[发明专利]基于多方向字典学习的极化SAR图像压缩方法

摘要

本发明公开了一种基于多方向字典学习的极化SAR图像压缩方法，主要解决现有技术压缩重构图像质量低的问题。其实现步骤为：(1)输入一组极化SAR四通道图像，并做非对称三维小波变换；(2)对离散小波变换后各通道不同尺度下高频子带不同方向的系数矩阵分别稀疏表示，得到各稀疏矩阵；(3)对离散小波变换后的各低频子带系数矩阵进行量化并编码，得到低频码流；(4)对不同尺度不同方向的稀疏矩阵统一量化并编码，得到高频码流；(5)用低频码流和高频码流形成最终码流。本发明能有效去除通道间冗余，更好的保留了图像边缘信息和轮廓信息，提高了压缩后重构图像的质量，可用于极化SAR图像的传输和存储。

主权项

一种基于多方向字典学习的极化SAR图像压缩方法，包括如下步骤：(1)输入一组待压缩的极化SAR四通道图像，并对该四通道图像进行非对称三维离散小波变换，得到各通道低频子带系数矩阵和不同尺度下高频子带系数矩阵；(2)将各通道不同尺度下高频子带的水平、垂直、对角三方向的系数矩阵使用水平、垂直、对角方向的字典分别稀疏表示，得到各通道不同尺度不同方向的稀疏矩阵；(3)对各通道离散小波变换后的低频子带系数矩阵进行量化，使用DPCM预测编码对其量化系数矩阵进行编码，再用Huffman编码对DPCM预测编码剩余的预测残差进行编码，得到低频码流；(4)对各通道不同尺度不同方向的稀疏矩阵统一量化，用Huffman编码对量化稀疏矩阵的系数幅度值和系数位置索引值进行编码，得到高频码流；(5)用低频码流和高频码流形成最终码流，并输出。