[发明专利]一种基于量化ICA的超光谱大气红外遥感图像无损压缩方法

说明书

本发明提供一种基于ICA的超光谱大气红外遥感图像无损压缩方法，本发明为了解决现有的遥感图像压缩方法不适用于超光谱大气红外遥感图像处理过程的问题，而提出一种基于ICA的超光谱大气红外遥感图像无损压缩方法，包括：将三维超光谱数据转换成二维矩阵，并进行处理。求出ICA变换的分离矩阵，再求得ICA变换系数矩阵；然后对变换系数矩阵和独立成分矩阵进行量化得到矩阵AQ和YQ，再对矩阵AQ和YQ进行反量化和逆ICA得到的结果与原图做差，得到残差矩阵D，对AQ和YQ进行预测得到残差矩阵AQP和YQP。最后对三个残差矩阵D、AQP和YQP进行区间编码得到压缩码流。本方法能够对超光谱大气红外遥感图像进行有效的压缩，取得较高的压缩比。

技术领域

本发明涉及遥感图像无损压缩领域，具体涉及一种基于量化ICA的超光谱大气红外遥感图像无损压缩方法。

背景技术

随着超光谱大气红外遥感探测技术的发展，对大气的探测越来越精细，探测周期越来越短，从而探测信息的数据量也随之越来越大，无论是在星上还是在星下，对于探测信息的存储和传输是在数据应用过程当中必然面对的问题。因此，为达到快速传输超光谱大气红外遥感图像数据，对其进行压缩以减少数据存储空间是必要的。近年来，对超光谱大气红外遥感图像数据的有效压缩研究大多数依旧沿用已经成熟的对地高光谱图像数据的压缩方法。但是，超光谱大气红外图像有其相应的特点，其光谱分辨率要高于对地高光谱图像一个数量级，但其空间分辨率却比对地高光谱要低，并且其具有明显的分段特性等，而以往的技术未能考虑到超光谱图像自身空谱特点和物理特性。

发明内容

本发明的目的是为了解决现有的遥感图像压缩方法不适用于超光谱大气红外遥感图像处理过程的问题，而提出一种基于量化ICA的超光谱大气红外遥感图像无损压缩方法。

一种基于量化ICA的超光谱大气红外遥感图像无损压缩方法，包括：

步骤一、三维超光谱大气红外遥感图像数据大小为M×N×L，波段通道总数为L个，将其转化为L行M×N列的矩阵X，其中矩阵X的每一行代表一个光谱维的图像数据，是将M×N按行展开的结果；再求数据矩阵X各行向量中所有元素的平均值，并对X进行零均值处理得到

步骤二、对进行白化处理，得到白化后的结果矩阵Z，矩阵Z的大小为L×(M×N)；

步骤三、采用基于极大似然估计的不动点算法求解分离矩阵U，通过ICA变换去除超光谱图像数据的谱间冗余，得到独立成分矩阵Y以及ICA的变换系数矩阵A；

步骤四、对独立成分矩阵Y以及ICA的变换系数矩阵A进行量化，分别得到YQ矩阵和AQ矩阵，设定s表示量化级别的数目，量化公式为：

其中，q表示量化索引，d为量化输入的实际数据值，d_max和d_min分别是实际输入的数据中的最大值和最小值，(d_max-d_min)/(2^s-1)表示量化的步长大小；round表示取整；

由矩阵A量化得到矩阵AQ的过程为：将矩阵A中的各个元素作为d带入至量化公式中得到量化索引q，再将每一个元素计算得到的量化索引q构成矩阵得到YQ矩阵；由矩阵Y得到矩阵YQ的过程同理。

在对量化后的独立成分矩阵Y和ICA的变换系数矩阵A进行反量化得到矩阵和再通过逆ICA变换，即计算得到恢复后的数据矩阵再将其与白化后的矩阵Z做差，得到残差矩阵D；反量化为量化公式的逆运算；

步骤五、将量化后得到的YQ矩阵和AQ矩阵按照步骤一中相反的方式还原成三维数据形式；还原后的数据大小为n_x×n_y×n_l，用i,j,k分别代表数据所在的行、列以及光谱位置，则得到还原后的数据用c_i′_,j,k表示，通过以下的公式对其进行预测得到预测结果