[发明专利]一种基于线性预测去相关的矢量量化高光谱图像压缩方法

说明书

本发明公开一种基于线性预测去相关的矢量量化高光谱图像压缩方法，包括：步骤一：采集待压缩高光谱图像，将待压缩高光谱图像的所有谱带使用聚类的方法分为多个类，将每一类的聚类中心作为生成的参考谱带；步骤二：使用参考谱带对待压缩高光谱图像中所有的谱带进行预测，将参考谱带看作一组基底，将待压缩高光谱图像中所有的谱带都投影到这组基底上，通过投影的系数预测这些谱带；预测残差就是去冗余后的结果；步骤三：对预测残差进行VQ编码，完成待压缩高光谱图像的压缩；最终图像被压缩为两部分，谱带预测算法的参考谱带和投影系数，以及VQ算法中的码书和索引值。本发明提出了一种有效的谱带去冗余的方法，并通过实验验证了该方法的有效性。

技术领域

本发明属于高光谱图像处理领域，特别涉及一种基于线性预测去相关的矢量量化高光谱图像压缩方法。

背景技术

高光谱图像通常都是对同一场景在上百个谱带成像的结果。高光谱图像在反映图像中目标的材料成分上有着明显的优势，如今由于高光谱数据在国防，农业，地质等方面受到了越来越多的重视。然而高光谱图像中存在的大量冗余制约了高光谱图像的传输和处理，因此高光谱图像的压缩也成为了一个热门的研究课题。由于高光谱图像中存在着大量冗余，这些冗余分为空间冗余和谱间冗余。针对高光谱图像的压缩方法可以总结为三类：预测编码方法，基于变换的方法和基于矢量量化的方法。矢量量化是一种理论上最优的块编码算法，对于高光谱图像的压缩方法，VQ主要被应用于去除谱带冗余。目前对于高光谱图像的谱带冗余去除方式大多使用逐点预测的方案，这类方法运算量较大，使用谱带直接预测的方法效果并不理想。

发明内容

本发明的目的在于提供一种基于线性预测去相关的矢量量化高光谱图像压缩方法，以解决现有技术中由于高光谱图像中存在着大量的空间冗余和谱间冗余，严重限制了高光谱图像的传输和处理的问题。本发明通过对高光谱图像的研究，总结出高光谱图像中谱间冗余要显著强于空间冗余。因此本发明将注意力集中在消除谱间冗余上。同时考虑到谱间的强相关性，该方法对谱带进行整体预测来达到较好的消除谱间冗余的效果。

为了达到上述目的，本发明采用以下技术方案予以实现：

一种基于线性预测去相关的矢量量化高光谱图像压缩方法，包括以下步骤：

步骤一：采集待压缩高光谱图像，将待压缩高光谱图像的所有谱带使用聚类的方法分为多个类，将每一类的聚类中心作为生成的参考谱带；

步骤二：使用参考谱带对待压缩高光谱图像中所有的谱带进行预测，将参考谱带看作一组基底，将待压缩高光谱图像中所有的谱带都投影到这组基底上，通过投影的系数预测这些谱带；预测残差就是去冗余后的结果；

步骤三：对预测残差进行VQ编码，完成待压缩高光谱图像的压缩；最终图像被压缩为两部分，谱带预测算法的参考谱带和投影系数，以及VQ算法中的码书和索引值。

进一步的，步骤一具体包括：

参考谱带生成过程：

1.1)计算所有谱带间的互相关系数矩阵；

1.2)将互相关系数矩阵中的每一行作为特征向量进行K-means聚类；

1.3)对相同类的谱带求平均谱带作为参考谱带；

在聚类算法中通过计算所有谱带之间的互相关系数向量作为聚类算法的输入特征，任意谱带间的互相关系数计算方法如下：

公式(1)中i，j分别表示任意像素点的空间位置，M和N表示待压缩高光谱图像的长和宽，p和q则表示两个不同谱带；r_q(p)＝r_p(q)，r_p(q)表示谱带p和q的互相关系数，I(i,j,q)表示高光谱图像中任意一点，表示谱带q的均值；