基于样本二叉树字典学习的全色遥感图像压缩方法技术

本发明专利技术提出了一种基于样本二叉树字典学习的全色遥感图像压缩方法，用于解决现有全色遥感图像压缩方法中存在的结构复杂的纹理信息不能够得到有效表示的技术问题。实现步骤为：通过图像样本复杂度的评价函数，区分图像中简单样本和复杂样本；对训练图像和待压缩图像分别进行预处理得到样本集Y和T；由样本集Y和T分别建立训练样本二叉树和测试样本二叉树，完成不同复杂度样本的划分；训练样本二叉树叶节点上不同复杂度的样本用来训练不同尺度的字典；而测试样本二叉树叶节点上不同复杂度的样本集在对应字典下稀疏编码，得到系数矩阵；系数矩阵经过量化编码得到二进制码流。本发明专利技术压缩重构图像的PSNR指标和主观视觉评价高。

Panchromatic remote sensing image compression method based on sample two fork tree dictionary

The present invention provides a method for compression of panchromatic remote sensing image samples of two binary tree based on dictionary learning, for technical problems to solve the existing texture information structure of panchromatic remote sensing image compression method in the complex can not be effectively expressed. The method comprises the following steps: through the image evaluation function of complex samples, simple and complex sample distinguish the sample image; the training image and the image to be compressed were obtained by pretreatment of Y and T samples; samples Y and T respectively by the establishment of training samples and test samples of two binary tree binary tree two, divided into different complexity the complete sample; two fork node leaves training samples of different complex samples used for training the different scales of the dictionary; test sample two fork leaves on different nodes in the corresponding set of sparse dictionary encoding complexity of the sample, the coefficient matrix of coefficient matrix; after quantization encoding by binary stream. The PSNR index and subjective visual evaluation of the compressed reconstructed image are high in the invention.

【技术实现步骤摘要】
基于样本二叉树字典学习的全色遥感图像压缩方法
本专利技术属于信号处理
，涉及一种遥感图像压缩方法，具体涉及一种基于样本二叉树字典学习的全色遥感图像压缩方法，可用于高空间分辨率的全色像存储和传输，同时却不损害数据的可用性。
技术介绍
遥感图像根据光谱维数分为全色遥感图像和多光谱遥感图像，多光谱遥感图像的空间分辨率低，光谱分辨率高，拥有多个谱段，而全色遥感图像空间分辨率高，光谱分辨率低，只有一个谱段，特别是随着近些年遥感技术的发展，全色遥感图像分辨率得到显著提高，甚至达到亚米级分辨率。空间分辨率高的全色遥感图像拥有着良好的视觉效果，但是空间分辨率提高的同时带来了全色遥感图像数据量增大的问题，所以全色遥感图像压缩拥有着较高的研究价值。字典学习的出现使得特定的信号在字典下的表示具有稀疏性，从而提升了稀疏编码的效果，而稀疏编码模型是近年来一种广泛应用的理论模型，该模型的目的为在过完备字典中搜索一组原子，而这组原子的线性组合能够稀疏的表示信号，正是因为这种稀疏性为稀疏编码模型用于全色遥感图像压缩提供了可能。根据图像压缩后，能否完全恢复出原始图像可以将全色遥感图像压缩方法分为无损的全色遥感图本文档来自技高网...

【技术保护点】
一种基于样本二叉树字典学习的全色遥感图像压缩方法，包括如下步骤：(1)从一幅或多幅全色训练图像中随机抽取多个大小为

【技术特征摘要】
1.一种基于样本二叉树字典学习的全色遥感图像压缩方法，包括如下步骤：(1)从一幅或多幅全色训练图像中随机抽取多个大小为的非平滑图像块，并将每个图像块拉成列矢量，再将这些列矢量排成矩阵，得到样本集其中，yi为第i个图像块拉成的列矢量，i＝1,2,…,N，N为样本数量，n为列矢量的维数；(2)建立m层叶节点个数和层数相同的样本二叉树，并获取多个训练样本集：2a)定义图像块复杂度函数BC(X)：其中，X为包含4个子图像块xs的图像块，s为子图像块xs的序号，std为方差函数；2b)确定样本二叉树根节点的左孩子节点和右孩子节点：将图像块复杂度函数BC(X)作为聚类特征，对步骤(1)中的非平滑图像块进行聚类，得到样本二叉树第二层简单样本Y1l、样本二叉树第二层复杂样本Y1r和判定简单样本和复杂样本的判定标准B1，并将Y1l作为样本二叉树根节点的左孩子节点，将Y1r作为样本二叉树根节点的右孩子节点，其中，n1l为该层左孩子节点的样本个数，n1r为该层右孩子节点的样本个数；2c)将样本二叉树第二层复杂样本Y1r中每个图像块不重叠地切分成四块，得到样本二叉树第二层切分后的复杂样本Y′1r；2d)确定复杂样本Y′1r所在节点的左孩子节点和右孩子节点：将图像块复杂度函数BC(X)作为聚类特征，对样本二叉树第二层切分后的复杂样本Y′1r中的图像块进行聚类，得到样本二叉树第三层简单样本Y2l、样本二叉树第三层复杂样本Y2r和树的第三层中简单样本和复杂样本的判定标准B2，并将Y2l作为Y′1r所在节点的左孩子节点，将Y2r作为Y′1r所在节点的右孩子节点，其中，n2l为该层左孩子节点的样本个数，n2r为该层右孩子节点的样本个数；2e)将样本二叉树第三层复杂样本Y2r中每个图像块不重叠地切分成四块，得到样本二叉树第三层切分后的复杂样本Y′2r；2f)将图像块复杂度函数BC(X)作为聚类特征，按照自上而下的顺序，对样本二叉树第三层到第m-1层切分后的复杂样本中的图像块进行聚类，得到第三层到第m-1层的复杂样本所在节点的左孩子节点和右孩子节点，并将每一层的复杂样本中每个图像块不重叠地切分成四块，得到第四层到第m层的左孩子节点、右孩子节点和该层简单样本和复杂样本的判定标准，这些孩子节点与根节点以及第二层和第三层确定的孩子节点，组成m层叶节点个数和层数相同的样本二叉树，得到样本二叉树各叶子节点训练样本集Y1l,Y2l,...,Y(m-1)l,Y′(m-1)r，其中，Y1l,Y2l,...,Y(m-1)l分别为样本二叉树第二层到第m层左孩子节点训练样本集，Y′(m-1)r为第m层右孩子节点Y(m-1)r切分后的训练样本集；(3)对样本二叉树各叶子节点训练样本集Y1l,Y2l,...,Y(m-1)l,Y′(m-1)r分别进行字典训练，得到m个字典D1,D2…Dm；(4)从待压缩图像中按照自上至下、自左至右顺序抽取大小为的图像块，并将每个图像块拉成列矢量，再将这些列矢量排成矩阵，得到样本集其中，ti为第i个图像块拉成的列矢量，i＝1,2,…,M，M为样本数量，n为T中列矢量的维数；(5)建立m层叶节点个数和层数相同的测试样本二叉树，并获取多个测试样本集：5a...

【专利技术属性】
技术研发人员：杨淑媛，马文萍，焦李成，刘林瓒，段韵章，王敏，刘志，吕文聪，黄震宇，刘振，孟丽珠，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61