[发明专利]基于分布式压缩感知的高光谱图像压缩方法

说明书

本发明提供一种基于分布式压缩感知的高光谱图像压缩方法，方法包括：基于高光谱图像中各波段谱的相关性和各波段谱的信息熵值，分为一个低相关性波段组和多个高相关性波段组，每一高相关性波段组包括：一个参考波段和多个非参考波段；从参考波段中确定感兴趣区域和背景区域；针对每一非参考波段，与该组参考波段中感兴趣区域、背景区域分别进行差分处理，获得各自对应的残差图像；依次压缩每一高相关性波段组中感兴趣区域、背景区域及每一非参考波段对应的残差图像、低相关性波段的图像；将所有压缩编码的码流发送。上述方法对不同的波段及不同的区域进行不同的分布式压缩处理，充分保护了高光谱图像的重要信息，同时提高了高光谱图像的压缩率。

技术领域

本发明涉及高光谱图像压缩技术，特别是一种基于分布式压缩感知的高光谱图像压缩方法。

背景技术

高光谱图像是同时包含空间信息和光谱信息的多个波段图像组成的集合，已经被应用到很多领域，例如农业、军事、地质勘探和环境监测等。然而随着空间分辨率和光谱分辨率的不断提高，带来了海量的数据。这些海量的数据给高光谱图像的存储、传输和应用带来了巨大的挑战，因此怎样高效地实现高光谱数据压缩就成了亟待解决的问题。

然而，在提出的众多高光谱图像压缩算法中，绝大多数的算法是对高光谱图像中大多数波段和空间区域都采取相同的处理，这就可能造成空间和光谱维度上某些重要信息的流失。在实际应用中，高光谱图像业内人士感兴趣的目标往往位于高频部分且为很小的一块区域，对所有波段和区域采取相同的处理，就有可能会造成感兴趣信息的损失。

另外，高光谱图像的感兴趣信息包括感兴趣波段和感兴趣区域。而现有技术中能够支持高光谱图像感兴趣信息保护的3D-SPIHT压缩算法，本质上是基于变换的方法，阈值不断的更新使得它的计算量和复杂度较高，量化的原因也使得它的重构图像块效应比较严重，另外，该3D-SPIHT压缩算法没能充分利用高光谱图像很强的谱相关性，去除冗余不够彻底。

发明内容

针对现有技术中的缺陷，本发明提供一种基于分布式压缩感知的高光谱图像压缩方法，对高光谱图像的感兴趣区域和感兴趣波段进行选择性分布式压缩处理，提高了图像压缩过程中的灵活性。

第一方面，本发明提供一种基于分布式压缩感知的高光谱图像压缩方法，包括：

步骤01：针对待处理的高光谱图像，基于高光谱图像中各波段相关性和各波段的信息熵值，将高光谱图像的所有波段划分为一个低相关性波段组和多个高相关性波段组，每一高相关性波段组包括：一个高熵值的参考波段和多个非参考波段；

步骤02：针对每一高相关性波段组，根据预设的感兴趣区域选择策略，从参考波段中确定感兴趣区域，将参考波段中除感兴趣区域之外的区域作为背景区域；

步骤03：针对高相关性波段组的每一个非参考波段，与该组参考波段中感兴趣区域、背景区域分别进行差分处理，获得分别对应于所述感兴趣区域和背景区域的残差图像；

步骤04：采用第一编码方式依次压缩编码每一高相关性波段组中感兴趣区域及多个与感兴趣区域关联的残差图像；

采用第二编码方式依次压缩编码每一高相关性波段组中背景区域及多个与背景区域关联的残差图像；

采用第三编码方式依次独立压缩编码低相关性波段组的稀疏变换后图像；

步骤05：将所有压缩编码的码流发送。

可选地，步骤01包括：

获取所述高光谱图像中所有波段的信息熵值；将大于第一预设熵值对应的波段组成第一集合s₁；

获取所述高光谱图像中所有相邻波段之间的相关系数r；确定大于第一预设参数值的每一相关系数对应的两个波段，将该些波段组成第二集合s₂；