基于凝聚层次算法的高分2号影像色彩压缩方法及装置制造方法及图纸

本发明专利技术提供一种基于凝聚层次算法的高分2号影像色彩压缩方法及装置，方法包括：将所需要进行压缩的影像进行数值归一；之后处理得到重构矩阵；通过聚类运算，得到重构矩阵的近邻筛选器；通过近邻筛选器对原始影像进行像素重新着色，得到结果矩阵；在gdal中设置4波段，数值类型为int的空影像容器，利用gdal内嵌WriteArray方法写入结果矩阵，保存成图片，即得到压缩后的图像；将机器学习方法延伸使用在图像分析中，采用凝聚层次算法实现对GF

【技术实现步骤摘要】
基于凝聚层次算法的高分2号影像色彩压缩方法及装置


[0001]本专利技术涉及计算机
，特别涉及一种基于凝聚层次算法的高分2号影像色彩压缩方法及装置。

技术介绍

[0002]高分二号(以下简称：GF
‑
2)卫星是我国自主研制的首颗空间分辨率优于1米的民用光学遥感卫星，搭载有两台高分辨率1米全色、4米多光谱相机，具有亚米级空间分辨率、高定位精度和快速姿态机动能力等特点。GF
‑
2影像图元为16位深的像素，即拥有65536种颜色，但是很大一部分色彩通常不会被眼睛注意到，而且图像中的很多像素都拥有类似的颜色。因此，为了更高效地对影像进行可视化展示，就需要对影像进行色彩压缩。传统地归一化等线性压缩方法，会出现精度损失，细节不明显等问题。

