專利名稱：衛(wèi)星云圖的壓縮方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像壓縮方法，特別是涉及一種衛(wèi)星云圖的壓縮方法。
背景技術(shù)：
衛(wèi)星云圖所包含的大量數(shù)據(jù)中，云系數(shù)據(jù)占了主要成分，因此，在對(duì)衛(wèi)星云像壓縮時(shí)，需要特別考慮云系數(shù)據(jù)的壓縮效果和壓縮損失。然而，目前用于衛(wèi)星云圖的圖像壓縮算法仍然使用現(xiàn)有的圖像壓縮算法，如將衛(wèi)星云圖視為一般性的黑白圖像或二進(jìn)制數(shù)據(jù)進(jìn)行壓縮，以圖像視覺(jué)質(zhì)量或恢復(fù)后的數(shù)據(jù)信噪比作為有損壓縮的評(píng)估準(zhǔn)則。這種方法無(wú)法體現(xiàn)衛(wèi)星云圖之間的關(guān)聯(lián)性和相似性，以及云系數(shù)據(jù)的先驗(yàn)性，故而壓縮效果不佳，壓縮效率較低。為了體現(xiàn)衛(wèi)星云圖之間的關(guān)聯(lián)性和相似性，以及云系數(shù)據(jù)的先驗(yàn)性，以提高壓縮 效率，需要對(duì)現(xiàn)有的壓縮算法進(jìn)行改進(jìn)。

發(fā)明內(nèi)容
鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種衛(wèi)星云圖的壓縮方法，以簡(jiǎn)化衛(wèi)星云圖的壓縮算法。為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種衛(wèi)星云圖的壓縮方法，其特征在于，所述衛(wèi)星云圖的壓縮方法至少包括1)基于所存儲(chǔ)的多個(gè)第一衛(wèi)星云圖各自所包含像素點(diǎn)的特征信息，來(lái)從每一個(gè)所述第一衛(wèi)星云圖中獲取至少一個(gè)云系圖像；2)基于所述云系圖像所包含的連續(xù)相鄰的像素點(diǎn)的特征信息的比較將特征信息之差小于第一閾值的像素點(diǎn)組合成一個(gè)像素集合，簡(jiǎn)化所述云系圖像，以得到云系模板；a)將每一個(gè)所述云系模板與所獲取的第二衛(wèi)星云圖進(jìn)行匹配，以選擇匹配度最高的所述云系模板；將所述第二衛(wèi)星云圖分解成所選擇的所述云系模板和未匹配的所述第二衛(wèi)星云圖；重復(fù)執(zhí)行步驟a)，以將每一個(gè)所述云系模板與上一次分解后的未匹配的所述第二衛(wèi)星云圖進(jìn)行匹配，直至剩余的未匹配的所述第二衛(wèi)星云圖所包含的像素點(diǎn)的特征信息低于第二閾值，則將所獲取的所述第二衛(wèi)星云圖壓縮為選中的多個(gè)云系模板的集合和剩余的未匹配的所述第二衛(wèi)星云圖。優(yōu)選地，所述步驟I)還包括1-1)對(duì)所存儲(chǔ)的多個(gè)第一衛(wèi)星云圖各自所包含像素點(diǎn)的特征信息進(jìn)行去相關(guān)變換，對(duì)所述第一衛(wèi)星云圖各自所對(duì)應(yīng)的變換后的特征信息進(jìn)行峰值檢測(cè)；1_2)基于檢測(cè)出的連續(xù)的相鄰峰值之差小于第三閾值所構(gòu)成的峰值線所對(duì)應(yīng)的變換前的像素點(diǎn)所圍成的區(qū)域來(lái)獲取至少一個(gè)云系圖像。優(yōu)選地，所述步驟I)還包括將檢測(cè)出的峰值按梯度進(jìn)行分類，基于屬于同一類中的連續(xù)的相鄰峰值之差小于第三閾值所構(gòu)成的峰值線所對(duì)應(yīng)的變換前的像素點(diǎn)所圍成的區(qū)域作為云系圖像。優(yōu)選地，所述步驟I)還包括l_a)將所存儲(chǔ)的每一個(gè)第一衛(wèi)星云圖進(jìn)行分割，以得到多個(gè)子衛(wèi)星云圖。