一種多級和分維矢量量化的遙感信號壓縮編碼方法
【專利摘要】本發(fā)明提出了一種基于多級分維矢量量化的高光譜信號編碼方法。對第一級矢量量化的輸入矢量首先進行去均值操作，構(gòu)造第一級矢量量化的初始碼書，并生成第一級矢量量化的最終碼書和編碼；由第一級矢量量化的重構(gòu)圖像和原去均值圖像，構(gòu)成矢量進行分維處理，分維后每一個部分的數(shù)據(jù)作為第二級矢量量化的輸入矢量，構(gòu)造第二級矢量量化的初始碼書，同時利用快速搜索算法，實施快速聚類，生成每一個部分數(shù)據(jù)的第二級矢量量化的最終碼書和索引。本發(fā)明結(jié)合去均值、矢量分維和多級矢量量化達到減小量化誤差的目標，不僅能夠提高壓縮比和圖像恢復質(zhì)量，而且可以大幅降低算法的計算復雜度，達到對高光譜遙感信號快速壓縮編碼的目的。
【專利說明】一種多級和分維矢量量化的遙感信號壓縮編碼方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于高光譜遙感圖像處理領(lǐng)域，具體涉及一種結(jié)合多級和分維矢量量化技術(shù)的高光譜遙感圖像數(shù)據(jù)壓縮編碼方法。
【背景技術(shù)】
[0002]一切物體均具有反射或者輻射不同波長電磁波的特性，通過識別電磁波而達到識別物體及其存在環(huán)境的技術(shù)稱為遙感。它是20世紀60年代發(fā)展起來的一項綜合對地觀測技術(shù)，能夠不直接接觸目標、區(qū)域或現(xiàn)象而獲得相關(guān)數(shù)據(jù)，并加以分析以獲得所需要的信息。遙感技術(shù)是以電磁輻射理論為基礎，集合了電磁波理論、光譜學和色度學、物理與幾何光學、地理學、地質(zhì)學、大氣科學以及海洋科學等眾多學科。遙感作為人類獲取信息的重要手段，經(jīng)過幾十年的發(fā)展，已經(jīng)在國民經(jīng)濟各個鄰域有著廣泛的應用，并且成為當今最為活躍的科技領(lǐng)域之一。
[0003]高光譜遙感(Hyperspectral remote sensing)又稱超譜遙感，目前應用最多的是美國NASA噴氣實驗室研制的機載可見光成像光譜儀(AVIRIS)。高光譜遙感圖像是指利用高光譜傳感器對同一對象在多個窄光譜波段范圍上獲得的圖像，它記錄了成像地物在多個光譜波段的響應特性，提供了關(guān)于地物更細致的光譜信息，但同時其數(shù)據(jù)量急劇增加，給機載和星載數(shù)據(jù)傳輸和存儲帶來困難。典型AVIRIS圖像的大小為614X512，成像波段數(shù)為224，如果每像素灰度值以兩個字節(jié)存儲，一組圖像的數(shù)據(jù)量則約為140M字節(jié)。因此，隨著高光譜遙感技術(shù)的發(fā)展，海量的高光譜遙感數(shù)據(jù)的傳輸、存儲和管理帶來的困難也日益加劇。為了提高高光譜傳感器的工作效率，在有限的通信帶寬實現(xiàn)高光譜遙感圖像的高速傳輸，使各種機載/星載超譜傳感器獲得的高光譜遙感圖像最大限度地得到利用，研究和開發(fā)高性能的高光譜遙感圖像壓縮技術(shù)具有非常重要的意義。對高光譜遙感圖像進行壓縮可以:(1)較快地傳輸各種信源，降低信道占用費用。(2)在現(xiàn)有的通信干線上開通更多的并行業(yè)務。(3)降低發(fā)射機的功率。(4)緊縮數(shù)據(jù)存儲容量，降低存儲費用。因此，高光譜遙感圖像壓縮的算法研究具有重要應用價值。
