[發(fā)明專利]一種基于RKLT和主成分選取的高光譜圖像無損壓縮方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410566867.3
• 申請(qǐng)日: 2014-10-22
• 公開（公告）號(hào): CN104270642B
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計(jì)）人: 陳浩;滑藝
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): H04N19/61
• 分類號(hào): H04N19/61;H04N19/129;H04N19/597
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所23109
• 代理人: 楊立超

技術(shù)領(lǐng)域

本發(fā)明涉及一種遙感高光譜圖像處理方法，具體涉及一種基于RKLT和主成分選取的高光譜圖像壓縮方法，屬于遙感高光譜圖像壓縮技術(shù)領(lǐng)域。

背景技術(shù)

高光譜遙感是遙感技術(shù)發(fā)展的又一革命，它是具有高光譜分辨率的遙感科學(xué)和技術(shù)，以測(cè)譜學(xué)(Spectroscopy)為基礎(chǔ)，可以對(duì)同一個(gè)空間像元產(chǎn)生幾十到上百個(gè)連續(xù)的波段。高光譜遙感的光譜分辨率高、光譜連續(xù)，應(yīng)用范圍也更加廣闊，它利用很多很窄的電磁波波段從感興趣的物體上獲取大量相關(guān)數(shù)據(jù)，它可以獲得近似連續(xù)的光譜信息，覆蓋整個(gè)可見光至近紅外(0.4-2.4微米)光譜范圍，波段寬度一般小于10納米，一幅高光譜圖像可以得到幾十到上百波段的圖像，在處理空間特征的同時(shí)處理光譜特征，因此在常規(guī)二維圖像的基礎(chǔ)上，又得到了第三維信息——“光譜維”信息，大大提高了從遙感圖像中獲取地物信息的能力。

近些年來，成像光譜儀技術(shù)和無線數(shù)據(jù)傳輸技術(shù)發(fā)展迅猛，成像波段更多、光譜分辨率更高、所含有的光譜信息也更為豐富。與傳統(tǒng)的多光譜圖像相比，高光譜圖像大大提高了圖像的光譜分辨率，能夠在納米級(jí)的光譜分辨率上對(duì)地物進(jìn)行上百個(gè)譜帶的成像。信息量的增加必然導(dǎo)致數(shù)據(jù)量的遞增，高光譜圖像這種海量數(shù)據(jù)帶來最突出的問題就是傳輸和存儲(chǔ)的困難，隨著高光譜圖像成像技術(shù)不斷發(fā)展，其空間分辨率和譜間分辨率也隨之提高，數(shù)據(jù)量必然增加迅猛。面對(duì)如此龐大的高光譜圖像數(shù)據(jù)，研究一種高效的壓縮方法顯得尤為重要。高光譜圖象不僅具有空間相關(guān)性，而且具有較強(qiáng)的光譜相關(guān)性，其壓縮方法主要通過去除空間和光譜間的冗余，以實(shí)現(xiàn)減少數(shù)據(jù)量的目的。高光譜圖象壓縮方法主要包括基于預(yù)測(cè)的壓縮、基于變換的壓縮和基于矢量量化的壓縮三大類。KLT(Karhunen-Loeve Transform)是一種理論上在最小均方誤差準(zhǔn)則意義下去相關(guān)性能最優(yōu)的線性變換。KLT系數(shù)是浮點(diǎn)數(shù)，不利于編碼以及硬件儲(chǔ)存等。因此，RKLT(Reversible KLT)在最新的研究中應(yīng)運(yùn)而生，RKLT是可逆的整數(shù)KLT，它將KLT中產(chǎn)生的浮點(diǎn)矩陣變換為整數(shù)矩陣，從而省去了量化步驟，其突出特點(diǎn)就是既具備KLT的去除相關(guān)性的性能，又能實(shí)現(xiàn)整數(shù)到整數(shù)的映射，且過程是完全可逆的，有利于無損壓縮的實(shí)現(xiàn)。本發(fā)明研究運(yùn)用RKLT和主成分選取相結(jié)合的方法，得到了較高的壓縮比，并且更容易在硬件上實(shí)現(xiàn)，對(duì)高光譜圖象的有效壓縮和進(jìn)一步應(yīng)用具有重要的理論意義和應(yīng)用價(jià)值。

發(fā)明內(nèi)容

本發(fā)明的目的是提出一種基于RKLT和主成分選取的高光譜圖像無損壓縮方法，以解決現(xiàn)有的KLT方法在高光譜圖像無損壓縮時(shí)，產(chǎn)生的浮點(diǎn)數(shù)系數(shù)不利于在硬件上處理的問題。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是：

本發(fā)明所述的一種基于RKLT和主成分選取的高光譜圖像無損壓縮方法，是按照以下步驟實(shí)現(xiàn)的：步驟一、將將波段數(shù)為n_z，波段的行數(shù)、列數(shù)分別為n_x、n_y的3D高光譜圖像轉(zhuǎn)換成行數(shù)n_x×n_y、列數(shù)為n_z的2D矩陣I；

步驟二、將步驟一得到的矩陣I經(jīng)過RKLT生成四個(gè)大小均為n_z×n_z的矩陣T、H、M、N以及一個(gè)行數(shù)為n_x×n_y，列數(shù)為n_z的變換系數(shù)的矩陣Y_RKLT_THMN，且Y_RKLT_THMN的元素全部是整數(shù)，其中T、H、M、N由RKLT中KLT生成的行數(shù)列數(shù)均為n_z的特征向量組成的矩陣COEFF經(jīng)過矩陣分解而得；

步驟三、令Y_RKLT_THMN第n_pcs+1個(gè)列向量到第nz個(gè)列向量為零，對(duì)其進(jìn)行RKLT逆變換得到恢復(fù)的整數(shù)矩陣X_REC_NMHT，其大小與Y_RKLT_THMN相同；

步驟四、將X_REC_NMHT與原圖像矩陣I相減得到殘差，即dl＝I-X_REC_NMHT得到行數(shù)為n_x×n_y、列數(shù)為n_z的殘差dl，并將殘差進(jìn)行正向映射和區(qū)間編碼，產(chǎn)生編碼碼流1；

其中，正向映射即將殘差矩陣中的元素e_i,j經(jīng)過下式處理：