優(yōu)選地，所述步驟I)還包括將所述子衛(wèi)星云圖所包含的像素點(diǎn)的特征信息進(jìn)行去相關(guān)變換，并基于統(tǒng)計(jì)變換后的所述特征信息的分布情況來(lái)確定所述子衛(wèi)星云圖中是否包含云系圖像；若不包含則去除所述子衛(wèi)星云圖；對(duì)每一個(gè)包含云系圖像的所述子衛(wèi)星云圖所對(duì)應(yīng)的變換后的特征信息進(jìn)行峰值檢測(cè)，并基于檢測(cè)出的連續(xù)的相鄰峰值之差小于第三閾值所構(gòu)成的峰值線所對(duì)應(yīng)的變換前的像素點(diǎn)所圍成的區(qū)域作為云系圖像。優(yōu)選地，所述步驟I)中分割衛(wèi)星云圖的方式包括采用分水嶺算法將所存儲(chǔ)的每一個(gè)第一衛(wèi)星云圖進(jìn)行分割。優(yōu)選地，所述去相關(guān)變換包括霍特林變換。優(yōu)選地，所述步驟3)選擇匹配的云系模板的方式包括基于與每一次分解前的未匹配的所述衛(wèi)星云圖相匹配的所述云系模板滿足公式(I)，來(lái)選擇所述云系模板；確定匹配的所述云系模板滿足以下公式Y(jié)p=argmax (Xp^1 (t), gYp(t)) |2 ； 其中，所述xp (t)為每一次分解前的未匹配的所述衛(wèi)星云圖；= ViW(^P=I, 2，3，…；t為云系模板的自變量參數(shù)；Yp是所有云系模板g與當(dāng)前(經(jīng)過(guò)P-I次迭代后)未匹配的衛(wèi)星云圖X (P-I)之間的相似度最大的那個(gè)模板的參數(shù)；P為當(dāng)前的迭代次數(shù)；云系系數(shù)bp表示為bp = (xp_! (t), gYp(t))在初始條件下設(shè)X。(t) =x (t)。優(yōu)選地，所述步驟3)中將所獲取的所述衛(wèi)星云圖數(shù)據(jù)確定為匹配的云系模板和未匹配的所述衛(wèi)星云圖的方式包括將所述衛(wèi)星云圖表示為χ(0 - X(O + R _
9其中，bp為云系系數(shù)、士f為云系模板，R為剩余的未匹配的所述第二衛(wèi)星云圖。優(yōu)選地，余的未匹配的所述第二衛(wèi)星云圖包括未能與任何所述云系模板進(jìn)行匹配的像素點(diǎn)、以及所述第二衛(wèi)星云圖中相匹配的區(qū)域與相應(yīng)的所選定的所述云系模板之間的殘差。優(yōu)選地，所述步驟3)中還包括將剩余的未匹配的所述第二衛(wèi)星云圖進(jìn)行壓縮，以使所述第二衛(wèi)星云圖確定為匹配的云系模板和壓縮后的剩余的未匹配的所述第二衛(wèi)星云圖。如上所述，本發(fā)明的衛(wèi)星云圖的壓縮方法，具有以下有益效果充分利用歷史所保存的衛(wèi)星云圖中的云系圖像，將云系圖像進(jìn)行簡(jiǎn)化，以得到云系模板，并基于每一個(gè)所述云系模板與所獲取的衛(wèi)星云圖的匹配來(lái)選取最匹配的多個(gè)云系模板，并將所選擇的云系模板與剩余的未匹配的衛(wèi)星云圖進(jìn)行壓縮，以得到壓縮的衛(wèi)星云圖，其中，將一個(gè)衛(wèi)星云圖分解成多個(gè)小的圖像，能夠大大降低壓縮一幅衛(wèi)星云圖所需的時(shí)間，提高了圖像壓縮的效率；另夕卜，充分依據(jù)已提取的云系模板，來(lái)對(duì)所獲取的多幅衛(wèi)星云圖進(jìn)行匹配，使得后續(xù)的衛(wèi)星云圖的壓縮運(yùn)算效率明顯提高；此外，將所存儲(chǔ)的第一衛(wèi)星云圖分割成多個(gè)子衛(wèi)星云圖，再對(duì)每一個(gè)子衛(wèi)星云圖進(jìn)行特征信息分布的分析以判斷所述子衛(wèi)星云圖中是否包含云系圖像，如此能提聞獲取z 系圖像的效率。


圖I顯示為本發(fā)明的衛(wèi)星云圖的壓縮方法的流程圖。圖2顯示為本發(fā)明的衛(wèi)星云圖的壓縮方法中從所述第一衛(wèi)星云圖中獲取云系數(shù)據(jù)的一種圖像示意圖。圖3顯示為本發(fā)明的衛(wèi)星云圖的壓縮方法中獲取云系數(shù)據(jù)的一種實(shí)施方式的流程圖。圖4顯示為本發(fā)明的衛(wèi)星云圖的壓縮方法中 從所述第一衛(wèi)星云圖中獲取云系數(shù)據(jù)的又一種圖像示意圖。圖5顯示為本發(fā)明的衛(wèi)星云圖的壓縮方法中獲取云系數(shù)據(jù)的又一種實(shí)施方式的流程圖。元件標(biāo)號(hào)說(shuō)明SI S3、S11-S12、S13_S15 步驟
