用于处理的遥感影像为以下任一种遥感影像：高分辨率遥感影像、多光谱遥感影像、高光谱遥感影像、超光谱遥感影像。从而本实施例的方法可以应用于不同种类的遥感影像，扩展了应用场景，通用性更高。

上述待处理的数据块预先通过对遥感影像数据进行分割得到。图2是根据本发明一个实施例的遥感影像数据的处理方法中对遥感影像进行分割的流程示意图。在步骤S101获取遥感影像中待处理的数据块的步骤之前，本实施例的遥感影像数据的处理方法还可以包括：

步骤S201，根据对遥感影像进行特征识别所需的资源确定数据块的大小。数据块的大小基于遥感影像进行特征识别所需的资源进行设置，例如评估对遥感影像进行地物识别和地物空间尺度特征提取所需的计算存储资源，进一步确定执行本实施例方法的计算机设备的硬件资源，然后确定数据块的大小。在资源较为丰富的情况下，可以将数据块分割得更大；反之则可以将数据块分割得更小。一般而言，数据块大小取值范围为512×512像素到4092×4092像素。

步骤S202，按照数据块的大小对遥感影像进行分割，得到多个待处理的数据块。一种可选地分割方式为：识别遥感影像中的兴趣区域，根据识别出的兴趣区域确定出每个数据块的位置；基于数据块的位置按照数据块的大小分割遥感影像。也就说，步骤S202可以基于兴趣区域排序来划分块位置，然后根据确定的块大小和位置，对遥感影像进行自动化分割。根据确定的块大小和位置，对遥感影像进行自动化分割。图像分块不仅可以提高遥感影像的压缩率，同时还可以提高遥感影像识别率、加速遥感影像处理效率。

可替代地，在一些其他实施例中，数据块的大小和位置也可以由操作人员手动进行配置，例如操作人员可以设置数据块大小的数值或者手动输入数据块的轮廓及位置。

在一些实施例中，也可将遥感影像整体作为一个数据块进行处理，也即不对遥感影像进行分割。

图3是根据本发明一个实施例的遥感影像数据的处理方法中对数据块进行压缩编码的流程示意图。步骤S102的对数据块进行压缩编码的步骤可以包括：

步骤S301，获取编码字典，编码字典用于记录由像素值组成的匹配对象与编码值的映射关系。在启动对数据块的压缩编码时，编码字典为初始编码字典。初始编码字典可以预先配置像素值与编码值的映射关系，随着后续的匹配过程，编码字典动态更新。

步骤S302，使用待处理的数据块的像素值在编码字典中进行匹配，并根据匹配结果对编码字典进行动态更新；

步骤S303，将匹配得到的编码值按顺序组合成压缩后的数据流。

上述压缩编码的算法可为LZW算法(Lempel-Ziv-Welch Encoding，串表压缩算法)。通过建立一个字符串表，用较短的编码来表示较长的数据来实现压缩。LZW算法有效利用数据出现频率冗余度进行压缩，且编码字典自适应生成，压缩比高，压缩及解压速度快。

图4是根据本发明一个实施例的遥感影像数据的处理方法中对使用LZW算法进行压缩的流程示意图。上述步骤S302利用LZW算法的流程可以包括：

步骤S3021，读取由像素值形成的匹配对象，将匹配对象在编码字典中进行匹配。上述匹配对象可以为单一像素值，也可以为匹配过程中由多个像素值组成像素值串。

步骤S3022，若匹配成功，则读取待处理的数据块的下一像素值，利用下一像素值扩充匹配对象，并重新在编码字典中进行匹配；

步骤S3023，若匹配不成功，则输出已匹配成功的编码值，并在编码字典中建立匹配对象的映射关系，将匹配对象更新为当前的单一像素值，对更新后的匹配对象重新在编码字典中进行匹配；

