[發明專利]一種基于小波自反饋的大規模地形數據壓縮和解壓方法

有效

• 申請號: 201210333393.9
• 申請日: 2012-09-10
• 公開（公告）號: CN102855644A
• 公開（公告）日: 2013-01-02
• 發明（設計）人: 李帥;劉勇敢;郝愛民;楊麗鵬
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T9/00
• 分類號: G06T9/00
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;李新華

技術領域

本發明涉及基于小波自反饋的大規模地形數據壓縮和解壓方法。

背景技術

三維地形可視化在軍事仿真、三維游戲、城市規劃、數字地球等領域有著廣泛的應用。受計算機內存容量的限制，隨著地形規模的增大，需要的存儲容量也相應增加。大規模地形由于數據量很大，且應用背景比較復雜，在當前計算機硬件條件下，所需的地形數據往往無法全部載入內存。而且，由于網絡帶寬的限制，很多需要快速傳遞地理信息的網絡化服務（如防汛、交通等）很難及時完成。戰場仿真和三維游戲對地形數據的讀取則更為頻繁，因而針對大規模地形數據的數據查詢和處理效率在這些應用中會受到極大的限制。因此，在內存有限的情況下，如何使載入內存的數據包含更多的地形信息成為虛擬仿真領域一個研究方向，而DEM數據壓縮技術則是解決該問題的重要方法之一。

隨著小波變換在圖像領域的應用日益廣泛，利用小波變換對地形數據壓縮取了得若干成果，但普遍存在壓縮參數選擇困難、數據還原效率低下等問題，并且目前的研究大都是在小規模地形上展開，而針對大規模地形壓縮技術的研究還相對欠缺。其中，羅永等在數字高程模型數據小波壓縮算法中討論了不同小波基對壓縮性能的影響，如提升9-7整數小波、CDF97小波在保持地形形狀和起伏特征的前提下對DEM數據最大有4096倍的壓縮比。但該方法將所有的地形高程值量均化到0-255范圍內，若地形的采樣精度很高，該方法會丟失很多的細節。此外，該方法沒有說明如何根據地形的變化幅度來動態選擇壓縮參數。崔寶俠等設計的基于小波的數字高程模型壓縮方法，提出了最優標量量化器，可使用該量化器對小波變換后的數據進行自動選擇參數量化。但因為其采用簡單的游程編碼，壓縮比并不高，僅具有30倍左右壓縮比。李毅等人在2009年提出了基于SPIHT小波的DEM自適應壓縮方法，并設計了一種度量地形復雜度的方法，可根據計算出的復雜度對地形的壓縮參數進行選擇。該方法具有一定的自適應性，但無法精確控制圖形的信噪比、壓縮比、解壓縮的效率等參數。

發明內容

本發明的技術解決問題是：解決了大規模地形數據壓縮無法對參數進行自適應選擇的問題，并借助基于CUDA的小波變換并行計算解決了壓縮算法效率低下的問題，本發明的壓縮結果同時具有較大的壓縮比和較高的還原效率。

本發明所采用的技術方案為：一種基于小波自反饋的大規模地形數據壓縮和解壓方法，該方法包括如下步驟：

步驟（1）、大規模地形由于數據量大，很難一次載入內存，對大規模地形數據進行分塊預處理，并利用速度優先算法和壓縮比優先算法實現了編碼過程中對最佳參數的自動選擇；

步驟（2）、對地形中的每一個分塊，基于小波自反饋的地形數據壓縮處理方法來對其進行壓縮編碼，采用的具有線性相位的雙正交9/7小波(CDF97)作為濾波器，具體計算過程中將二維小波變換分解為兩次一維離散小波變換來加速計算，即首先將分塊后的地形數據和h進行卷積，抽取偶數項，排列作為低頻數據；然后將信號和g卷積，抽取奇數項，排列為高頻數據；

步驟（3）、由于地形數據的解壓縮效率會嚴重影響到三維地形的實時繪制效率，基于CUDA的小波逆變換方法來加速解壓處理：在CUDA架構下，多個并行的thread可以組成一個block，處于同一個block中的thread可共享同一塊內存，從而可以進行快速的同步處理，但由于共享內存存儲量有限，且只能被一個block中的threads讀取，根據CUDA的特點利用專門的數據組織結構來保證算法對中間數據訪問的效率；

步驟（4）、通過在分塊邊界處計算平均高程值的辦法來對邊界數據進行一致性平滑處理，解決了因為基于小波自反饋的地形數據壓縮處理為有損壓縮，且分塊壓縮時由于分塊地形在塊和塊之間缺乏聯系，從而解壓后會在分塊邊界處出現數據不一致、過渡不連續的問題。

其中，步驟（1）中所述的速度優先算法（Speed?First?Algorithm）將期望峰值信噪比、期望像素深度作為比較基準，使得還原后的高程圖像滿足峰值信噪比高于Epsnr，而每個像素所需要的位數接近Ebpp的要求；壓縮比優先算法是在給定期望峰值信噪比Epsnr和小波變換層數Elevel的情況下，自動選擇壓縮參數bpp，使得還原后的高程圖像和原始高程圖像的峰值信噪比高于Epsnr，并且具有最高的壓縮比。

此外，步驟（3）中所述的基于CUDA的小波逆變換，分為基于CUDA的一維小波逆變換和基于CUDA的二維小波逆變換。

本發明的原理在于：