具體實(shí)施例方式以下通過(guò)特定的具體實(shí)例說(shuō)明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說(shuō)明書(shū)所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過(guò)另外不同的具體實(shí)施方式
加以實(shí)施或應(yīng)用，本說(shuō)明書(shū)中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒(méi)有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。圖I顯示為本發(fā)明所述的一種衛(wèi)星云圖的壓縮方法的流程圖。其中，所述衛(wèi)星云圖的壓縮方法主要由壓縮系統(tǒng)來(lái)執(zhí)行，所述壓縮系統(tǒng)為安裝在計(jì)算機(jī)設(shè)備中的應(yīng)用模塊等。該計(jì)算機(jī)設(shè)備為一種能夠按照事先存儲(chǔ)的程序，自動(dòng)、高速地進(jìn)行大量數(shù)值計(jì)算和各種信息處理的現(xiàn)代化智能電子設(shè)備，且能與氣象衛(wèi)星進(jìn)行通信，其硬件包括但不限于微處理器、FPGA, DSP、嵌入式設(shè)備等。在步驟SI中，所述壓縮系統(tǒng)基于所存儲(chǔ)的多個(gè)第一衛(wèi)星云圖各自所包含像素點(diǎn)的特征信息，來(lái)從每一個(gè)所述第一衛(wèi)星云圖中獲取至少一個(gè)云系圖像。其中，所述特征信息包括但不限于亮度特征值、灰度特征值等。具體地，所述壓縮系統(tǒng)對(duì)所存儲(chǔ)的每一個(gè)第一衛(wèi)星云圖所包含的像素點(diǎn)的特征信息進(jìn)行分析，將特征信息滿足預(yù)設(shè)條件的連續(xù)相鄰的各像素點(diǎn)所構(gòu)成的區(qū)域作為一個(gè)云系圖像，由此來(lái)從每一個(gè)第一衛(wèi)星云圖中獲得至少一個(gè)云系圖像。例如，如圖2所示，其為所述壓縮系統(tǒng)所存儲(chǔ)的一個(gè)第一衛(wèi)星云圖Al，該第一衛(wèi)星
云圖Al包括像素點(diǎn)all、al2、......anm,所述壓縮系統(tǒng)基于像素點(diǎn)akj、ak(j+l)、a(k+l)
(j_l)、a (k+1) j、a (k+1) (j+1)、a (k+1) (j+2)、a (k+1) (j+3)、a (k+2) (j_l) a (k+2) j、a (k+2)(j+l)、a(k+2) (j+2)各自的特征信息均大于預(yù)設(shè)值、且兩兩相鄰，將該些像素點(diǎn)構(gòu)成的區(qū)域yl作為云系圖像。優(yōu)選地,如圖3所示,所述步驟SI還包括步驟Sll、S12。 在步驟SI I中，所述壓縮系統(tǒng)對(duì)所存儲(chǔ)的多個(gè)第一衛(wèi)星云圖各自所包含像素點(diǎn)的特征信息進(jìn)行去相關(guān)變換，對(duì)所述第一衛(wèi)星云圖各自所對(duì)應(yīng)的變換后的特征信息進(jìn)行峰值檢測(cè)。其中，所述去相關(guān)變換包括任何能夠?qū)⑺南袼攸c(diǎn)的特征信息進(jìn)行去相關(guān)變換的方式，其包括但不限于KL變換。