步骤S3024，在待处理的数据块的像素值全部匹配完毕后，输出匹配得到的编码值。

本实施例的遥感影像数据的处理方法在利用LZW算法进行压缩的一种执行流程可以包括：

初始化字典步骤，将所有可能出现的像素值都加入字典中，每个像素值都对应一个编码。

原始数据读步骤，将原始的遥感影像数据读入内存中。

编码步骤，从原始数据中读取一个像素值，将其与字典中的编码进行比较，如果匹配成功，则继续读取下一个像素值，并将当前匹配的编码和下一个像素值一起作为新的键值对加入字典中。如果匹配失败，则将当前匹配的编码输出，并将下一个像素值作为新的匹配编码的起始值。

循环执行编码步骤，直到所有像素值都被编码并输出。

数据压缩步骤，将所有输出的编码按顺序组合成一个压缩后的数据流。

数据输出步骤，将压缩后的数据进行保存或者传输。

上述遥感影像数据进行压缩处理主要依靠编码字典的初始化和动态更新。在压缩过程中，LZW算法通过一个动态维护的编码字典来实现对数据的压缩。字典中存储着所有可能出现的像素值及其对应的编码，初始编码字典中记录了所有可能出现的单个像素值。当遥感影像数据被输入时，LZW算法会读取像素值并与编码字典中的编码值进行比较，如果匹配成功，则继续读取下一个像素值，并将当前匹配的编码和下一个像素值一起作为新的键值对加入编码字典中。如果匹配失败，则将当前匹配的编码输出，并将下一个像素值作为新的匹配编码的起始值(匹配对象)。这样，通过不断更新编码字典，LZW算法可以将遥感影像数据压缩成更小的数据流。在解压缩时，只需要按照相反的顺序执行相同的变啊字典操作即可还原原始数据。也即在解压缩时，利用编码值匹配出对应的像素值，压缩及解压过程对数据无损。

图5是根据本发明一个实施例的遥感影像数据的处理方法中使用霍夫曼编码算法进行二次压缩的流程示意图。步骤S103的使用霍夫曼编码算法对压缩后的数据流进行二次压缩的步骤可以包括：

步骤S501，统计压缩后的数据流中每个编码值出现的频率，得到频率表；

步骤S502，将频率表中的每个编码值及其频率作为一个节点，构建霍夫曼树；

步骤S503，从根节点遍历霍夫曼树，得到每个节点对应的霍夫曼编码；

步骤S504，将霍夫曼编码替换压缩后的数据流中对应的编码值，得到霍夫曼编码序列。

霍夫曼编码算法根据符号出现的频率来构建一种变长编码，使出现频率高的符号用较短的编码表示，出现频率低的符号用较长的编码表示，从而实现数据的压缩。

本实施例的遥感影像数据的处理方法利用霍夫曼编码算法的一种可选执行流程可以包括：

统计步骤，统计遥感影像数据中每个像素值出现的频率，得到一个频率表。

构建霍夫曼树步骤，将频率表中的每个像素值及其频率作为一个节点，构建一棵霍夫曼树。霍夫曼树的构建过程中，每次从频率最小的两个节点中选取一个作为左子节点，另一个作为右子节点，将它们的频率相加作为父节点的频率，直到所有节点都被合并成一个根节点。

霍夫曼编码生成步骤，从根节点开始遍历霍夫曼树，如果经过一个左子节点，则在编码的末尾添加0；如果经过一个右子节点，则在编码的末尾添加1。最终，每个像素值都对应一个唯一的霍夫曼编码。

数据压缩步骤：将遥感影像数据中的每个像素值替换为其对应的霍夫曼编码，并将所有编码按顺序组合成一个压缩后的数据流。

压缩数据输出步骤，将压缩后的数据保存到磁盘中或者进行传输。

解压缩时，只需要按照相反的顺序执行上述步骤即可。具体地，先读取压缩数据并将其转换为霍夫曼编码序列，然后根据霍夫曼编码和霍夫曼树还原出原始的遥感影像数据。

在得到霍夫曼编码序列，为了提高数据的安全性，本实施例的方法还可以包括：对霍夫曼编码序列进行Logistic混沌映射加密，得到加密后的数据块。图6是根据本发明一个实施例的遥感影像数据的处理方法中Logistic混沌映射加密的流程示意图。对霍夫曼编码序列进行Logistic混沌映射加密的流程可以包括：

