本發(fā)明涉及高光譜圖像處理，尤其涉及利用高光譜圖像譜間相關(guān)性提升壓縮比的ccsds算法。

背景技術(shù)：

1、高光譜成像技術(shù)在軍事、民用和航天等領(lǐng)域的應(yīng)用越來越廣泛，高光譜遙感圖像的應(yīng)用領(lǐng)域主要為地質(zhì)勘探、農(nóng)業(yè)研究和星載遙感圖像研究等，隨著高光譜圖像光譜分辨率、空間分辨率、幅寬的大幅提高，圖像數(shù)據(jù)率成倍的增長，在軌數(shù)據(jù)存儲，下傳通道等技術(shù)提升需要更多的硬件資源消耗，再加上設(shè)備的數(shù)據(jù)傳輸帶寬有限，在軌進(jìn)行圖像數(shù)據(jù)壓縮可以很好的減輕衛(wèi)星硬件負(fù)擔(dān)，節(jié)省衛(wèi)星研制、制造以及發(fā)射成本。

2、高光譜圖像壓縮可分為有損壓縮和無損壓縮術(shù)，有損壓縮能夠獲得高壓縮比，但是信息有損失，無損壓縮壓縮比較低，能夠保留數(shù)據(jù)的全部信息，因此，無損壓縮是光譜成像儀數(shù)據(jù)壓縮的首選方案。高光譜圖像的無損壓縮大致有三種：基于變換的方法、基于矢量量化的方法和基于預(yù)測的方法。

3、基于變換的圖像壓縮算法主要包括klt變換、離散余弦變換、離散小波變換等，實數(shù)變化算法只能得到浮點數(shù)結(jié)果，浮點數(shù)不方便量化存儲，因此在無損壓縮中僅能使用整數(shù)到整數(shù)的變化。

4、矢量量化的壓縮算法是直接對數(shù)據(jù)塊進(jìn)行量化處理，可以平衡壓縮率和失真率之間的關(guān)系，但計算復(fù)雜度極高，且與維數(shù)呈指數(shù)增長關(guān)系，在實際中難以應(yīng)用。

5、基于預(yù)測的圖像壓縮算法是圖像壓縮研究領(lǐng)域的一個熱門方向之一，具有結(jié)構(gòu)簡單、硬件開發(fā)難度較小等優(yōu)點，在實際中得到了廣泛應(yīng)用。典型的預(yù)測算法有基于上下文環(huán)境的自適應(yīng)圖像編碼(calic)，以loco-i為核心的jpeg-ls，查表法(lut)，基于差分脈沖編碼調(diào)制dpcm以及反向搜索法等。

6、其中，2012年5月，國際空間數(shù)據(jù)系統(tǒng)咨詢委員會ccsds(consultative?committeefor?space?data?systems)針對高光譜圖像提出了自適應(yīng)的三維預(yù)測無損壓縮標(biāo)準(zhǔn)ccsds123.0-b-1算法。該算法預(yù)測器核心為fl算法，計算簡單，復(fù)雜度低，對絕大多數(shù)高光譜圖像都能達(dá)到較好的預(yù)測效果，是目前星載多/高光譜圖像無損壓縮的國際通用標(biāo)準(zhǔn)。但是，該算法對所有像素采用同樣的預(yù)測模式，未針對像素位置進(jìn)行區(qū)分，未充分利用圖像譜間相關(guān)性，壓縮比仍有待提高。為此，何淑賢在文獻(xiàn)基于tilera平臺的ccsds高光譜圖像無損壓縮算法實現(xiàn)中提出了基于邊緣檢測的預(yù)測方法，對圖像進(jìn)行邊緣檢測，根據(jù)不同方向的邊緣，對待預(yù)測像素周圍像素點賦予不同權(quán)重，提高了預(yù)測準(zhǔn)確性。王麗萍在文獻(xiàn)基于預(yù)測的高光譜圖像無損壓縮技術(shù)研究中分析了ccsds123.0-b-1標(biāo)準(zhǔn)中的預(yù)測譜段數(shù)、權(quán)重分辨率等11個參數(shù)對壓縮比的影響，提出了一組優(yōu)化參數(shù)，壓縮性能明顯提高。張雷,楊陽在文獻(xiàn)ccsds高光譜圖像壓縮算法的優(yōu)化中提出了優(yōu)化組合預(yù)測編碼ocpc算法，預(yù)測器根據(jù)像素點位置自適應(yīng)選擇預(yù)測模式，得到較好的壓縮效果。