具體地，所述壓縮系統(tǒng)對(duì)所述第一衛(wèi)星云圖的變換后的特征信息進(jìn)行統(tǒng)計(jì)，并基于統(tǒng)計(jì)結(jié)果來(lái)檢測(cè)峰值。其中，對(duì)變換后的特征信息進(jìn)行統(tǒng)計(jì)的方式包括但不限于直方圖統(tǒng)計(jì)方式。例如，所述壓縮系統(tǒng)將第一衛(wèi)星云圖所包含的像素點(diǎn)的特征信息A2進(jìn)行去相關(guān)變換后得到特征信息A2’，接著，利用直方圖來(lái)對(duì)特征信息A2’中各數(shù)值的分布進(jìn)行統(tǒng)計(jì)，得到變換后的特征信息集中在dl、d2、d3數(shù)值，則檢測(cè)出變換后的特征信息的峰值為dl、d2、d30在步驟S12中，所述壓縮系統(tǒng)基于檢測(cè)出的連續(xù)的相鄰峰值之差小于第三閾值所構(gòu)成的峰值線所對(duì)應(yīng)的變換前的像素點(diǎn)所圍成的區(qū)域作為云系圖像。例如，如圖4所示，第一衛(wèi)星云圖所包含的像素點(diǎn)的特征信息A3進(jìn)行去相關(guān)變換
后的特征信息
權(quán)利要求
1.一種衛(wèi)星云圖的壓縮方法，其特征在于，所述衛(wèi)星云圖的壓縮方法至少包括 1)基于所存儲(chǔ)的多個(gè)第一衛(wèi)星云圖各自所包含像素點(diǎn)的特征信息，來(lái)從每一個(gè)所述第一衛(wèi)星云圖中獲取至少一個(gè)云系圖像； 2)基于所述云系圖像所包含的連續(xù)相鄰的像素點(diǎn)的特征信息的比較將特征信息之差小于第一閾值的像素點(diǎn)組合成一個(gè)像素集合，簡(jiǎn)化所述云系圖像，以得到云系模板； 所述方法還包括 a)將每一個(gè)所述云系模板與所獲取的第二衛(wèi)星云圖進(jìn)行匹配，以選擇匹配度最高的所述云系模板；將所述第二衛(wèi)星云圖分解成所選擇的所述云系模板和未匹配的所述第二衛(wèi)星云圖； 重復(fù)執(zhí)行步驟a)，以將每一個(gè)所述云系模板與上一次分解后的未匹配的所述第二衛(wèi)星云圖進(jìn)行匹配，直至剩余的未匹配的所述第二衛(wèi)星云圖所包含的像素點(diǎn)的特征信息低于第二閾值，則將所獲取的所述第二衛(wèi)星云圖壓縮為選中的多個(gè)云系模板的集合和剩余的未匹配的所述第二衛(wèi)星云圖。
2.根據(jù)權(quán)利要求I所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟I)還包括 1-1)對(duì)所存儲(chǔ)的多個(gè)第一衛(wèi)星云圖各自所包含像素點(diǎn)的特征信息進(jìn)行去相關(guān)變換，對(duì)所述第一衛(wèi)星云圖各自所對(duì)應(yīng)的變換后的特征信息進(jìn)行峰值檢測(cè)； 1-2)基于檢測(cè)出的連續(xù)的相鄰峰值之差小于第三閾值所構(gòu)成的峰值線所對(duì)應(yīng)的變換前的像素點(diǎn)所圍成的區(qū)域來(lái)獲取至少一個(gè)云系圖像。
3.根據(jù)權(quán)利要求2所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟I)還包括 將檢測(cè)出的峰值按梯度進(jìn)行分類，基于屬于同一類中的連續(xù)的相鄰峰值之差小于第三閾值所構(gòu)成的峰值線所對(duì)應(yīng)的變換前的像素點(diǎn)所圍成的區(qū)域作為云系圖像。
4.根據(jù)權(quán)利要求I所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟I)還包括 I-a)將所存儲(chǔ)的每一個(gè)第一衛(wèi)星云圖進(jìn)行分割，以得到多個(gè)子衛(wèi)星云圖。
5.根據(jù)權(quán)利要求4所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟I)還包括 將所述子衛(wèi)星云圖所包含的像素點(diǎn)的特征信息進(jìn)行去相關(guān)變換，并基于統(tǒng)計(jì)變換后的所述特征信息的分布情況來(lái)確定所述子衛(wèi)星云圖中是否包含云系圖像；若不包含則去除所述子衛(wèi)星云圖； 對(duì)每一個(gè)包含云系圖像的所述子衛(wèi)星云圖所對(duì)應(yīng)的變換后的特征信息進(jìn)行峰值檢測(cè)，并基于檢測(cè)出的連續(xù)的相鄰峰值之差小于第三閾值所構(gòu)成的峰值線所對(duì)應(yīng)的變換前的像素點(diǎn)所圍成的區(qū)域作為云系圖像。