步骤S601，获取预设的混沌映射系统；

步骤S602，根据混沌映射系统生成混沌序列，根据混沌序列或者混沌序列的一部分生成密钥；

步骤S603，使用密钥对霍夫曼编码序列进行加密。

在步骤S603对霍夫曼编码序列进行Logistic混沌映射加密的步骤之后还包括：通过多路复用技术对多个数据块利用各自的通道进行同时传输，并在接收端按照数据块的顺序对接收到的数据块进行重组。

本实施例的方法利用Logistic混沌映射加密利用混沌序列生成密钥，对遥感影像数据进行加密，一种可选地执行流程可以包括：

选择混沌映射系统，选择一个适合遥感影像特点的的混沌系统作为加密算法的基础。混沌映射系统可以采用以下几种混沌映射：一维Logistic映射、二维He’non映射、三维Lorenz映射、逐段线性混沌映射、逐段非线性混沌映射等。

初始化参数，对于所选的混沌系统分别初始化对应的参数，这些参数将影响混沌序列的生成过程。

生成混沌序列，使用所选混沌系统和初始化参数，生成混沌序列。

密钥生成，将生成的混沌序列作为密钥，可以通过选择序列中的一部分或者对序列进行一定的处理来得到最终的密钥。

遥感影像的编码序列，通过加密密钥进入混沌序列，通过混沌系统设计加密算法，实现加密目的；再输入解密密钥，把加密过程逆向运算即可得到解密编码。混沌映射加密中，像素置乱变换与灰度值替换都由混沌系统产生的混沌序列所控制

多路复用技术对多个数据块利用各自的通道进行同时传输，可以采用频分复用的方式进行。也即将用于传输信道的总带宽划分成若干个子频带，每一个子信道传输1路信号(一个数据块)。所有子信道传输的信号以并行的方式工作，每一路信号传输时可不考虑传输时延。从而提高了传输效率。此外，本实施例的方法可以采用时分复用等其他复用技术同时传输多个数据块。

在影像重组时，接收端可以首先对数据块进行解密，然后使用霍夫曼解码，进一步使用LZW算法还原出原始像素值，最终按照数据块的顺序对接收到的数据块进行拼接，得到原始的遥感影像。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何机器可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。

本实施例还提供了一种遥感影像数据的处理装置70。图7是根据本发明一个实施例的遥感影像数据的处理装置70的示意框图。

该遥感影像数据的处理装置70包括：获取模块701、第一压缩模块702、以及第二压缩模块703。其中获取模块701配置成获取遥感影像中待处理的数据块。第一压缩模块702配置成对数据块进行压缩编码，得到压缩后的数据流。第二压缩模块703配置成配置成使用霍夫曼编码算法对压缩后的数据流进行二次压缩，得到霍夫曼编码序列。

第一压缩模块702可以进一步包括字典获取子模块、匹配更新子模块、组合子模块。其中字典获取子模块可以配置成获取编码字典，编码字典用于记录由像素值组成的匹配对象与编码值的映射关系。匹配更新子模块可以配置成使用待处理的数据块的像素值在编码字典中进行匹配，并根据匹配结果对编码字典进行动态更新。组合子模块配置成将匹配得到的编码值按顺序组合成压缩后的数据流。

匹配更新子模块还可以配置成读取由像素值形成的匹配对象，将匹配对象在编码字典中进行匹配；若匹配成功，则读取待处理的数据块的下一像素值，利用下一像素值扩充匹配对象，并重新在编码字典中进行匹配；若匹配不成功，则输出已匹配成功的编码值，并在编码字典中建立匹配对象的映射关系，将匹配对象更新为当前的单一像素值，对更新后的匹配对象重新在编码字典中进行匹配；在待处理的数据块的像素值全部匹配完毕后，输出匹配得到的编码值。

