基于分类预测的高光谱遥感图像无损压缩.pdfVIP

Ⅳ多媒体信号处理 基于分类预测的高光谱遥感图像无损压缩 孙蕾 罗建书 国舫科学技术大学理学院数学与系统科学系，湖南长沙，410073 摘要：根据高光谱图像强烈的谱问相关性，本文提出一种基于分类预测的高光谱图像无损压缩 算法。首先根据谱问相关性的大小，将若干个相邻的波段分为一组。由于高光谱图像每个波段都 具有相同的物理结构，先对各组中首幅图像进行分类，在每个子类中设计出一个最佳线性预测嚣， 将该类中的相邻谱段进行预测井将预测残差均方降为最小，然后用LOCO．I算法去除残差图像的 相关性。实验结果表明，谊算法能够有效的压缩数据，其他压缩算法显示出很强的优势。 关键词：高光谱图像压缩；分类；LOCO．1算法；最佳线性预测器 1．引言 高光谱图像在资源探测，环境监视，军事侦察等众多领域有着广泛的应用。然而随着成 像光谱仪的迅速发展，高光谱图像数据呈海量增加，给传输和储存领域带来了巨大的压力。 由于遥感信息非常宝贵，要求对信息恢复的准确程度较高。因而对于无损或近无损压 缩给予更高的关注。目前，对高光谱遥感图像的无损压缩方法很多，主要有基于预测，变 换和基于矢量量化的方法，以及将多种方法相结合进行压缩。这些方法中预测的速度最快， 耗内存小，但是效果较其他方法要差一些。就变换的方法而言，DCT变换具有快速算法， 它的时效性较好，但是由于变换系数是小数，还必须输出残差图像，才能完成无损压缩， 影响了压缩效果。小波变换的出现成功的应用在渐进式传输中，但是速度较DCT而言要 慢一些。矢量量化的压缩效率非常的高，但是随着码书的增长，运算时间呈几何指数增长。 矢量量化是高光谱图像压缩的理想方法，在压缩性能上接近理论上图像的最小熵。但是由 于矢量量化具有较高的复杂性，计算量随着矢量维数的增加呈指数增长，同时它依赖于图 像本身，不同的图像需要构造不同的码书，严重影响了压缩的实时性要求。因此各种算法 在运算时问，所耗内存，压缩比上各有优缺点。 本文提出一种新的基于分类预测器的高光谱图像无损压缩算法。首先根据高光谱图像 的谱间相关性，将若干个相邻的波段和在一起，分为一组。由于每个波段都具有相同的物 理结构，对每一组中的第一个波段进行分类，对每个子类，用DPcM方法设计一种最佳线 性预测器，去除谱间相关性。然后用LOCO．I算法”J对各组中第一幅图像及预测后的残差 资助项目：国家自然科学基金项 com 联系作者：孙蕾，E—mail=bangb￡mgbita，91999@163 228 第一部分第十四届全国多媒体技术学术会议 图像进行编码。实验结果表明，该算法能够有效的去除高光谱图像的空间和谱间相关性。 南于基于分类的预测模型能反映出局部的谱问相关性，较没有分类的预测算法而言，可有 效的提高压缩效率。 2．分类预测去谱间相关性压缩算法 在通常的DPCM预测算法中，我们可以发现，预测器的设计和图像的局部特性有很大 的关系。对于一幅很大的遥感图像而言，其中有河流，树木，山脉等不同的地貌，如果对 这幅图的每个波段使用同一种预测器，则预测效果远远不如对小图的高。如果简单的把大 图分割成方形小图，再对每个小图都设计出一种预测器，则完全忽略了高光谱遥感图像特 有的谱间相关性和每个波段中相同的物理结构。所以本文充分考虑到图像的局部特征，将 图像中性质相似的(这里主要指灰度特性)像素分为一类，对每一类像素都设计一个预测 器。同时注意到各个波段图像都具有相同的物理特性，我们可以将第一幅图的分类信息作 为以后每个波段的分类指标，即谱间相关性很大的若干个相邻波段共用一组分类信息。因 而我们不用对每个波段都进行分类。 同时，并不能将所有的波段共用一组分类信息。因为波段相隔太远，相关性越来越弱， 而前面的分类信息已经不适用了。所以根据相关性的大小，我们要将各个波段先分组。处 于相同波段的图像才可以用同一组分类信息。 高光谱图像用F(x，Y，6)表示空间坐标(x，力上第b波段上采集到的光谱能量，反映到相 应图像像素的灰度值。图像的谱间相关性由相关系数衡量，如公式； 旦上 j：芝：[，O，y)一“，]【g(z，y)～“g]