6.根據(jù)權(quán)利要求4所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟I)中分割衛(wèi)星云圖的方式包括采用分水嶺算法將所存儲(chǔ)的每一個(gè)第一衛(wèi)星云圖進(jìn)行分割。
7.根據(jù)權(quán)利要求2或5所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述去相關(guān)變換包括霍特林變換。
8.根據(jù)權(quán)利要求I所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟3)選擇匹配的云系模板的方式包括基于與每一次分解前的未匹配的所述衛(wèi)星云圖相匹配的所述云系模板滿足公式(I)，來(lái)選擇所述云系模板； 確定匹配的所述云系模板滿足以下公式Y(jié) p=argmax (Xp^1 (t), gYp(t)) 2 ；其中，所述Xp(t)為每一次分解前的未匹配的所述衛(wèi)星云圖；P=I, 2，3，· · ·； t為云系模板的自變量參數(shù)； Yp是所有云系模板g與當(dāng)前(經(jīng)過(guò)P-I次迭代后)未匹配的衛(wèi)星云圖X (P-I)之間的相似度最大的那個(gè)模板的參數(shù)； P為當(dāng)前的迭代次數(shù)；云系系數(shù)bp表示為bp= (xp_! (t), gYp(t)) 在初始條件下設(shè)Xd(t)=X(t)。
9.根據(jù)權(quán)利要求I所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟3)中將所獲取的所述衛(wèi)星云圖數(shù)據(jù)確定為匹配的云系模板和未匹配的所述衛(wèi)星云圖的方式包括 將所述衛(wèi)星云圖表示為
10.根據(jù)權(quán)利要求I所述的衛(wèi)星云圖的壓縮方法，其特征在于，剩余的未匹配的所述第二衛(wèi)星云圖包括未能與任何所述云系模板進(jìn)行匹配的像素點(diǎn)、以及所述第二衛(wèi)星云圖中相匹配的區(qū)域與相應(yīng)的所選定的所述云系模板之間的殘差。
11.根據(jù)權(quán)利要求I所述的衛(wèi)星云圖的壓縮方法，其特征在于，所述步驟3)中還包括將剩余的未匹配的所述第二衛(wèi)星云圖進(jìn)行壓縮，以使所述第二衛(wèi)星云圖確定為匹配的云系模板和壓縮后的剩余的未匹配的所述第二衛(wèi)星云圖。
全文摘要
本發(fā)明提供一種衛(wèi)星云圖的壓縮方法，先基于所存儲(chǔ)的多個(gè)第一衛(wèi)星云圖各自所包含像素點(diǎn)的特征信息，來(lái)從每一個(gè)所述第一衛(wèi)星云圖中獲取至少一個(gè)云系圖像；再基于所述云系圖像所包含的連續(xù)相鄰的像素點(diǎn)的特征信息的比較將特征信息之差小于第一閾值的像素點(diǎn)組合成一個(gè)像素集合，簡(jiǎn)化所述云系圖像，以得到云系模板；再將每一個(gè)所述云系模板與所獲取的第二衛(wèi)星云圖進(jìn)行匹配，以選擇匹配度最高的所述云系模板；將所述第二衛(wèi)星云圖分解成所選擇的所述云系模板和未匹配的所述第二衛(wèi)星云圖；重復(fù)最后步驟，直至剩余的未匹配的所述第二衛(wèi)星云圖所包含的像素點(diǎn)的特征信息低于第二閾值，則得到多個(gè)云系模板的集合和剩余的未匹配的所述第二衛(wèi)星云圖。
文檔編號(hào)G06T9/00GK102867315SQ20121023634
公開(kāi)日2013年1月9日 申請(qǐng)日期2012年7月9日 優(yōu)先權(quán)日2012年7月9日
發(fā)明者王開(kāi)志 申請(qǐng)人:上海交通大學(xué)