7、中國專利cn101742299a公開了一種符合ccsds標(biāo)準(zhǔn)的圖像無損壓縮處理系統(tǒng)及方法。該處理系統(tǒng)包括：控制模塊、jpeg-ls預(yù)處理模塊、rice編碼模塊和碼流拼接模塊。所述系統(tǒng)及方法的處理過程是：輸入的圖像數(shù)據(jù)經(jīng)控制模塊按16個采樣點分組；分組后的數(shù)據(jù)進(jìn)入預(yù)處理模塊進(jìn)行去相關(guān)處理，得到一組相互獨立的數(shù)據(jù)，再經(jīng)rice編碼模塊和碼流拼接模塊得到壓縮碼流。本發(fā)明無損壓縮處理系統(tǒng)及方法的無損壓縮編碼效率高，且由于處理系統(tǒng)的核心設(shè)計是針對分組后原始數(shù)據(jù)進(jìn)行運算，采用解碼的重同步機制可以防止空間數(shù)據(jù)傳輸中的誤碼擴(kuò)散，功耗低；另外，改進(jìn)的編碼選項計算方法大大提高了硬件的處理速度，能滿足星載圖像無損壓縮的要求。

8、由此可見，在ccsds123.0-b-1算法中，未充分利用圖像譜間相關(guān)性，影響計算復(fù)雜度的預(yù)測參考譜段數(shù)p與壓縮比之間的權(quán)衡問題仍需解決，壓縮比仍有進(jìn)一步提升的空間，并且映射預(yù)測殘差越小，壓縮后的碼長就會越短，壓縮比就會越高。

技術(shù)實現(xiàn)思路

1、基于上述問題，本發(fā)明針對高光譜圖像譜間相關(guān)性遠(yuǎn)遠(yuǎn)高于空間相關(guān)性的特點以及ccsds123.0-b-1算法中存在未充分利用譜間相關(guān)性，影響計算復(fù)雜度的預(yù)測參考譜段數(shù)p與壓縮比之間的權(quán)衡選擇，壓縮比有待提高的問題，提出一種利用高光譜圖像譜間相關(guān)性提升壓縮比的ccsds算法，本發(fā)明的內(nèi)容如下：

2、本發(fā)明的目的在于提供一種利用高光譜圖像譜間相關(guān)性提升壓縮比的ccsds算法，包括預(yù)測器模塊和編碼器模塊，高光譜圖像數(shù)據(jù)經(jīng)過所述預(yù)測器減少高光譜圖像數(shù)據(jù)的冗余后獲得映射預(yù)測殘差，再通過所述編碼器模塊進(jìn)行g(shù)olomb-rice編碼獲得壓縮后的高光譜圖像數(shù)據(jù)，其技術(shù)點在于，所述預(yù)測器模塊包括以下步驟：

3、步驟一，譜間相關(guān)性分析：根據(jù)高光譜圖像數(shù)據(jù)的像素值，計算譜間相關(guān)系數(shù)，具體算法本發(fā)明如下：

4、cor(r，c)表示第r譜段與第c譜段間的譜間相關(guān)系數(shù)，xi,j,r和xi,j,c分別表示第r譜段圖像和第c譜段圖像在空間位置(i,j)的像素值，和分別表示對應(yīng)譜段的平均像素值；

