專利名稱：超光譜信號(hào)的快速差值矢量量化壓縮編碼方法
技術(shù)領(lǐng)域：
本發(fā)明屬于超光譜遙感圖像處理領(lǐng)域，具體涉及一種基于差值矢量量化技術(shù)的超光譜圖像數(shù)據(jù)壓縮方法。
背景技術(shù)：
隨著遙感技術(shù)在地球資源管理、環(huán)境檢測(cè)、軍事偵測(cè)等領(lǐng)域的廣泛應(yīng)用，以往多光譜圖像數(shù)據(jù)由于僅僅在圖像的空間分辨率上有所改善，其數(shù)據(jù)特性已經(jīng)滿足不了人們?cè)谏a(chǎn)和科研上的需要，如SPOT和Landset TM圖像，其圖像僅包含4 7個(gè)離散的譜帶，而人們感興趣的是吸收特性寬度在20nm到40nm的地物目標(biāo)，因此當(dāng)譜帶內(nèi)的地物目標(biāo)光譜特性相近時(shí)，多光譜圖像的應(yīng)用就受到限制，此時(shí)必須利用更多的譜帶(通常需要包括幾百個(gè)譜帶)，成像光譜儀的問世使獲取包含幾百個(gè)譜帶的數(shù)據(jù)圖像成為可能，這種圖像就是超光譜圖像。 與多光譜圖像相比，由于成像光譜儀在獲取地物空間分布信息的同時(shí)，對(duì)每一個(gè)像元形成一條地物光譜曲線，使得超光譜圖像可以區(qū)分并識(shí)別更多種地物目標(biāo)，但這是以較大的數(shù)據(jù)量和較高的數(shù)據(jù)維為代價(jià)來?yè)Q取的。以典型的AVIRIS圖像為例，其圖像大小為614X512X224，如果對(duì)其以每個(gè)像素灰度值為16bit存儲(chǔ)，那么總的數(shù)據(jù)存儲(chǔ)量大約為140M bit，顯然要比多光譜圖像的數(shù)據(jù)量大得多，這給超光譜圖像的傳輸和存儲(chǔ)帶來極大的困難。因此，尋求一種有效的壓縮技術(shù)具有十分重要的意義。超光譜圖像具有兩種相關(guān)性空間相關(guān)性和譜間相關(guān)性?？臻g相關(guān)性是指每個(gè)譜段內(nèi)某一像元與其相鄰像元間的相似性。譜間相關(guān)性是指相鄰波段間對(duì)應(yīng)位置的像元具有的相似性，譜間相關(guān)性又分為譜間統(tǒng)計(jì)相關(guān)性和譜間結(jié)構(gòu)相關(guān)性。使用多維信號(hào)處理技術(shù)，才能有效利用這些相關(guān)性。將基于多維信號(hào)處理矢量量化技術(shù)，作為超光譜圖像壓縮的一種有效手段，具有壓縮比大，編解碼簡(jiǎn)單，失真較小的優(yōu)點(diǎn)。矢量量化的核心內(nèi)容是碼書設(shè)計(jì)和碼字快速搜索。碼書設(shè)計(jì)就是尋找最優(yōu)碼書，使恢復(fù)圖像與原始圖像之間的計(jì)算失真達(dá)到最小，以保證重構(gòu)圖像的質(zhì)量；碼字快速搜索就是如何快速地找到與輸入矢量失真最小的碼字。LBG算法作為矢量量化中碼書設(shè)計(jì)的經(jīng)典算法，基本原理是從某個(gè)初始碼書開始，根據(jù)最近鄰條件得到新的胞腔，然后根據(jù)質(zhì)心條件由新的胞腔得到新的碼字，形成新的碼書；對(duì)于一個(gè)訓(xùn)練序列{Xpj=l，…，L}，其具體過程如下首先初始化，設(shè)初始碼書為Yw= {Yi;i=l，···，《，其中^表示碼字，碼書大小為N，設(shè)置失真閾值為ε或最大迭代次數(shù)為
He，令初始迭代次數(shù)t=0，平均失真D_1= c ，然后用碼書Fw(C = I),…V；)中的各個(gè)
碼字作為聚類中心，根據(jù)最佳劃分準(zhǔn)則(即找到每個(gè)矢量與其失真最小的碼字)，把訓(xùn)練矢
量集劃分為時(shí)胞腔(^)=味；1=1，2廣"，《，其中《={1;;^^，!9 = 7^/(^))，對(duì)任意I G {1，2，···.，N}成立；最后計(jì)算平均失真
權(quán)利要求
1.一種差值矢量量化的超光譜信號(hào)快速編碼方法，其特征在于，讀取超光譜數(shù)據(jù)源，得到初次矢量量化的初始碼書，根據(jù)圖像壓縮質(zhì)量設(shè)置最大迭代次數(shù)或失真閾值；計(jì)算訓(xùn)練矢量X和當(dāng)前碼字Yb的歐氏距離，根據(jù)歐氏距離確定訓(xùn)練矢量的最佳匹配碼字，依次將訓(xùn)練矢量劃分到它所對(duì)應(yīng)最佳匹配碼字的胞腔中，直到劃分完所有的訓(xùn)練矢量，最后用胞腔的質(zhì)心來更新當(dāng)前最佳匹配碼字；用初次矢量量化的生成碼書及訓(xùn)練矢量對(duì)應(yīng)的最佳匹配碼字的索引重構(gòu)圖像，并經(jīng)過哈達(dá)瑪反變換及降維生成空域恢復(fù)圖像，將原始圖像與空域恢復(fù)圖像作差生成差值圖像，獲得差值矢量量化的初始碼書；搜索差值訓(xùn)練矢量的最佳匹配碼字，依次將訓(xùn)練矢量劃分到它所對(duì)應(yīng)的胞腔中，直到劃分完所有的訓(xùn)練矢量，最后用胞腔的質(zhì)心來更新當(dāng)前最佳匹配碼字獲得差值矢量量化的最終碼書；當(dāng)累計(jì)迭代次數(shù)達(dá)到設(shè)定的最大迭代次數(shù)或最近兩次平均失真的相對(duì)誤差值小于設(shè)置的失真閾值，打包差值矢量量化的最終碼書以及所有矢量最佳匹配碼字的索引值。