一种基于CCSDS123.0-B-1的4D图像数据无损压缩方法技术

本发明专利技术公开了一种基于CCSDS 123.0

【技术实现步骤摘要】
一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法


[0001]本专利技术属于图像压缩领域，具体涉及一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法。

技术介绍

[0002]随着成像技术的进步，高维图像在过去几十年得到了广泛的应用。其中一种图像是四维图像(4D)图像，它是由一系列三维图像组成的四维图像数据。与低维图像(如RGB图像和灰度图像)相比，4D图像中的信息更丰富，使研究人员能够进行更科学的分析。
[0003]荧光原位杂交(Fluorescence In Situ Hybridization，FISH)图像和多光谱图像系列是两种典型的4D图像。FISH选择检测方法来定位特定的核酸序列，其可视化可以看作是观察深度(切片)上的多光谱图像堆栈。FISH图像广泛应用于基因定位、癌症诊断和染色体研究。多光谱图像序列是随时间推移捕获的多通道图像序列，并提供空间，成像信息的光谱和时间维度。4D图像的巨大体积虽然提供了更多的信息，但也给数据存储和传输系统带来了巨大的挑战，因此，需要设计一种高效的算法来压缩4D图像。
[0004]数据压缩算法大致可分为有损压缩和无损压缩。有损压缩可以达到较高的压缩比，但不能很好地重建原始数据。为了保证图像的高保真度，无损压缩更适合于对重建精度要求较高的应用。在不造成任何信息损失的前提下，尽可能地消除冗余信息是无损压缩的重要内容。许多无损压缩技术已经被提出用于三维图像压缩。JPEG
‑
LS分别处理每个通道图像，忽略第三维中的冗余信息。3D
‑
jpeg2000采用三维小波变换对图像进行压缩，同时考虑了所有三个维度，计算复杂度较高，压缩比提高较小。CCSDS 123.0
‑
B
‑
1标准是基于快速无损(Fast loss
‑
less，FL)算法设计的，由一个预测器和一个编码器组成。这些算法大都取得了令人满意的性能。由于4D图像由多个3D通道组成，因此对每个通道分别应用3D压缩算法来压缩体积图像是可行的。然而，这种策略并没有充分探索跨第四维的信息冗余，导致压缩性能欠佳。为了解决这个问题，一些无损压缩方法被专门设计来压缩4D图像。在中，通过应用运动补偿技术对4D医学图像进行压缩。中提出的方法利用基于FL算法的学习策略对4D高光谱图像进行压缩，并且预测器中的数据类型不是积分的。