技术实现思路

[0003]本专利技术要解决的技术问题，在于提供一种基于凝聚层次算法的高分2号影像色彩压缩方法及装置，将机器学习方法延伸使用在图像分析中，采用凝聚层次算法实现对GF
‑
2影像从16位深到8位深到压缩，并取得压缩后图像较好地视觉效果。
[0004]第一方面，本专利技术提供了一种基于凝聚层次算法的高分2号影像色彩压缩方法，包括：
[0005]步骤1、将所需要进行压缩的影像进行数值归一；
[0006]步骤2、设置空的矩阵容器，按照RGBA顺序，对矩阵容器添加归一化处理后的波段矩阵，得到重构矩阵；
[0007]步骤3、设置目标聚类数k值，压缩后图像为8位深影像，K值256；K值代表256颜色类型，每个颜色类型为独立的聚类，将重构矩阵进行n次计算，若是得到的总聚类数k
n
大于K值，则从每个样本出发寻找离自己最近的另一个样本，与之聚集，形成更大的聚类，不断重复以上过程，直到统计出来的k
n
小于K值为止，得到重构矩阵的近邻筛选器；
[0008]步骤4、通过近邻筛选器对原始影像进行像素重新着色，得到结果矩阵；
[0009]步骤5、在gdal中设置4波段，数值类型为int的空影像容器，利用gdal内嵌WriteArray方法写入结果矩阵，保存成图片，即得到压缩后的图像。
[0010]进一步地，所述步骤1进一步具体为：
[0011]对影像进行数值归一，所需要进行压缩的影像为4波段影像数据，即RGBA，R为红色波段，G为绿色波段，B为蓝色波段，A为alopha透明波段，每个波段还原成二维数值矩阵形式，即(height,width,value)，其中value为波段像素点的数值，height,width为原始影像的行列数，根据取值范围最大最小值，对波段矩阵进行Z
‑
score标准化方法处理，通过原始数据的均值和标准差进行数据的标准化，使得经过处理的数据符合标准正态分布，即取值范围为0至1之间，该归一化转化函数为：
[0012][0013]其中，X
′
为原始的像素点的数值，X为处理后的像素点的数值，α为所有样本数据的均值，β为所有样本数据的标准差。
[0014]进一步地，所述步骤3进一步具体为：
[0015]设置目标聚类数k值，压缩后图像为8位深影像，K值256；K值代表256颜色类型，每个颜色类型为独立的聚类，在sklearn利用内嵌AgglomerativeClustering算法通过重构矩阵进行循环聚类运算，其中AgglomerativeClustering算法中参数n_clusters值为K值，并对AgglomerativeClustering算法中其他参数设置如下：affinity＝'euclidean'，connectivity＝
’
kneighbors_graph，compute_full_tree＝'auto',linkage＝'complete'，经过训练运算，若是得到的总聚类数k
n
大于K值，不断重复以上训练运算，直到统计出来的k
n
小于K值为止，即可得到该重构矩阵的近邻筛选器。
[0016]进一步地，所述步骤4进一步具体为：利用sklearn内嵌load方法对近邻筛选器实例化成公式，输入重构矩阵，得到聚类后的结果矩阵。
[0017]第二方面，本专利技术提供了一种基于凝聚层次算法的高分2号影像色彩压缩装置，包括：
[0018]归一化模块，将所需要进行压缩的影像进行数值归一；
[0019]重构模块，设置空的矩阵容器，按照RGBA顺序，对矩阵容器添加归一化处理后的波段矩阵，得到重构矩阵；
[0020]筛选模块，设置目标聚类数k值，压缩后图像为8位深影像，K值256；K值代表256颜色类型，每个颜色类型为独立的聚类，将重构矩阵进行n次计算，若是得到的总聚类数k
n
大于K值，则从每个样本出发寻找离自己最近的另一个样本，与之聚集，形成更大的聚类，不断重复以上过程，直到统计出来的k
n
小于K值为止，得到重构矩阵的近邻筛选器；
[0021]重着色模块，通过近邻筛选器对原始影像进行像素重新着色，得到结果矩阵；
[0022]完成压缩模块，在gdal中设置4波段，数值类型为int的空影像容器，利用gdal内嵌WriteArray方法写入结果矩阵，保存成图片，即得到压缩后的图像。
[0023]进一步地，所述归一化模块进一步具体为：
[0024]对影像进行数值归一，所需要进行压缩的影像为4波段影像数据，即RGBA，R为红色波段，G为绿色波段，B为蓝色波段，A为alopha透明波段，每个波段还原成二维数值矩阵形式，即(height,width,value)，其中value为波段像素点的数值，height,width为原始影像的行列数，根据取值范围最大最小值，对波段矩阵进行Z
‑
score标准化方法处理，通过原始数据的均值和标准差进行数据的标准化，使得经过处理的数据符合标准正态分布，即取值范围为0至1之间，该归一化转化函数为：
[0025][0026]其中，X
′
为原始的像素点的数值，X为处理后的像素点的数值，α为所有样本数据的均值，β为所有样本数据的标准差。
[0027]进一步地，所述筛选模块进一步具体为：
[0028]设置目标聚类数k值，压缩后图像为8位深影像，K值256；K值代表256颜色类型，每个颜色类型为独立的聚类，在sklearn利用内嵌AgglomerativeClustering算法通过重构矩阵进行循环聚类运算，其中AgglomerativeClustering算法中参数n_clusters值为K值，并对AgglomerativeClustering算法中其他参数设置如下：affinity＝'euclidean'，connectivity＝
’
kneighbors_graph，compute_full_tree＝'auto',linkage＝'complete'，经过训练运算，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于凝聚层次算法的高分2号影像色彩压缩方法，其特征在于：包括：步骤1、将所需要进行压缩的影像进行数值归一；步骤2、设置空的矩阵容器，按照RGBA顺序，对矩阵容器添加归一化处理后的波段矩阵，得到重构矩阵；步骤3、设置目标聚类数k值，压缩后图像为8位深影像，K值256；K值代表256颜色类型，每个颜色类型为独立的聚类，将重构矩阵进行n次计算，若是得到的总聚类数k
n
大于K值，则从每个样本出发寻找离自己最近的另一个样本，与之聚集，形成更大的聚类，不断重复以上过程，直到统计出来的k
n
小于K值为止，得到重构矩阵的近邻筛选器；步骤4、通过近邻筛选器对原始影像进行像素重新着色，得到结果矩阵；步骤5、在gdal中设置4波段，数值类型为int的空影像容器，利用gdal内嵌WriteArray方法写入结果矩阵，保存成图片，即得到压缩后的图像。2.根据权利要求1所述的一种基于凝聚层次算法的高分2号影像色彩压缩方法，其特征在于：所述步骤1进一步具体为：对影像进行数值归一，所需要进行压缩的影像为4波段影像数据，即RGBA，R为红色波段，G为绿色波段，B为蓝色波段，A为alopha透明波段，每个波段还原成二维数值矩阵形式，即(height,width,value)，其中value为波段像素点的数值，height,width为原始影像的行列数，根据取值范围最大最小值，对波段矩阵进行Z
‑
score标准化方法处理，通过原始数据的均值和标准差进行数据的标准化，使得经过处理的数据符合标准正态分布，即取值范围为0至1之间，该归一化转化函数为：其中，X
′
为原始的像素点的数值，X为处理后的像素点的数值，α为所有样本数据的均值，β为所有样本数据的标准差。3.根据权利要求1所述的一种基于凝聚层次算法的高分2号影像色彩压缩方法，其特征在于：所述步骤3进一步具体为：设置目标聚类数k值，压缩后图像为8位深影像，K值256；K值代表256颜色类型，每个颜色类型为独立的聚类，在sklearn利用内嵌AgglomerativeClustering算法通过重构矩阵进行循环聚类运算，其中AgglomerativeClustering算法中参数n_clusters值为K值，并对AgglomerativeClustering算法中其他参数设置如下：affinity＝'euclidean'，connectivity＝
’
kneighbors_graph，compute_full_tree＝'auto',linkage＝'complete'，经过训练运算，若是得到的总聚类数k
n
大于K值，不断重复以上训练运算，直到统计出来的k
n
小于K值为止，即可得到该重构矩阵的近邻筛选器。4.根据权利要求1所述的一种基于凝聚层次算法的高分2号影像色彩压缩方法，其特征在于：所述步骤4进一步具体为：利用sklearn内嵌load方法对近邻筛选器实例化成公式，输入重构矩阵，得到聚类后的结果矩阵。5.一种基于凝聚层次算法的高...

【专利技术属性】
技术研发人员：吴嘉祥，
申请(专利权)人：雾实福建科技有限公司，
类型：发明
国别省市：