[0004]高光譜遙感圖像的壓縮要考慮去除兩類相關(guān)性一譜間相關(guān)性和空間相關(guān)性。譜間相關(guān)性部分是由于傳感器的頻譜交疊，部分是由于地物的反射頻譜覆蓋了較大的頻譜范圍。譜間相關(guān)性又可以進一步分為兩類，在統(tǒng)計意義上存在的圖像像素數(shù)值上的相關(guān)性稱為統(tǒng)計相關(guān)性。由于各個波段圖像對應同一視場，圖像內(nèi)容具有相同的幾何結(jié)構(gòu)的相關(guān)性稱為結(jié)構(gòu)相關(guān)性?？臻g相關(guān)性主要是由于同一地物具有相同的反射特性。由于矢量量化可以通過聚類的方法去掉高光譜遙感圖像的冗余度，它能有效地利用矢量中各分量間的4種相互關(guān)聯(lián)的性質(zhì):線性依賴性、非線性依賴性、概率密度函數(shù)的形狀以及矢量維數(shù)，并且矢量量化具有壓縮比大、編解碼簡單和失真較小的特點。因此矢量量化作為一種對高光譜遙感圖像壓縮效果顯著，圖像恢復質(zhì)量高的壓縮算法，得到廣泛的應用。申請?zhí)枮?01110272304.X的專利申請公開為一種超譜信號的快速壓縮編碼方法及圖像壓縮方法，但該方法在壓縮比、圖像恢復質(zhì)量(峰值信噪比)和計算復雜度上仍有待改善。
【發(fā)明內(nèi)容】

[0005]本發(fā)明針對現(xiàn)有高光譜遙感圖像壓縮采用無損壓縮方法圖像的壓縮比低和有損壓縮圖像的恢復質(zhì)量差的缺點，提出了一種基于多級分維矢量量化的高光譜遙感圖像的快速壓縮編碼方法，在保證碼書尺寸不變的情況下，提高了高光譜遙感圖像的壓縮比和恢復質(zhì)量，同時也降低了算法的計算復雜度。
[0006]一種多級和分維矢量量化的高光譜遙感信號快速編碼方法，包括:讀取高光譜數(shù)據(jù)源，提取高光譜數(shù)據(jù)各行矢量的均值并保存，對高光譜的行矢量進行去均值操作獲得去均值圖像，構(gòu)造第一級矢量量化的初始碼書，獲取第一級編碼碼書和編碼；用第一級碼書及編碼索引重構(gòu)的圖像，與去均值圖像相減得到差值圖像，對差值圖像矢量進行分維處理，對分維后各部分分別構(gòu)造對應的第二級矢量量化的初始碼書作為第二級矢量量化的輸入數(shù)據(jù)，訓練該初始碼書得到各部分的第二級矢量量化的碼書和編碼索引；由行矢量均值、第一級碼書和編碼索引、以及分維的各部分第二級矢量量化碼書和編碼索引構(gòu)成高光譜數(shù)據(jù)源的壓縮數(shù)據(jù)。
[0007]其主要包括以下幾個階段:
[0008]第一級矢量量化初始化階段:讀取高光譜數(shù)據(jù)源，將高光譜數(shù)據(jù)源矩陣的每一個行矢量與其均值做差，對生成的去均值矩陣進行哈達瑪變換，將得到的矢量數(shù)據(jù)按照行矢量均值的大小進行升序排列，獲得排序后索引值和排序后的矢量矩陣，然后對排序后的矢量平均分組，依次選取每組首矢量得到第一級矢量量化的初始碼書，設置第一級矢量量化過程的最大迭代次數(shù)或失真閾值。
[0009]第一級矢量量化訓練階段:根據(jù)歐式距離確定訓練矢量的最佳匹配碼字，依次將訓練矢量劃分到它所對應最佳匹配碼字的胞腔中，直到劃分完所有的訓練矢量，最后用胞腔的質(zhì)心來更新當前最佳匹配碼字。直至累計迭代次數(shù)達到設定的最大迭代次數(shù)或最近兩次平均失真的相對誤差值小于設置的失真閾值，結(jié)束訓練并打包第一級矢量量化的最終碼書以及所有矢量最佳匹配碼字的索引和行矢量均值；否則，繼續(xù)訓練。
