【技术实现步骤摘要】
压缩编码高光谱遥感图像的多层次码书矢量量化方法
本专利技术属于高光谱遥感图像处理领域,具体涉及一种压缩编码高光谱遥感图像的多层次码书矢量量化方案。
技术介绍
近年来,传统的二维彩色图像已经远远不能满足人们的需求,取而代之的是高光谱图像的应用越来越广泛。高光谱图像是高光谱成像光谱仪以纳米级的波段宽度,在几百个谱带上对目标进行连续的光谱成像而形成的光谱图像,被定义为二维空间域和一维光谱域组成的三维立体数据。这种特殊的图像不同于普通的二维灰度图像和彩色图像,它具有以下一些特点:1)细节丰富、纹理复杂。每个相同空间位置的地面目标都对应几百个光谱波段的像素值,这些像素值是传感器在某特定波长所接收到的强度返回值,可以细致精确地反映出地物目标在该波段的光谱特征。2)具有很高的谱间分辨率,谱间相关性强。高光谱图像的波段数目多达几百个,光谱分辨率达纳米级,如此高的光谱分辨率使得相邻波段相同地物目标的光谱特性十分接近,所以谱间相关性很高,大部分相邻两个波段的互相关系数都接近1。3)空间分辨率相对较低,空间相关性较普通图像弱。这是因为高光谱图像的空间分辨率一般为几米,地面目标可能只占几个或更少的像元,使相同波段像素值的连续性差。4)特性相似的地物具有相似的光谱曲线。每一个相同空间位置的地物目标都对应一组像素值,把这些像素值按波长大小的顺序组合起来就可以构成应该空间位置地物目标的一条光谱曲线,曲线的精确形状是严格依赖于该空间位置地物的类型和性质的,所以从光谱曲线的相似程度可以确定地物目标的分类。由于高光谱图像比一般图像含有更为丰富的信息,使得它们在很多领域都发挥了重要的作用,例如 ...
【技术保护点】
一种压缩编码高光谱遥感图像的多层次码书矢量量化方法,其特征在于,读取高光谱图像三维数据,截取要压缩的子块转化为二维矩阵形式的原始矢量数据,将原始矢量数据分割为低维部分、中维部分、高维部分;然后对三部分矢量数据分别作哈达玛Hadamard变换和离散度排序预处理,得到预处理后的三部分矢量数据;对预处理后的三部分矢量数据分别截取矢量数据的前1/4维分量组成低维部分、中维部分、高维部分训练子矢量数据,剩余的3/4维分量作为对应部分的尾部子矢量数据;设置码书尺寸为多层次码书,对各部分训练子矢量数据进行矢量量化,得到迭代的训练子矢量码字索引和训练子矢量码书;根据训练子矢量码字索引分别对三部分尾部子矢量数据编码,得到三部分尾部子矢量码书和码字索引;分别整理各部分码书,得到三部分空域最终完整码书和最终码字索引,完成高光谱图像数据块的压缩编码。
【技术特征摘要】
1.一种压缩编码高光谱遥感图像的多层次码书矢量量化方法,其特征在于,读取高光谱图像三维数据,截取要压缩的子块转化为二维矩阵形式的原始矢量数据,将原始矢量数据分割为低维部分、中维部分、高维部分;然后对三部分矢量数据分别作哈达玛Hadamard变换和离散度排序预处理,得到预处理后的三部分矢量数据,对Hadamard变换域的三部分矢量数据分别计算离散度得到低维离散度disL,中维离散度disM,高维离散度disH,分别对disL、disM、disH中的值作升序排序对应得到低维离散度索引ILdis、中维离散度索引IMdis、高维离散度索引IHdis,将Hadamard变换域的低维部分矢量数据BLH的各维分量按ILdis重新排序得BLD,将中维部分矢量数据BMH的各维分量按IMdis重新排序得BMD,将高维部分矢量数据BHH的各维分量按IHdis重新排序得BHD,分别截取BLD、BMD、BHD的前1/4维分量分别组成低维训练子矢量数据、中维训练子矢量数据、高维训练子矢量数据,剩余的后3/4维分量保存为对应的低维尾部子矢量数据、中维尾部子矢量数据、高维尾部子矢量数据;设置码书尺寸为多层次码书,对各部分训练子矢量数据进行矢量量化,得到迭代的训练子矢量码字索引和训练子矢量码书;根据训练子矢量码字索引分别对三部分尾部子矢量数据编码,得到三部分尾部子矢量码书和码字索引;分别整理各部分码书,得到三部分空域最终完整码书和最终码字索引,完成高光谱图像数据块的压缩编码。2.根据权利要求1所述的方法,其特征在于,原始矢量数据的分割原则为:三部分矢量数据的维数分别都满足2的整数次幂,若不满足则在矢量末尾补零将维数扩展,三部分矢量数据的维数之和等于原矢量维数。3.根据权利要求1所述的方法,其特征在于,预处理具体为:对三部分矢量数据分别作Hadamard变换,将各部分矢量数据中每个行矢量右乘一个相同维数的Hadamard方阵;根据某维分量的最大值与最小值计算各部分矢量数据中该维分量的离散度;将各部分矢量的离散度值分别进行降序排序,记录排序索引,按照排序索引分别重新排列对应部分矢量数据的各维分量。4.根据权利要求1所述的方法,其特征在于,设置码书尺寸为多层次码书具体为,根据基本码书尺寸N设定低维部分训练子矢量码书尺寸N1、中维部分训练子矢量码书尺寸N2、高维部分训练子矢量码书尺寸N3,其中,N1、N2、N3为N的倍数,N1>N2>N3。5.根据权利要求1所述的方法,其特征在于,进行矢量量化进一步包括:搜索每个训练子矢量的最佳匹配码字,并将训...
【专利技术属性】
技术研发人员:陈善学,郑文静,张佳佳,杨亚娟,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆;85
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。