一种基于谱空联合预测的高光谱遥感图像无损压缩算法制造技术

本发明专利技术公开了一种基于谱空联合预测的高光谱遥感图像无损压缩算法，步骤为：根据谱间相关性建立一个最优波段序列索引表；根据索引表来确定参考波段进行三维空间上的预测；经过预测器后得到残差图像，对残差图像进行算术编码；经过算术编码后得到最后的压缩数据。本发明专利技术的基于谱空联合预测的高光谱遥感图像无损压缩算法采用了最优的参考波段进行三维空间预测，更加充分利用高光谱遥感图像的特点，实现对高光谱遥感图像的珍贵数据进行有效的无损压缩，并且在较高的压缩比的基础上，能够更加快速的实现无损压缩，以有效的应用于实际当中，解决当前海量的高光谱遥感数据给传输和存储带来的巨大压力。

【技术实现步骤摘要】
一种基于谱空联合预测的高光谱遥感图像无损压缩算法
本专利技术属于图像压缩的
，尤其涉及一种基于谱空联合预测的高光谱遥感图像无损压缩算法。
技术介绍
进入21世纪以来，遥感平台技术、传感器技术、成像光谱技术和空间技术高速发展，使得原本数据量较大的高光谱遥感图像急剧增加，对数据的传输和存储带来巨大的压力，数据的压缩就显得尤其重要。高光谱遥感图像的数据要求准确度高，所以更多的应用是对数据进行无损压缩处理。当前，针对高光谱遥感图像压缩方法可以归纳为三大类：变换、矢量量化和预测。对于变换方法，其针对平面普通图像的压缩效果十分明显，但是高光谱图像的数据量非常大，因此其时间效率较低。矢量量化方法能够大幅提升压缩效果，但是其编码方法复杂度、计算量随矢量维数的增加而呈指数增长，其实际应用有一定困难。预测方法是三种算法中运算量最小的，在无损编码中，预测的方法原理较容易理解，方法实现比较容易，尤其是针对高光谱图像谱间相关性大的特点，使用预测能够很有效的去除各个光谱图像之间的冗余度(罗建书,周敏,孙蕾.高光谱遥感图像数据压缩[M].国防工业出版社,2011.3:41)。对于遥感技术的发展，空间数据系统咨询委员会(CCSDS)2012年发布的高光谱图像无损压缩算法(CCSDS算法)标准，主要是预测器的设计由邻域的像素和来预测像素，实现了较好的压缩效果。HuoCF对高光谱图像进行多波段预测，利用波段间的相关性建立树结构，通过树结构为当前波段搜索最优的参考波段进行预测(HuoCF,ZHANGR,PENGTX.Losslesscompressionofhyperspectralimagesbasedonserchingoptimamultibandsforprediction[J].IEEEGeo-scienceandRemoteSeningLetters,2009,6(2):339-343.)。在一些提出较早的高光谱遥感图像无损预测算法的基础上，国内有些学者对其进行了改进，也取得了较好的实验结果。基于上下文窗口中反向搜索的高光谱图像无损压缩对待测像素设定上下文窗口，计算其预测参考值并进行反向搜索预测得到待测像素的候选预测值，选取与预测参考值最接近的候选预测值作为待测像素的最终预测结果，其算法优于单波段预测(高放,刘宇,郭树旭.基于上下文窗口中反向搜索的高光谱图像无损压缩[J].光学精密工程,2015,23(8):2376-2383.)。采用谱间预测的高光谱图像压缩方法研究，提出了一种参考波段优化选取方法，该方法能获得较低的最小均方误差，运算速度快，具有一定的实用价值(梅江涛,李勇.采用谱间预测的高光谱图像压缩方法研究[J].计算机工程与应用,2011,47(4):188-190.)。基于波段分组的高光谱图像无损压缩算法为了降低波段排序算法的计算量，根据相邻波段相关性大小预先进行分组，采用最佳后向排序算法对各组波段进行重新排序，利用邻域像素对当前预测像素进行最优谱间预测,其压缩效果比JPEG-LS算法有所改善(辛勤,汤毅,李纲.基于波段分组的高光谱遥感图像无损压缩[J].现代电子技术,2010,22:104-106.)。当前的高光谱遥感图像的无损压缩比还处在有限的水平，另一方面较高的压缩比采用复杂的变换方法，其算法消耗时间较长，实现起来具有一定的局限性。
技术实现思路