[0010]第二級矢量量化初始化階段:用第一級矢量量化生成的碼書以及所有矢量對應的最佳匹配碼字的索引構(gòu)造哈達瑪域的恢復圖像，利用矢量去均值后的圖像與所得到的恢復圖像生成差值圖像，對差值圖像按照2的整數(shù)次冪進行分維處理，生成三個部分。以第一部分為例，對第一部分的矢量進行哈達瑪變換，將變換后矢量數(shù)據(jù)按照第一維分量值進行升序排列，獲得排序索引，然后平均分組，依次選取每組首矢量得到第一部分的第二級矢量量化的初始碼書，并設置第一部分的第二級矢量量化過程的迭代次數(shù)或失真閾值。
[0011]第二級矢量量化訓練階段:采用快速算法搜索訓練矢量的最佳匹配碼字，依次將訓練矢量劃分到它所對應的胞腔中，直到劃分完所有的訓練矢量，最后用胞腔的質(zhì)心來更新當前最佳匹配碼字。當累計迭代次數(shù)達到設定的最大迭代次數(shù)或最近兩次平均失真的相對誤差值小于設置的失真閾值，結(jié)束訓練并打包每一部分的第二級矢量量化的最終碼書以及所有矢量最佳匹配碼字的索引值；否則，繼續(xù)訓練。
[0012]生成初始碼書具體為:第一級矢量量化初始碼書生成，將高光譜數(shù)據(jù)源矩陣的每一個行矢量與其均值相減，生成去均值后的矢量，對去均值后的矩陣矢量矩陣進行擴展，形成列數(shù)(維數(shù))為2的整數(shù)次冪的行矢量，然后對該變換矩陣進行Hadamard變換，并按照原來行矢量的均值升序進行排序，根據(jù)排序索引對行排序后的矩陣E按照行平均分N1組(N1為第一級矢量量化碼書的尺寸)，依次選擇每組第一個矢量作為該組的初始碼字生成初始碼書Y ;第二級矢量量化初始碼書生成，對生成的差值圖像按照2的整數(shù)次冪進行分維處理生成FC⑴(其中i表示分維的各部分的標記)，對FC (i)矩陣進行Hadamard變換并按照變換后矢量的第一維按照升序進行排序列，根據(jù)排序索引對行排序后的矩陣FC(i)_E按照行平均分N2組(N2為第二級矢量量化碼書的尺寸)，依次選擇每組第一個矢量作為該組的初始碼字生成第二級矢量量化的初始碼書FC(i)_Y。
[0013]由上述過程可見，矢量量化編碼只需要傳輸最終碼書以及各個訓練矢量對應于最終碼書中碼字的索引，解碼過程只需要在接收端利用接收到的索引值在碼書中查找與其所對應的碼字來代替訓練矢量，就可以恢復出高光譜遙感圖像。由于矢量量化編碼過程傳輸?shù)臄?shù)據(jù)量遠遠小于原始高光譜遙感圖像的數(shù)據(jù)量，因此，通過矢量量化編碼的方法可以達到壓縮高光譜遙感圖像的目的。同時，由本發(fā)明產(chǎn)生的多級碼書和索引，支持更加靈活的數(shù)據(jù)處理、傳輸和存儲策略，如基于漸進傳輸?shù)男诺拉h(huán)境和數(shù)據(jù)的漸進式呈現(xiàn)。
【專利附圖】

【附圖說明】:
[0014]圖1是傳統(tǒng)的LBG算法流程框圖；
[0015]圖2是本發(fā)明方案流程框圖。
【具體實施方式】
[0016]下文中所使用變量的意義如下:χ表示空域中的矢量；χ表示哈達瑪域中的矢量；y表是空域中的碼字，表示哈達瑪域中的碼字；ite表示迭代次數(shù)；Dmin表示當前最小失真；N表示碼書尺寸；1表示索引矩陣；E表示哈達瑪域矢量排序后的訓練矩陣矢量；V表示胞腔矢量存儲矩陣；CZ表示生成的差值圖像；FC(i)表示第二級矢量量化分維后各個部分的前綴，其中i表示第i部分；PSNR表示峰值信噪比；CR表示壓縮比；Complex表示計算復雜度。
[0017]以下使用具體事例和附圖對本發(fā)明作進一步說明。本發(fā)明提出的基于多級和分維矢量量化的高光譜遙感信號快速編碼方法，主要包括:
[0018]從高光譜遙感圖像中獲取輸入矢量，將輸入矩陣的行矢量與該矢量的均值進行差值操作，對差值后矩陣行矢量變維，并進行哈達瑪變換，將變換后的矢量數(shù)據(jù)按照行矢量均值進行升序排列，獲得排序索引，然后利用平均分組選取每組首矢量的方法得到第一級矢量量化的初始碼書，并設置第一級矢量量化過程的迭代次數(shù)。
[0019]快速搜索訓練矢量的最佳匹配碼字，依次將訓練矢量劃分到它們所對應最佳匹配碼字的胞腔中，直到劃分完所有的訓練矢量，最后用胞腔的質(zhì)心來更新當前碼字。每輪迭代之前預先判斷累計迭代次數(shù)是否達到設定的最大迭代次數(shù)Ue1，若滿足，就結(jié)束訓練并打包第一級矢量量化的行矢量均值、最終碼書和所有矢量最佳匹配碼字的索引；否則，繼續(xù)訓練。
[0020]用第一級矢量量化的最終碼書、每個輸入矢量對應匹配碼字的索引、哈達瑪反變換和變維(去除零矩陣)重構(gòu)恢復圖像，然后用去均值圖像與恢復圖像生成差值圖像；對差值圖像矢量的維數(shù)按照2的整數(shù)次冪進行分維處理，然后將每一部分的矢量進行哈達瑪變換。[0021]以第一部分為例，對第一部分變換后矢量數(shù)據(jù)按照第一維分量值進行升序排列，獲得排序索引，然后利用平均分組選取每組首矢量得到初始碼字，形成第二級矢量量化第一部分矩陣的初始碼書，并設置第一部分第二級矢量量化過程的迭代次數(shù)。搜索訓練矢量的最佳匹配碼字，依次將訓練矢量劃分到它所對應最佳匹配碼字的胞腔中，直到劃分完所有的訓練矢量，最后用胞腔的質(zhì)心來更新當前碼字。判斷累計迭代次數(shù)是否達到設定的最大迭代次數(shù)，若滿足，結(jié)束訓練并打包第一部分第二級矢量量化的最終碼書以及所有矢量最佳匹配碼字的索引；否則，繼續(xù)訓練。
[0022]對圖像數(shù)據(jù)矢量分維后的其余部分重復上面對第一部分的操作，相應獲得各部分的編碼碼書和編碼索引。
[0023]具體步驟如下:⑴讀取高光譜遙感圖像，根據(jù)圖像尺寸和波段數(shù)構(gòu)建3維矩陣，并將其轉(zhuǎn)化為2維矩陣B ;⑵將B的每一個行矢量與其該行矢量的均值相減，生成去均值后的矩陣C 判斷2維矩陣C的行維數(shù)是否為2的整數(shù)次冪，如果不是，則在C的行向量后添加零矩陣，使C的行向量的維數(shù)轉(zhuǎn)化成與其最接近的2的整數(shù)次冪的維數(shù)，這樣產(chǎn)生新的增維后的矩陣C’ ；⑷對2維矩陣C’做行矢量的哈達瑪變換，將變換后的矩陣的行按照原行矢量均值進行升序排列，獲得矢量排序后的矩陣E (第一級矢量量化訓練矢量集)并記錄此時排序索引I1 ;(5)對矩陣E按行平均分為N1 (第一級矢量量化的碼書尺寸)組，依次選擇每組首矢量生成初始碼書，根據(jù)變換質(zhì)量要求設置迭代次數(shù)Ue1或失真閾值ε ! ;(6)設定第一級矢量量化碼書的訓練矢量的胞腔索引矩陣I，將初始碼書中訓練矢量歸屬到相應的胞腔中；⑴利用快速算法搜索最佳匹配碼字，依次將訓練矢量劃分到其最佳匹配碼字所對應的胞腔中，直到訓練完所有的矢量， 用胞腔的質(zhì)心來更新碼字。在達到設定的最大迭代數(shù)或失真閾值時，輸出第一級矢量量化過程的行矢量均值、最終碼書Y和訓練矢量的聚類索引(胞腔號)1 ;(8)利用第一級矢量量化生成的最終碼書Y和聚類索引I重構(gòu)圖像，然后對其進行哈達瑪反變換和變維(去除零矩陣)生成恢復圖像；(9)利用圖像C和恢復圖像生成差值圖像CZ ；