第二压缩模块703可以进一步包括统计子模块、树构建子模块、编码子模块、序列生成子模块。其中统计子模块可以配置成统计压缩后的数据流中每个编码值出现的频率，得到频率表。树构建子模块可以配置成将频率表中的每个编码值及其频率作为一个节点，构建霍夫曼树。编码子模块可以配置成从根节点遍历霍夫曼树，得到每个节点对应的霍夫曼编码。序列生成子模块可以配置成将霍夫曼编码替换压缩后的数据流中对应的编码值，得到霍夫曼编码序列。

在另一些实施例中，本实施例的遥感影像数据的处理装置70还可以设置数据块分割模块、加密模块、传输模块。其中数据块分割模块配置成根据对遥感影像进行特征识别所需的资源确定数据块的大小；按照数据块的大小对遥感影像进行分割，得到多个待处理的数据块。其中按照数据块的大小对遥感影像进行分割的一种实现方式为：识别遥感影像中的兴趣区域，根据识别出的兴趣区域确定出每个数据块的位置；基于数据块的位置按照数据块的大小分割遥感影像。

加密模块配置成对霍夫曼编码序列进行Logistic混沌映射加密，得到加密后的数据块。加密模块的一种加密手段可以包括：获取预设的混沌映射系统；根据混沌映射系统生成混沌序列，根据混沌序列或者混沌序列的一部分生成密钥；使用密钥对霍夫曼编码序列进行加密。

传输模块配置成通过多路复用技术对多个加密后的数据块利用各自的通道进行同时传输，并在接收端按照数据块的顺序对接收到的数据块进行重组。

本实施例还提供了一种机器可读存储介质80。图8是是根据本发明一个实施例的机器可读存储介质80的示意图。机器可读存储介质80其上存储有机器可执行程序810，机器可执行程序810被处理器执行时实现上述任一实施例的遥感影像数据的处理方法。

就本实施例的描述而言，机器可读存储介质80可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。机器可读存储介质80的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，机器可读存储介质80甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

图9是根据本发明一个实施例的计算机设备90的示意图。计算机设备90可以包括存储器920、处理器910及存储在存储器920上并在处理器910上运行的机器可执行程序810，并且处理器910执行机器可执行程序810时实现上述任一实施例的遥感影像数据的处理方法。计算机设备90可以是例如服务器、台式计算机、笔记本式计算机、平板计算机或智能手机。在一些示例中，计算机设备90可以是云计算节点。计算机设备90可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括执行特定的任务或者实现特定的抽象数据类型的例程、程序、目标程序、组件、逻辑、数据结构等。计算机设备90可以在通过通信网络链接的远程处理设备执行任务的分布式云计算环境中实施。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

计算机设备90可以包括适于执行存储的指令的处理器910、在操作期间为所述指令的操作提供临时存储空间的存储器920。处理器910可以是单核处理器、多核处理器、计算集群或任何数量的其他配置。存储器920可以包括随机存取存储器(RAM)、只读存储器、闪存或任何其他合适的存储系统。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。

本实施例提供的流程图并不旨在指示方法的操作将以任何特定的顺序执行，或者方法的所有操作都包括在所有的每种情况下。此外，方法可以包括附加操作。在本实施例方法提供的技术思路的范围内，可以对上述方法进行附加的变化。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (11)