基于以上现有技术的不足，本专利技术所要解决的问题在于提供一种基于谱空联合预测的高光谱遥感图像无损压缩算法，实现对高光谱遥感图像的珍贵数据进行有效的无损压缩，并且在较高的压缩比的基础上，能够更加快速的实现无损压缩，以有效的应用于实际当中，解决当前海量的高光谱遥感数据给传输和存储带来的巨大压力。为了解决上述技术问题，本专利技术通过以下技术方案来实现：本专利技术提供一种基于谱空联合预测的高光谱遥感图像无损压缩算法，包括以下步骤：S1：根据谱间相关性建立一个最优波段序列索引表；S2：根据索引表来确定参考波段进行三维空间上的预测；S3：经过预测器后得到残差图像，对残差图像进行算术编码；S4：经过算术编码后得到最后的压缩数据。可选的，所述步骤S1中，对高光谱图像进行谱间的整体预测，对高光谱图像进行谱间相关性的分析，经过分析后得到一个最优预测参考波段的索引。可选的，所述步骤S2中，根据索引表来进行谱间预测，谱间预测要根据参考波段的值来得到预测残差。进一步的，所述步骤S3中，所述算术编码为熵编码。由上，本专利技术的基于谱空联合预测的高光谱遥感图像无损压缩算法采用了最优的参考波段进行三维空间预测，这样在空间预测的时候考虑到高光谱图像数据有谱间的相关性，这对于在三维空间上的预测可以将比较好的波段的数据作为预测值的参考参数，更加充分利用高光谱遥感图像的特点，实现对高光谱遥感图像的珍贵数据进行有效的无损压缩，并且在较高的压缩比的基础上，能够更加快速的实现无损压缩，以有效的应用于实际当中，解决当前海量的高光谱遥感数据给传输和存储带来的巨大压力。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下结合优选实施例，并配合附图，详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例的附图作简单地介绍。图1为本专利技术的基于谱空联合预测的高光谱遥感图像无损压缩算法的流程图；图2为本专利技术的高光谱图像三维模型图；图3为本专利技术的Cupriteband100图像显示图；图4为本专利技术的Cuprite相邻波段之间的相关性图；图5为本专利技术的相关性分布直方图统计图；图6为本专利技术的所有波段的两两之间的相关性灰度图显示图；图7为本专利技术的最优参考波段与当前波段的距离图；图8为本专利技术的相距波段数直方图统计图；图9为本专利技术的经过谱间预测后的残差图像灰度显示图；图10为本专利技术的残差图像数据部分显示图；具体实施方式下面结合附图详细说明本专利技术的具体实施方式，其作为本说明书的一部分，通过实施例来说明本专利技术的原理，本专利技术的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中，不同的图中相同或相似的部件使用相同的附图标号来表示。本专利技术提出一种基于谱空联合预测的高光谱遥感图像无损压缩算法，对于高光谱遥感数据，该算法先根据谱间相关性建立一个最优波段序列索引表，根据索引表来确定参考波段进行三维空间上的预测，经过预测器后得到残差图像，对残差图像进行算术编码，经过算术编码后得到最后的压缩数据。此方法有效利用了高光谱谱间相关性高的特点和进行三维空间预测，与普通的预测方法相比，得到了对高光谱遥感图像较高的无损预测压缩比。对于高光谱遥感图像来说，由于其形成是同一地物对不同波长的电磁波反射成像，一幅高光谱遥感图像一般都包括几十甚至上百个波段，与普通的二维图像相比较，相当于许多二维图像叠加在一起本文档来自技高网...

【技术保护点】
1.一种基于谱空联合预测的高光谱遥感图像无损压缩算法，其特征在于，包括以下步骤：/nS1：根据谱间相关性建立一个最优波段序列索引表；/nS2：根据索引表来确定参考波段进行三维空间上的预测；/nS3：经过预测器后得到残差图像，对残差图像进行算术编码；/nS4：经过算术编码后得到最后的压缩数据。/n

【技术特征摘要】
1.一种基于谱空联合预测的高光谱遥感图像无损压缩算法，其特征在于，包括以下步骤：
S1：根据谱间相关性建立一个最优波段序列索引表；
S2：根据索引表来确定参考波段进行三维空间上的预测；
S3：经过预测器后得到残差图像，对残差图像进行算术编码；
S4：经过算术编码后得到最后的压缩数据。


2.如权利要求1所述的基于谱空联合预测的高光谱遥感图像无损压缩算法，其特征在于，所述步骤S1中，对高...

【专利技术属性】
技术研发人员：张海涛，秦鹏程，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21