[发明专利]基于空间预测与变换的遥感图像压缩方法

说明书

技术领域

本发明涉及一种遥感图像压缩的方法。这是一种基于空间预测与变换的针对细节丰富的遥感图像的压缩方法。

背景技术

随着航天和遥感技术的飞速发展，遥感图像在日常生活、工农业生产和国防等领域受到越来越广泛的应用。由于星载传感器的分辨率不断提高，其图像数据采集速率已经远远超过了传输信道的吞吐速率，所以必须对遥感图像进行高保真的压缩。近年来，图像数据的压缩取得了很大的发展，涌现了很多非常优秀的压缩算法。目前受到广泛应用，并已纳入新的国际标准的基于小波的压缩方法是一种成熟的、具有高保真压缩效果的压缩方法，但针对遥感图像的压缩，该方法有一些严重的缺陷，比如，图像中经小波分解压缩后重建的“锐边”，不可避免的被“钝化”(即损失了高频信息)，并且随着压缩倍率的提高，“钝化”将越严重，直接造成图像中纹理细节的损失；该方法必须以大面积图像为基础(随着小波分解所用基础面积的减小，恢复图像质量将急剧降低)，并在多次二维小波分解基础上再做无失真编码后，才能得到高保真的压缩效果，但这种以大面积作为处理基础的算法是难于实现实时压缩的；基于小波的压缩方法是通过牺牲高频信息、保存低频信息的方法来换取压缩比的，这对于遥感图像来说，因为其特殊的应用背景，往往小目标才是它关心的重要对象。而图像中的小目标与其所在的局部环境的对比度较小，经过小波变换后，其信息大多数集中在第一级小波分解的三个高频分量中，很容易被量化掉。所以对遥感图像是不利的。

基于空间重采样的遥感图像压缩算法在压缩比为4倍左右的应用情况下，其压缩质量不低于基于小波的压缩算法。但是因为基于空间重采样的遥感图像压缩算法在对图像的结构描述上过于简单，随着压缩比的上升，其压缩质量迅速下降；基于结构描述的图像压缩算法以4×4的像素块作为基本的图像子区，用作压缩处理的基本单元，每个图像子区根据其纹理结构的复杂程度，分为平坦区、粗纹理区和细纹理区三类，以子区内图像的平均方差作为分类的准则，其压缩质量较基于空间重采样的遥感图像压缩算法有显著提高。

虽然基于结构描述的图像压缩算法考虑了图像中纹理的分布，进行分区压缩，但是该算法只是用了4×4大小的块，并且只进行了三种分类模式，显然，这种方法并不能覆盖图像中的所有纹理。

发明内容

本发明要解决的技术问题是：针对现有技术的上述不足，延续了基于结构描述的图像压缩算法的思想，借鉴了H.264视频编码标准中的帧内编码技术，提供一种对细节纹理丰富的遥感图像的压缩方法，提高压缩效率。

为实现这样的方法，本发明的技术方案中，以块为单位进行处理。对每一块而言，先利用相邻的已编码解码块对当前块进行预测，得到预测块后，用当前块减去预测块得到残差块，这样处理能够降低相邻块的相关性，提高编码效率。接下来对残差块进行整数DCT变换和量化。之所以采用DCT变换，这是因为DCT被认为是对K-L变换的最理想的逼近，它能够使图像能量经变换后尽可能集中于尽可能少的几个系数上，从而得到较高的压缩比。根据有关研究，DCT变换在高信噪比的情况下比小波变换具有更好的压缩性能；最后，对经过变换编码的数据进行熵编码。

本发明提供一种基于空间预测与变换的遥感图像压缩方法，其特征在于包括如下具体步骤：

(1)对图像进行分块：把图像分成若干个16×16大小的宏块，如果图像的行或列不能被16整除，则对图像进行补齐，把图像扩展，使其行或列被16整除；补齐的方法是：如果行不能被16整除，则对最后一行进行复制，然后填充扩展的行；如果列不能被16整除，则对最后一列进行复制，然后填充扩展的列；

(2)预测分析：对一个16×16的块进行预测分析，先利用相邻的已编码解码块对当前块进行预测，得到预测块后，用当前块减去预测块得到残差块；接下来对残差块进行整数DCT变换和量化；经过上面的分析，得到最终进行编码的块大小：16×16或者4×4，以及最佳预测模式。

(3)预测编码：根据B得到的块大小及最佳预测模式对该块进行变换、量化；此外，还要进行变换和量化的块进行反量化和反变换的处理，然后与预测值一起生成重建块；

(4)对C中得到的数据进行zigzag扫描，对预测编码后的数据进行重新排列；然后进行熵编码；

(5)重复B、C、D，遍历图像中所有的16×16宏块。

附图说明

图1是基于空间预测和变换的遥感图像压缩方法流程图；

图2是以绝对误差和为代价函数的模式选择流程图。

具体实施方式

为了更好的理解本发明的技术方案，以下结合附图对本发明的实施方式作进一步描述。