1.一种遥感影像数据的处理方法，其特征在于，包括：

获取遥感影像中待处理的数据块；

对所述数据块进行压缩编码，得到压缩后的数据流；

使用霍夫曼编码算法对所述压缩后的数据流进行二次压缩，得到霍夫曼编码序列。

2.根据权利要求1所述的遥感影像数据的处理方法，其特征在于，所述对所述数据块进行压缩编码的步骤包括：

获取编码字典，所述编码字典用于记录由像素值组成的匹配对象与编码值的映射关系；

使用所述待处理的数据块的像素值在所述编码字典中进行匹配，并根据匹配结果对所述编码字典进行动态更新；

将匹配得到的编码值按顺序组合成所述压缩后的数据流。

3.根据权利要求2所述的遥感影像数据的处理方法，其特征在于，所述使用所述待处理的数据块的像素值在所述编码字典中进行匹配，并根据匹配结果对所述编码字典进行动态更新的步骤包括：

读取由所述像素值形成的匹配对象，将所述匹配对象在所述编码字典中进行匹配；

若匹配成功，则读取所述待处理的数据块的下一像素值，利用所述下一像素值扩充所述匹配对象，并重新在所述编码字典中进行匹配；

若匹配不成功，则输出已匹配成功的编码值，并在所述编码字典中建立所述匹配对象的映射关系，将匹配对象更新为当前的单一像素值，对更新后的所述匹配对象重新在所述编码字典中进行匹配；

在所述待处理的数据块的像素值全部匹配完毕后，输出所述匹配得到的编码值。

4.根据权利要求1所述的遥感影像数据的处理方法，其特征在于，所述使用霍夫曼编码算法对所述压缩后的数据流进行二次压缩的步骤包括：

统计所述压缩后的数据流中每个编码值出现的频率，得到频率表；

将所述频率表中的每个编码值及其频率作为一个节点，构建霍夫曼树；

从根节点遍历所述霍夫曼树，得到每个所述节点对应的霍夫曼编码；

将所述霍夫曼编码替换所述压缩后的数据流中对应的编码值，得到所述霍夫曼编码序列。

5.根据权利要求1所述的遥感影像数据的处理方法，其特征在于，在所述获取遥感影像中待处理的数据块的步骤之前还包括：

根据对所述遥感影像进行特征识别所需的资源确定所述数据块的大小；

按照所述数据块的大小对所述遥感影像进行分割，得到多个所述待处理的数据块。

6.根据权利要求5所述的遥感影像数据的处理方法，其特征在于，所述按照所述数据块的大小对所述遥感影像进行分割的步骤包括：

识别所述遥感影像中的兴趣区域，根据识别出的兴趣区域确定出每个所述数据块的位置；

基于所述数据块的位置按照所述数据块的大小分割所述遥感影像。

7.根据权利要求5所述的遥感影像数据的处理方法，其特征在于，在得到所述霍夫曼编码序列之后，还包括：

对所述霍夫曼编码序列进行Logistic混沌映射加密，得到加密后的数据块；

通过多路复用技术对多个所述加密后的数据块利用各自的通道进行同时传输，并在接收端按照所述数据块的顺序对接收到的所述数据块进行重组。

8.根据权利要求7所述的遥感影像数据的处理方法，其特征在于，所述对所述霍夫曼编码序列进行Logistic混沌映射加密的步骤包括：

获取预设的混沌映射系统；

根据所述混沌映射系统生成混沌序列，根据所述混沌序列或者所述混沌序列的一部分生成密钥；

使用所述密钥对所述霍夫曼编码序列进行加密。

9.一种遥感影像数据的处理装置，其特征在于，包括：

获取模块，配置成获取遥感影像中待处理的数据块；

第一压缩模块，配置成对所述数据块进行压缩编码，得到压缩后的数据流；

第二压缩模块，配置成配置成使用霍夫曼编码算法对所述压缩后的数据流进行二次压缩，得到霍夫曼编码序列。

10.一种计算机设备，其特征在于包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的机器可执行程序，并且所述处理器执行所述机器可执行程序时实现根据权利要求1至8任一项所述的遥感影像数据的处理方法。

11.一种机器可读存储介质，其特征在于，其上存储有机器可执行程序，所述机器可执行程序被处理器执行时实现根据权利要求1至8任一项所述的遥感影像数据的处理方法。