第十二章 遥感数字图像处理技术2——压缩减容量.doc

第十二章 遥感数字图像处理技术 2——压缩减容量 王心逸 1401110572 章前引导 在保证图像复原的前提下，为了去除冗余数据并突出有用信息，一般需要对 图像进行压缩处理。典型的压缩处理可以分为两大类：第一类是无损压缩，它基 于信息熵理论去冗余；第二类是有损压缩，它基于率失真函数理论，在工程误差 允许的前提下用最小量存储数据保留尽可能多的有用信息。  凝练语句的展开叙述 本章具体包括：1）压缩的意义及常用压缩方法，以区分有损、无损两类压 缩差异；2）熵编码与无损压缩算法，以信息熵判据度量信息冗余去除量；3）率 失真函数与有损压缩算法，以实现允许失真与平均信息码率的平衡；4）图像随 机场的空间对象有损压缩理论，K-L 变换是针对具有 Markov 随机场性质的随机 性信号（或者空间对象）的最佳变换。 1）在保证图像可以复原的前提下，图像压缩已经成为现在大数据时代一个 必不可少的图像处理技术之一，尤其是对于日益庞大的遥感数据。原始遥感数据 一般包含两种可以压缩的信息：冗余信息和无用信息，压缩方法也是根据这两类 对信息的压缩处理分为：无损压缩和有损压缩。对数据进行压缩处理后，使得数 据所需的信道容量和储存空间都大大减少，这不仅节约通信费用、提高传输效率， 而且对信息的保密性有很大的帮助，提高了系统的整体可靠性。常见的遥感影像 压缩算法主要有脉冲编码调制、预测编码、变换编码、（K-L变换、离散余弦变换 DCT）、统计编码（Huffman编码、算术编码、行程编码等）。此外，随着遥感影像 空间分辨率越来越高，代表我们对图像细节部分的关注度越高，细节是图像中的 高频信息而有损压缩的特点恰恰是以牺牲图像的高频信息为代价，正因为如此图 像压缩的发展似乎也正在面临着更大的挑战。但是基于其发展相对比较成熟，其 在遥感影像的应用仍是不可或缺的应用技术之一。 2）熵编码与无损压缩算法，以信息熵判据度量信息冗余去除量。由前面叙 述我们知道，冗余信息包括编码冗余、像素冗余和视觉冗余，这部分信息是无用 的，所以理论上去除得越多越好，但是不管是哪种算法，都是不可能完全去除这 部分冗余信息的。而信息熵理论给出了无损压缩编码的效率极限，这就给出了一 个提高无损压缩效率的发展方向，尽可能的使平均码长接近信息源的熵，如果两 者相等，那么所有冗余的信息就完全被去除了。 3）率失真函数与有损压缩算法，以实现允许失真与平均信息码率的平衡。 去除冗余信息的前提下，有损压缩会造成图像在一定程度上的失真，但是这种失 真是允许的，只是我们必须给出一个失真的下限，即在满足一定图像质量（信噪 比的要求或者是主观评价等）的条件下，以较少的比特数表示图像或图像中所包 含的信息，即以保证在失真的情况下，用最小量存储数据保留尽可能多的有用信  息。事实上，在有失真信源中，不能用熵理论进行度量，而要用率失真函数度量。 不允许失真的情况即是逼近信息源的熵的时候。研究不同的有损压缩算法的目的 是，使率失真函数尽可能陡峭，斜率尽可能小。 4）图像随机场的空间对象有损压缩理论，以实现马尔科夫链基向量主成分 信息的近似等效。马尔科夫随机场理论的核心是随机性和无后效性，即其可以表 征自然状态下的图像信号特征，同时说明信号当前的状态只与其前一个状态有关， 而与更早的状态和后面的状态无关，这种理论模型在一定程度上反映了能量传递 或者事物发展的本质，所以说其在图像处理中被广泛应用。而且建立Markov模型 的目的是估算图像的空间相关性，而使用Markov过程改进K-L变换编码是可能的： 大部分图像灰度值的分布都可以使用一阶Markov过程模拟，即每个像素值只与前 一个像素有关，这种相关性大小相对固定。如果知道了相关系数，就可以计算出 原始数据（归一化后）的协方差矩阵，进而计算其特征值和特征向量，使得协方 差矩阵的均方误差?2最小的最优正交变换即K-L变换，对应的特征向量即是K-L变 换的基向量，即可进行相应的变换编码。  修改意见 关于图像和图例 本章中出现的具体实例图像只有一个，是有损压缩细部特征实例，采用的是遥感 高分影像，无需修改。其他图例，是一些模型框架、曲线图和示意图无法直接采 用遥感图像表示。 章节顺序和逻辑结构 本章章节顺序准确，框架的逻辑结构严谨，没有出现章节混乱，前后颠倒或 者其他不符合逻辑的错误，所以整体章节顺序无需修改。但是有一点小的逻辑结 构不够严谨。具体修改如下： 1）P309，对预测编码的总结性句子“预测编码的压缩能力是有限的-以差分脉冲 编码调制（Differential Pulse Code Modulation, DPCM）为例，一般只能压缩 到每样值 2-4 bit。”应该放在预测编码的后面作为总结，而不是放在变换编码 的前面。 2）增加“12.4 图像随机