[发明专利]一种多级和分维矢量量化的遥感信号压缩编码方法

说明书

技术领域

本发明属于高光谱遥感图像处理领域，具体涉及一种结合多级和分维矢量量化技术的高光谱遥感图像数据压缩编码方法。

背景技术

一切物体均具有反射或者辐射不同波长电磁波的特性，通过识别电磁波而达到识别物体及其存在环境的技术称为遥感。它是20世纪60年代发展起来的一项综合对地观测技术，能够不直接接触目标、区域或现象而获得相关数据，并加以分析以获得所需要的信息。遥感技术是以电磁辐射理论为基础，集合了电磁波理论、光谱学和色度学、物理与几何光学、地理学、地质学、大气科学以及海洋科学等众多学科。遥感作为人类获取信息的重要手段，经过几十年的发展，已经在国民经济各个邻域有着广泛的应用，并且成为当今最为活跃的科技领域之一。

高光谱遥感（Hyperspectral remote sensing）又称超谱遥感，目前应用最多的是美国NASA喷气实验室研制的机载可见光成像光谱仪（AVIRIS）。高光谱遥感图像是指利用高光谱传感器对同一对象在多个窄光谱波段范围上获得的图像，它记录了成像地物在多个光谱波段的响应特性，提供了关于地物更细致的光谱信息，但同时其数据量急剧增加，给机载和星载数据传输和存储带来困难。典型AVIRIS图像的大小为614×512，成像波段数为224，如果每像素灰度值以两个字节存储，一组图像的数据量则约为140M字节。因此，随着高光谱遥感技术的发展，海量的高光谱遥感数据的传输、存储和管理带来的困难也日益加剧。为了提高高光谱传感器的工作效率，在有限的通信带宽实现高光谱遥感图像的高速传输，使各种机载/星载超谱传感器获得的高光谱遥感图像最大限度地得到利用，研究和开发高性能的高光谱遥感图像压缩技术具有非常重要的意义。对高光谱遥感图像进行压缩可以：（1）较快地传输各种信源，降低信道占用费用。（2）在现有的通信干线上开通更多的并行业务。（3）降低发射机的功率。（4）紧缩数据存储容量，降低存储费用。因此，高光谱遥感图像压缩的算法研究具有重要应用价值。

高光谱遥感图像的压缩要考虑去除两类相关性——谱间相关性和空间相关性。谱间相关性部分是由于传感器的频谱交叠，部分是由于地物的反射频谱覆盖了较大的频谱范围。谱间相关性又可以进一步分为两类，在统计意义上存在的图像像素数值上的相关性称为统计相关性。由于各个波段图像对应同一视场，图像内容具有相同的几何结构的相关性称为结构相关性。空间相关性主要是由于同一地物具有相同的反射特性。由于矢量量化可以通过聚类的方法去掉高光谱遥感图像的冗余度，它能有效地利用矢量中各分量间的4种相互关联的性质：线性依赖性、非线性依赖性、概率密度函数的形状以及矢量维数，并且矢量量化具有压缩比大、编解码简单和失真较小的特点。因此矢量量化作为一种对高光谱遥感图像压缩效果显著，图像恢复质量高的压缩算法，得到广泛的应用。申请号为201110272304.X的专利申请公开为一种超谱信号的快速压缩编码方法及图像压缩方法，但该方法在压缩比、图像恢复质量（峰值信噪比）和计算复杂度上仍有待改善。

发明内容

本发明针对现有高光谱遥感图像压缩采用无损压缩方法图像的压缩比低和有损压缩图像的恢复质量差的缺点，提出了一种基于多级分维矢量量化的高光谱遥感图像的快速压缩编码方法，在保证码书尺寸不变的情况下，提高了高光谱遥感图像的压缩比和恢复质量，同时也降低了算法的计算复杂度。

一种多级和分维矢量量化的高光谱遥感信号快速编码方法，包括：读取高光谱数据源，提取高光谱数据各行矢量的均值并保存，对高光谱的行矢量进行去均值操作获得去均值图像，构造第一级矢量量化的初始码书，获取第一级编码码书和编码；用第一级码书及编码索引重构的图像，与去均值图像相减得到差值图像，对差值图像矢量进行分维处理，对分维后各部分分别构造对应的第二级矢量量化的初始码书作为第二级矢量量化的输入数据，训练该初始码书得到各部分的第二级矢量量化的码书和编码索引；由行矢量均值、第一级码书和编码索引、以及分维的各部分第二级矢量量化码书和编码索引构成高光谱数据源的压缩数据。

其主要包括以下几个阶段：

第一级矢量量化初始化阶段：读取高光谱数据源，将高光谱数据源矩阵的每一个行矢量与其均值做差，对生成的去均值矩阵进行哈达玛变换，将得到的矢量数据按照行矢量均值的大小进行升序排列，获得排序后索引值和排序后的矢量矩阵，然后对排序后的矢量平均分组，依次选取每组首矢量得到第一级矢量量化的初始码书，设置第一级矢量量化过程的最大迭代次数或失真阈值。