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述獲取初始碼書具體為對(duì)超光譜數(shù)據(jù)源矩陣進(jìn)行哈達(dá)瑪變換得到的矢量數(shù)據(jù)按照第一維分量值的大小進(jìn)行升序排列，獲得排序后索引值，然后對(duì)排序后的矩陣平均分組，依次選取每組第一個(gè)矢量作為初次矢量量化的初始碼書。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，獲得差值矢量量化的初始碼書具體包括，對(duì)差值圖像矩陣進(jìn)行哈達(dá)瑪變換，將變換后矢量數(shù)據(jù)按照第一維分量值進(jìn)行升序排列，獲得排序索引，然后平均分組，依次選取每組首矢量得到差值矢量量化的初始碼書。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于，對(duì)于單次差值矢量量化，生成初始碼書具體為讀取超光譜圖像構(gòu)建3維矩陣，將其轉(zhuǎn)化為2維矩陣B ;使B的行向量的維數(shù)轉(zhuǎn)化成2的整數(shù)次冪的維數(shù)得到矩陣B’ ；對(duì)矩陣B’進(jìn)行哈達(dá)瑪變換，將變換后的矩陣按照第一維分量值對(duì)矢量進(jìn)行升序排列，獲得矢量排序后的矩陣E并記錄此時(shí)排序索引I1 ;對(duì)矩陣E按行根據(jù)碼書尺寸N1平均分組，依次選擇每組首矢量生成初次矢量量化的初始碼書。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，對(duì)于單次差值矢量量化，獲得差值矢量量化的初始碼書具體為利用原始圖像B和恢復(fù)圖像生成2維差值圖像CZ ;判斷差值矩陣CZ的維數(shù)是否為2的整數(shù)次冪，如果不是，將差值矩陣行向量轉(zhuǎn)化為2的整數(shù)次冪的矩陣CZ’ ；對(duì)CZ’進(jìn)行哈達(dá)瑪變換，將變換后的差值矢量的第一維分量值進(jìn)行升序排列，獲得矢量排序后的矩陣CZ_E為差值矢量量化訓(xùn)練矢量集，并記錄此時(shí)排序索引CZJ1 ;對(duì)矩陣CZ_E按行根據(jù)差值矢量量化的碼書尺寸N2平均分組，依次選擇每組首矢量生成差值矢量量化的初始碼書。
6.根據(jù)權(quán)利要求I所述的方法，其特征在于，將歐氏距離作為當(dāng)前最小失真Dmin,將碼字Yj與訓(xùn)練矢量X1比較，如果滿足D1=(X1-Yjl)2彡Dmin,排除碼字Yj ;否貝U，根據(jù)公式DZ=(X1-Yjl)W(Vx-Vj)2計(jì)算，如果滿足D2彡Dmin,則排除碼字Yj，其中;否則，根據(jù)公式CM兄O Z(X1-J0)2，1彡q彡M計(jì)算部 V i=2V i=2 .1=1分失真，將q的取值從I逐漸增加到M，一旦Dq(X，Yj) ^ Dmin，就排除碼字Y」，其中，M為矢量的維數(shù)。
全文摘要
本發(fā)明提出了一種基于差值矢量量化的超光譜信號(hào)快速壓縮方案。在哈達(dá)瑪域中，構(gòu)造初次矢量量化的初始碼書，快速聚類，生成初次矢量量化的最終碼書和索引；將初次矢量量化恢復(fù)的圖像與原圖像獲得差值圖像數(shù)據(jù)作為差值矢量量化的輸入矢量，對(duì)其進(jìn)行哈達(dá)瑪變換，構(gòu)造差值矢量量化的初始碼書，快速聚類，生成差值矢量量化的最終碼書和索引。本發(fā)明提供的超光譜圖像壓縮方案，結(jié)合Hadamard變換性質(zhì)和差值矢量量化減小量化誤差的特點(diǎn)，與傳統(tǒng)的LBG算法相比，在壓縮比相同的情況下，不僅能夠大幅減少計(jì)算量，而且可以提高圖像恢復(fù)質(zhì)量，達(dá)到快速壓縮編碼的目的。
文檔編號(hào)H04N7/26GK102905137SQ201210431230
公開日2013年1月30日 申請(qǐng)日期2012年11月1日 優(yōu)先權(quán)日2012年11月1日
發(fā)明者陳善學(xué), 韓勇, 余佳佳, 李俊, 馮銀波 申請(qǐng)人:重慶郵電大學(xué)