[发明专利]快速压缩高光谱信号的矢量量化方法

说明书

技术领域

本发明属于高光谱遥感图像处理领域，具体涉及一种快速压缩高光谱信号的矢量量化方案。

背景技术

随着光学技术与传感技术的发展，在二十世纪八十年代，高光谱遥感技术应运而生。这一技术利用具有高光谱分辨率的成像光谱仪进行对地观测，产生一组将光谱信息和图像信息合二为一的三维高光谱图像。高光谱图像的每个光谱波段对应观测场景一幅完整的二维图像，用于把握物质空间结构，而场景中的每个像素点可以提取出一条连续的光谱曲线，用于确定地物性质。所以利用高光谱图像能精确地实现地物分类、目标检测和异常检测，在地质、环境、水文、大气、农业、军事等方面具有重要的应用价值。

但是在信息量丰富的同时，高光谱图像也具有数据量庞大的特点。高光谱图像的波段数往往达到数百个，光谱分辨率达到纳米级，如果每个像素灰度值用2字节存储，那么一幅大小为614×512×224的高光谱图像，大约需要140Mbit的存储空间。尤其，随着成像光谱技术的不断发展，光谱分辨率还在不断提高，高光谱图像的数据量还将继续增加，因此，研究出快速有效的高光谱图像压缩方法显得十分迫切。

高光谱图像的特征最为突出的是图像的相关性。高光谱图像的相关性包括两个方面：空间相关性和谱间相关性。空间相关性指每个光谱波段内某一像素与其相邻像素之间的相似性；谱间相关性是指图像同一空间位置像素与相邻波段像素有相似性。高光谱图像涉及的目标大，空间相关性较普通二维图像低，而高光谱图像不同波段涉及的地面目标相同，谱间相关性高，而且谱间相关性强于空间相关性。

矢量量化技术压缩比高、编解码简单，是一种快速有效的数据压缩手段。矢量量化的原理是把数据划分为数据块，直接对数据块进行量化，而不需要去相关处理。基于矢量量化的压缩方案理论上是以信息的高阶熵为下限，能在高压缩率和平均最小失真间获得最佳折衷。

矢量量化编码由两大关键技术组成：码书设计和码字搜索。码书设计指寻找最优码书，使恢复图像与原始图像之间的失真达到最小，以保证重构图像获得较好的质量；码字搜索指快速地找到与输入矢量最匹配的码字。矢量量化的主要问题是其较高的压缩复杂性度，尤其是码书产生的过程，其计算量随着矢量维数的增加呈指数增长。所以，矢量快速搜索算法这一领域一直是比较活跃的，不断有新的算法出现。

矢量量化中码书设计的经典算法是1980年由Linde、Buzo、Gray三人提出的LBG(Linde Bazo Gray)算法。它不需要事先知道输入矢量的概率分布，通过训练矢量集和一定的迭代算法来逼近最优的再生码本。LBG算法的思想是：①随意选取N个训练矢量作为码矢量；②由这N个码矢量对所有的训练矢量进行划分，即分成N个集合，使每个集合中的矢量，都是与各码矢量距离中，与对应的码矢量的距离最小的；③由这N个集合的重心，得到N个新的码矢量；④如果这些码矢量与原来的码矢量变化不大(收敛)，就完成码书的训练，否则重新进行②、③。图1为传统的LBG方法流程框图。LBG算法的思想比较简单，但是其对初始码书依赖性强，计算量大。

发明内容

本发明针对现有高光谱图像压缩方案，在获得较高的图像恢复质量时，计算复杂度高的问题，提出了一种快速压缩高光谱信号的矢量量化方案。该方案能在保证图像恢复质量几乎不变的情况下，大幅度降低计算复杂度，快速高效地实现高光谱图像的压缩。