[发明专利]超光谱信号的快速差值矢量量化压缩编码方法

说明书

技术领域

本发明属于超光谱遥感图像处理领域，具体涉及一种基于差值矢量量化技术的超光谱图像数据压缩方法。

背景技术

随着遥感技术在地球资源管理、环境检测、军事侦测等领域的广泛应用，以往多光谱图像数据由于仅仅在图像的空间分辨率上有所改善，其数据特性已经满足不了人们在生产和科研上的需要，如SPOT和Landset TM图像，其图像仅包含4～7个离散的谱带，而人们感兴趣的是吸收特性宽度在20nm到40nm的地物目标，因此当谱带内的地物目标光谱特性相近时，多光谱图像的应用就受到限制，此时必须利用更多的谱带（通常需要包括几百个谱带），成像光谱仪的问世使获取包含几百个谱带的数据图像成为可能，这种图像就是超光谱图像。

与多光谱图像相比，由于成像光谱仪在获取地物空间分布信息的同时，对每一个像元形成一条地物光谱曲线，使得超光谱图像可以区分并识别更多种地物目标，但这是以较大的数据量和较高的数据维为代价来换取的。以典型的AVIRIS图像为例，其图像大小为614×512×224，如果对其以每个像素灰度值为16bit存储，那么总的数据存储量大约为140M bit，显然要比多光谱图像的数据量大得多,这给超光谱图像的传输和存储带来极大的困难。因此，寻求一种有效的压缩技术具有十分重要的意义。

超光谱图像具有两种相关性：空间相关性和谱间相关性。空间相关性是指每个谱段内某一像元与其相邻像元间的相似性。谱间相关性是指相邻波段间对应位置的像元具有的相似性，谱间相关性又分为谱间统计相关性和谱间结构相关性。使用多维信号处理技术，才能有效利用这些相关性。

将基于多维信号处理矢量量化技术，作为超光谱图像压缩的一种有效手段，具有压缩比大，编解码简单，失真较小的优点。矢量量化的核心内容是码书设计和码字快速搜索。码书设计就是寻找最优码书，使恢复图像与原始图像之间的计算失真达到最小，以保证重构图像的质量；码字快速搜索就是如何快速地找到与输入矢量失真最小的码字。 

LBG算法作为矢量量化中码书设计的经典算法，基本原理是从某个初始码书开始，根据最近邻条件得到新的胞腔，然后根据质心条件由新的胞腔得到新的码字，形成新的码书；对于一个训练序列{X_j;j=1,…,L},其具体过程如下：首先初始化，设初始码书为Y⁽⁰⁾={Y_i;i=1,…,N},其中Y_i表示码字，码书大小为N，设置失真阈值为ε或最大迭代次数为ite，令初始迭代次数t=0,平均失真D_-1=∞，然后用码书中的各个码字作为聚类中心，根据最佳划分准则（即找到每个矢量与其失真最小的码字），把训练矢量集划分为N个胞腔C⁽ⁿ⁾={S_i;i=1,2,…,N}，其中,对任意l∈{1,2,….,N}成立；最后计算平均失真。如果相对误差满足(D_t-1-D_t)/D_t≤ε或迭代次数达到设定的最大值就停止运算，Y(t)即为最终码书；否则，计算每个最小失真划分的质心=，由这些新质心组成新的码书，置t=t+1,进行下一次迭代。然而从运算复杂度来看，采用LBG进行数据压缩存在码书自适应能力不强，运算量大的缺点，并且获得高压缩比时图像的恢复质量不高。

发明内容

本发明针对现有超光谱图像压缩技术，在获得高压缩比时图像的恢复质量不高，计算量大的问题，提出了一种基于差值矢量量化的超光谱图像快速压缩编码方法，在保证压缩比不变的情况下，提高超光谱图像的恢复质量，