(10)按照2的整數(shù)次冪對差值圖像的矢量進行分維處理，不滿足的進行補零操作，生成矩陣FC(i)，其中i表示分維后各部分 的標記；(11)對2維矩陣FC(i)進行哈達瑪變換，將變換后的行矢量按照第一維分量值進行升序排列，獲得矢量排序后的矩陣FC (i) _E (第二級矢量量化訓練矢量集)并記錄此時排序索引FcatI1 ;(12)對矩陣F(-i)_E按行平均分為N2 (第二級矢量量化的碼書尺寸)組，依次選擇每組首矢量生成初始碼書，設置迭代次數(shù)Ue2或失真閾值ε 2 ;(13)設定第二級矢量量化的訓練矢量的胞腔索引矩陣FC(i)_I，將初始碼書中訓練矢量歸屬到相應的胞腔中；(M)利用快速算法搜索最佳匹配碼字，然后將訓練矢量劃分到最佳匹配碼字所對應的胞腔，直到訓練完所有的矢量，本輪迭代結(jié)束時以胞腔的質(zhì)心更新碼字。在達到設定的最大迭代數(shù)或失真閾值時，輸出第二級矢量量化設計最終碼書FC(i)_Y以及訓練矢量對應的聚類索引(胞腔號)FC⑴」。
[0024]以下具體描述本發(fā)明的實現(xiàn)方式:
[0025]在MATLAB7.9軟件 平臺下結(jié)合附圖對本發(fā)明方案的實例進行詳細說明。圖2為本發(fā)明方法流程框圖，使用典型的AVIRIS高光譜遙感圖像(大小為512X614X224)，為了處理方便，在每個波段中截取大小為256X256的圖像塊，其每個波段中像元數(shù)據(jù)以兩個字節(jié)的帶符號整數(shù)表示，本方案的具體實施步驟如下:
[0026]第一級矢量量化初始化階段:[0027]步驟1:讀取高光譜數(shù)據(jù)，并將其轉(zhuǎn)化為二維矩陣B (65536，224)
[0028]步驟2:對矩陣B的行矢量都進行去均值操作，即將每一個行矢量都與其行矢量均值相減，生成新的矢量，記為矩陣C ；
[0029]步驟3:在矩陣C的每一行矢量后添加32維的零矢量，獲得矩陣C’(65536，256)；
[0030]步驟4:對C，進行Hadamard變換得到變換矩陣D (65536，256)，將矩陣D按照原行矢量均值的大小重新進行升序排序，獲得行排序后的矩陣E，記錄這時的排序索引I1，然后對矩陣E按照行平均分N1組(N1為第一級矢量量化碼書的尺寸)，依次選擇每組第一個矢量作為該組的初始碼字，生成初始碼書Y ;
[0031]步驟5:置初始編碼索引矩陣為I (1，65536)，根據(jù)第一級對于訓練矢量集E的劃分，將訓練矢量按照初始劃分分配到相應的胞腔中，獲得訓練矢量的初始編碼(胞腔號);
[0032]步驟6:設置初始化迭代次數(shù)Ue1，根據(jù)編碼質(zhì)量要求由用戶確定Ue1的值；第一級矢量量化訓練階段:
[0033]步驟1:計算E中所有訓練矢量和Y中碼字矢量的方差，并保存在初始碼書中；
[0034]步驟2:初始化存放訓練矢量的胞腔V以及存放此胞腔訓練矢量的個數(shù)U ；
[0035]步驟3:對于上述E矩陣的每一個行矢量，即每一個訓練矢量(記為X)，從上一次迭代后其歸屬的胞腔開始搜索，計算當前訓練矢量X與碼字Υιω (I (i)是X上一次的編碼索引值，對應的YI(i)就是其上一次X的編碼碼字)的歐式距離，并將此歐式距離作為當前最小失直Dmin；
[0036]步驟4 計算D1=(Vx-Vj)2 (其中
【權(quán)利要求】
1.一種多級和分維矢量量化的高光譜遙感信號快速編碼方法，其特征在于，讀取高光譜數(shù)據(jù)源，提取高光譜數(shù)據(jù)各行矢量的均值并保存，對高光譜數(shù)據(jù)的行矢量進行去均值操作獲得去均值圖像，構(gòu)造第一級矢量量化的初始碼書，獲取第一級編碼碼書和編碼；用第一級編碼碼書及編碼索引重構(gòu)的圖像，與去均值圖像相減得到差值圖像，對差值圖像矢量進行分維處理，對分維處理后各部分分別構(gòu)造對應的第二級矢量量化的初始碼書作為第二級矢量量化的輸入數(shù)據(jù)，訓練該初始碼書得到各部分的第二級矢量量化的碼書和編碼索引；由行矢量均值、第一級碼書和編碼索引、以及分維的各部分第二級矢量量化碼書和編碼索弓I構(gòu)成高光譜數(shù)據(jù)源的壓縮數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述去均值操作具體為:對高光譜的行矢量減去該行矢量均值，生成差值數(shù)據(jù)矩陣。