技术实现思路

[0005]本专利技术的目的在于克服上述不足，提供一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法，本方法在压缩过程中采用积分计算，复杂度低、速度快，更适合硬件实现。
[0006]为了达到上述目的，本专利技术包括以下步骤：
[0007]S1，声明四维图像数据表示为D位整数，其中D为[0，16]内的整数，获取预测邻域内的像素值求取局部和；
[0008]S2，采用局部和与四维数据像素值，计算各像素点的局部差分值；
[0009]S3，根据各像素点的局部差分值，计算P个之前谱带对应位置的局部差分值组成局部差分向量，其中P为[0，16]由用户自定义的整数；
[0010]S4，引入权值向量对局部差分向量内的各局部差分值加权求和；
[0011]S5，计算预测邻域内的像素值的初步预测值；
[0012]S6，根据预测邻域内的像素值的初步预测值和预测误差，对权值向量进行更新；
[0013]S7，对预测误差进行映射运算；
[0014]S8，根据映射结果进行编码，直至完成编码。
[0015]S1中，局部和的计算方法如下：
[0016][0017]其中，
[0018][0019][0020][0021]其中，σ
h，z，y，x
为局部和，s
h，z，y，x
为四维图像数据的各像素值，
[0022]S2中，各像素点的局部差分值d
h，z，y，x
的计算方法如下：
[0023]d
h，z，y，x
＝5s
h，z，y，x
‑
σ
h，z，y，x
[0024]其中，σ
h，z，y，x
为局部和，s
h，z，y，x
为四维图像数据的各像素值。
[0025]S3的具体方法如下：
[0026]令将局部差分值d
h，z，y，x
表示为d
h，z
(t)；
[0027][0028]其中，
[0029][0030]其中，t为简写x与y的像素索引符号，N
x
为高光谱图像空间平面x方向(行)的坐标维度，为实际使用的先前谱带个数，P为用户定义的先前谱带个数。
[0031]S4中，权值向量为：
[0032][0033]每个谱带在进行差分向量加权计算之前，需要先让权值向量初始化，初始化的公式如下：
[0034][0035][0036]其中，为切片h内的谱带z所对应初始权值向量内的第i个权值。
[0037]S5中，计算预测邻域内的像素值的初步预测值的方法如下：
[0038][0039]其中s
min
，、s
mid
和s
max
分别表示像素值范围的最小值、中间值和最大值，定义如下：
[0040]s
min
＝0；s
mid
＝2
D
‑1；s
max
＝2
D
‑1[0041][0042]获得像素点的预测值计算公式如下：
[0043][0044]S6中，预测误差为：
[0045][0046]如果e
h，z
(t)为正，则说明预测值比实际像素值小，若为负则反之；
[0047]每计算完一个像素点的预测值以后对权值向量进行更新，更新公式如下：
[0048][0049]其中，
[0050][0051]S7中，计算像素值与预测值的差，定义为预测残差Δ
h，z
(t)：
[0052][0053]将预测残差进行映射运算得到映射预测残差δ
h，z
(t)：
[0054][0055]其中：
[0056][0057]S8中，编码时的编码体采用样本自适应熵编码方法对δ
h，z
(t)进行编码，具体如下：
[0058]计算映射预测残差的一元长度值：
[0059][0060]其中k
h，z
(t)为控制编码长度的关键参数，其定义如下：
[0061][0062]引入统计参数Γ(t)和∑
h，z
(t)来控制k
h，z
(t)的大小，两个统计参数的值在每个谱带初始位置进行初本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法，其特征在于，包括以下步骤：S1，声明四维图像数据表示为D位整数，其中D为[0,16]内的整数，获取预测邻域内的像素值求取局部和；S2，采用局部和与四维数据像素值，计算各像素点的局部差分值；S3，根据各像素点的局部差分值，计算P个之前谱带对应位置的局部差分值组成局部差分向量，其中P为[0,16]由用户自定义的整数；S4，引入权值向量对局部差分向量内的各局部差分值加权求和；S5，计算预测邻域内的像素值的初步预测值；S6，根据预测邻域内的像素值的初步预测值和预测误差，对权值向量进行更新；S7，对预测误差进行映射运算；S8，根据映射结果进行编码，直至完成编码。2.根据权利要求1所述的一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法，其特征在于，S1中，局部和的计算方法如下：其中，其中，其中，其中，σ
h,z,y,x
为局部和，s
h,z,y,x
为四维图像数据的各像素值，3.根据权利要求1所述的一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法，其特征在于，S2中，各像素点的局部差分值d
h,z,y,x
的计算方法如下：d
h,z,y,x
＝5s
h,z,y,x
‑
σ
h,z,y,x
其中，σ
h,z,y,x
为局部和，s
h,z,y,x
为四维图像数据的各像素值。4.根据权利要求1所述的一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法，其特征在于，S3的具体方法如下：令将局部差分值d
h,z,y,x
表示为d
h,z
(t)；其中，
其中，t为简写x与y的像素索引符号，N
x
为高光谱图像空间平面x方向(行)的坐标维度，为实际使用的先前谱带个数，P为用户定义的先前谱带个数。5.根据权利要求1所述的一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法，其特征在于，S4中，权值向量为：每个谱带在进行差分向量加权计算之前，需要先让权值向量初始化，初始化的公式如下：下：其中，为切片h内的谱带z所对应初始权值向量内的第i个权值。6.根据权利要求1所述的一种基于CCSDS 123.0
‑
B
‑
1的4D图像数据无损压缩方法，其特征在于，S5中，计算预测邻域内的像素值的初步预测值的方法如下：其中s
min
,、s
mid
和s
m...

【专利技术属性】
技术研发人员：张盼盼，王修珩，高天德，冯臻夫，陈捷，
申请(专利权)人：声耕智能科技西安研究院有限公司，
类型：发明
国别省市：