基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法
【專利摘要】本發(fā)明公開了一種基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法，包括如下步驟：讀入m幅高光譜圖像，對每幅圖像分別用k-means聚類，得到m幅聚類索引圖后；對m幅聚類索引圖每個波段的進行離線回歸訓(xùn)練，計算預(yù)測系數(shù)讀入壓縮圖像；對于第一波段進行幀內(nèi)預(yù)測；對其他波段中的每個像素值使用S2步驟中離線訓(xùn)練得到的預(yù)測系數(shù)進行預(yù)測，所有像素預(yù)測完成后，得預(yù)測圖像；用原始圖像和預(yù)測圖像做差，得到殘差圖像；對殘差圖像采用Range?Coder編碼方法進行編碼，輸出文件，傳送到解碼器。本發(fā)明可應(yīng)用于高復(fù)雜度多幅高光譜圖像實現(xiàn)快速壓縮要求的壓縮技術(shù)中，壓縮效率高。
【專利說明】基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像壓縮【技術(shù)領(lǐng)域】，涉及一種適用于高復(fù)雜度多幅高光譜圖像壓縮要求的實時應(yīng)用的預(yù)測方法，具體地說是一種基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法。
【背景技術(shù)】
[0002]高光譜遙感技術(shù)興起于二十世紀末期，是一種對地觀測技術(shù)，其在海洋遙感、地質(zhì)勘查、大氣和環(huán)境遙感、以及軍事偵察等方面得到普遍應(yīng)用。高光譜遙感技術(shù)獲取的高光譜數(shù)據(jù)是普通二維圖像和一維光譜維的疊加。因此，高光譜圖像不僅包含了豐富的地物信息，也包含了大量的光譜信息，具有光譜分辨率高和譜像合一的特點。高光譜遙感技術(shù)的快速發(fā)展使得空間分辨率和光譜分辨率不斷提高，因而高光譜圖像的數(shù)據(jù)量越來越大，鑒于其高昂的獲取代價和長期保存的價值，如何有效的對其進行無損壓縮成為了一項重要的研究課題。針對此課題，國內(nèi)和國外的許多研究者們提出了多種高光譜圖像的壓縮算法，包括基于預(yù)測的方法、基 于變換的方法、基于矢量量化的方法，以及多種方法結(jié)合使用。
[0003]一幅圖像的相鄰像素間具有很強的相關(guān)性，通過觀察一個像素的相鄰像素的取值情況，可以預(yù)測該像素值的大致范圍，即預(yù)測值。預(yù)測值和真實值之間的誤差稱為預(yù)測誤差。預(yù)測誤差的方差一般比原像素的方差小，因此多對預(yù)測誤差進行編碼以壓縮其平均碼長。
[0004]根據(jù)參考像素的維數(shù)，圖像的預(yù)測壓縮可分為一維、二維和三維預(yù)測。以同一行中的前幾個像素值為參考像素進行預(yù)測，稱為一維預(yù)測；以同一行或前幾行像素值為參考像素進行預(yù)測，稱為二維預(yù)測；以前幾行和前幾個波段的像素值為參考像素進行預(yù)測，稱為三維預(yù)測。

【發(fā)明內(nèi)容】

[0005]本發(fā)明為了克服基于聚類的回歸預(yù)測壓縮算法計算復(fù)雜度高的不足，以及減少邊信息的編碼和傳輸來提高編碼效率，提出了一種基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法，可應(yīng)用于高復(fù)雜度多幅高光譜圖像實現(xiàn)快速壓縮要求的壓縮技術(shù)中，壓縮效率高。
[0006]為實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為:
[0007]基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法，包括如下步驟:
[0008]S1、讀入m(m ^ I ；m e Z)幅高光譜圖像,對每幅圖像分別用k-means (此處k =16)聚類，得到m幅聚類索引圖后；作為邊信息經(jīng)過RC編碼后傳輸?shù)浇獯a端；
[0009]S2、對SI步驟中所得的m幅聚類索引圖每個波段的進行離線回歸訓(xùn)練，計算預(yù)測系數(shù)
[0010]S3、讀入壓縮圖像；
[0011]S4、對于第一波段用JPEG-LS壓縮標準的核心算法L0C0-1 (Low Complexity Lossless Compression for Images)來進行幀內(nèi)預(yù)測；對其他波段中的每個像素值使用S2步行預(yù)測，預(yù)測模型為為
【權(quán)利要求】
1.基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法，其特征在于，包括如下步驟: 51、讀入m幅高光譜圖像，對每幅圖像分別用k-means聚類，得到m幅聚類索引圖后； 52、對SI步驟中所得的m幅聚類索引圖每個波段的進行離線回歸訓(xùn)練，計算預(yù)測系數(shù)?%.9 53、讀入壓縮圖像； 54、對于第一波段進行幀內(nèi)預(yù)測；對其他波段中的每個像素值使用S2步驟中離線訓(xùn)練得到的預(yù)測系數(shù)進行預(yù)測，預(yù)測模型為
2.根據(jù)權(quán)利要求1所述的基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法，其特征在于，所述S2步驟中的計算預(yù)測系數(shù)的方法為:假設(shè)m幅圖像的當(dāng)前類共有S條譜線，預(yù)測階數(shù)為N，用當(dāng)前類當(dāng)前波段上的所有像素值{ΡΜ，P02,...，P0J和前N個波段對應(yīng)的像素值{Pu, P21,...Pni ;P12，P22,..., Pn2 ;...；P1S, P2s,..., PNS}做多元回歸訓(xùn)練,此時
3.根據(jù)權(quán)利要求1所述的基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法，其特征在于，所述S4步驟中幀內(nèi)預(yù)測的方法為: 設(shè)X為第一波段中的當(dāng)前像素，而a、b、c分別為其上方、左方和左上方的已知像素，那么X的預(yù)測值為
4.根據(jù)權(quán)利要求1所述的基于離線訓(xùn)練的高光譜圖像回歸預(yù)測壓縮方法，其特征在于，所述SI步驟中所述k-means聚類,按如下步驟進行: SI 1、隨機選取k個聚類質(zhì)心點為μ I, μ 2，...，μ k e Rn0 S12、重復(fù)下面過程直到收斂{ 對于每一個樣例i，計算其應(yīng)該屬于的類
【文檔編號】G06T5/00GK103985096SQ201410217499
【公開日】2014年8月13日 申請日期:2014年5月18日 優(yōu)先權(quán)日:2014年5月18日
【發(fā)明者】吳家驥, 張敏, 任改玲, 張向榮, 焦李成 申請人:西安電子科技大學(xué)