5、步驟二，譜間相關(guān)系數(shù)排序處理：根據(jù)步驟一中的譜間相關(guān)系數(shù)以最大譜間相關(guān)系數(shù)為準(zhǔn)則進(jìn)行譜間相關(guān)系數(shù)排列處理，使用算法對譜間相關(guān)系數(shù)進(jìn)行簡單的降序排列處理，定位最高相關(guān)性譜段的位置，即首先以譜間相關(guān)系數(shù)最大的譜段作為當(dāng)前待預(yù)測譜段的前第1譜段，然后在未排序譜段中選出與當(dāng)前待預(yù)測譜段存在最大相關(guān)系數(shù)的譜段作為前p個譜段，具體算法本發(fā)明如下：

6、

7、步驟三，預(yù)測器的選擇：對于未進(jìn)行非均勻校正的高光譜圖像數(shù)據(jù)樣本，選擇簡模式預(yù)測器；對于進(jìn)行非均勻校正的高光譜圖像數(shù)據(jù)樣本，選擇全模式預(yù)測器；

8、步驟四，局部和計算：計算譜段中與樣本相鄰的樣本的加權(quán)和，若樣本為未進(jìn)行非均勻校正的高光譜圖像數(shù)據(jù)，則選擇局部向的局部和算法計算；若樣本為進(jìn)行非均勻校正的高光譜圖像數(shù)據(jù)，則選擇列向局部和算法計算；

9、步驟五，局部差計算：根據(jù)步驟二中譜間相關(guān)系數(shù)排序處理結(jié)果和步驟四中局部和計算結(jié)果，局部差計算引入自適應(yīng)譜段選擇方式，使用與當(dāng)前待預(yù)測譜段譜間相關(guān)性最高的前p個譜段作為計算中心局部差的參考譜段，得到整體相關(guān)性最高，具體算法本發(fā)明如下：

10、

11、步驟六，預(yù)測值計算：采用自適應(yīng)線性預(yù)測；

12、1、步驟七，預(yù)測殘差：為實際樣本值與預(yù)測樣本的差值，預(yù)測殘差還需要經(jīng)過權(quán)重向量更新后得到初始化權(quán)重向量輸入步驟六的預(yù)測值計算中。

13、與現(xiàn)有技術(shù)相比，本發(fā)明一種利用高光譜圖像譜間相關(guān)性提升壓縮比的ccsds算法能夠達(dá)到以下有益效果：

14、本發(fā)明針對高光譜圖像譜間相關(guān)性遠(yuǎn)遠(yuǎn)高于空間相關(guān)性的特點以及ccsds123.0-b-1算法中存在未充分利用譜間相關(guān)性，影響計算復(fù)雜度的預(yù)測參考譜段數(shù)p與壓縮比之間的權(quán)衡選擇，壓縮比有待提高的問題，提出一種利用高光譜圖像譜間相關(guān)性提升壓縮比的ccsds算法。該算法以最大譜間相關(guān)系數(shù)為準(zhǔn)則，進(jìn)行譜間相關(guān)系數(shù)排序處理以及自適應(yīng)選擇與待預(yù)測譜段存在最高相關(guān)性的譜段作為參考譜段，有效提高了參考譜段與待預(yù)測譜段間的整體相關(guān)性。實驗結(jié)果表明，本算法可以很好的解決了原ccsds壓縮比和影響計算復(fù)雜度的預(yù)測譜段數(shù)p之間權(quán)衡選擇的問題，在幾乎不增加計算復(fù)雜度以及存儲需求的情況下提高了預(yù)測精度，降低預(yù)測殘差，相比于ccsds123.0-b-1，對復(fù)雜的地物有比較明顯的提升效果，對均勻地物也能小幅提升，壓縮性能更加穩(wěn)定。本算法簡單，適用范圍更廣泛，具有較高的參考價值，并易于硬件實現(xiàn)，為高光譜數(shù)據(jù)壓縮提供了一種有效的研究途徑，適用于星載高光譜的數(shù)據(jù)壓縮應(yīng)用。