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲得第一級矢量量化的初始碼書具體包括:對高光譜數(shù)據(jù)源矩陣進行補零操作，進行哈達瑪變換得到的矢量數(shù)據(jù)按照原行矢量均值的大小進行升序排列，獲得排序后索引值構(gòu)成矩陣，然后對排序后的矩陣平均分組，依次選取每組第一個矢量作為第一級矢量量化的初始碼書。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述差值圖像具體為:去均值后的原圖像減掉由第一級矢量量化得到的重構(gòu)圖像，生成差值圖像。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對差值圖像矢量進行分維處理具體為:按照2的整數(shù)次冪對差值圖像矢量進行分維，將矢量數(shù)據(jù)分為三個部分，每一個部分都單獨作為第二級矢量量化的一個輸入數(shù)據(jù)。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，對于分維后的第二級矢量量化的初始碼書構(gòu)造:分別對分維后的圖像矩陣進行哈達瑪變換，將變換后矢量數(shù)據(jù)按照第一維分量值進行升序排列，獲得排序索引，對排序索引平均分組，依次選取每組首矢量分別得到每一個部分第二級矢量量化的初始碼書。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，構(gòu)造第一級矢量量化的初始碼書具體包括:⑴讀取高光譜遙感圖像矩陣，將其轉(zhuǎn)化為2維矩陣B 將矩陣B的每一行矢量都減去該行矢量所對應的均值，生成去均值矩陣C ;⑶使C的行向量的維數(shù)轉(zhuǎn)化成2的整數(shù)次冪的維數(shù)得到矩陣C’ J4)對矩陣C’進行哈達瑪變換，將變換后的矩陣按照原行矢量均值對矢量進行升序排列，獲得矢量排序后的矩陣E并記錄此時排序索引I1 ;(5)對矩陣E按行根據(jù)第一級矢量量化的初始碼書尺寸N1平均分組,依次選擇每組首矢量生成初始碼書。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲得第二級矢量量化的初始碼書具體包括:利用去均值圖像和第一級矢量量化的重構(gòu)圖像，生成差值圖像CZ ;對差值圖像矩陣的行矢量按照2的整數(shù)次冪進行分維，生成分維矩陣FC1、FC2和FC3 ;分維后各部分行矢量進哈達瑪變換，變換后的矢量依其第一維分量值進行升序排列，獲得相應排序后的矩陣作為第二級矢量量化訓練矢量集；對此矩陣按行根據(jù)第二級矢量量化的初始碼書尺寸N2平均分組，依次選擇每組首矢量生成對應的第二級各個分維部分的初始碼書。
【文檔編號】H04N7/28GK103442236SQ201310420156
【公開日】2013年12月11日 申請日期:2013年9月16日 優(yōu)先權(quán)日:2013年9月16日
【發(fā)明者】陳善學, 韓勇, 于佳佳, 李俊, 馮銀波 申請人:重慶郵電大學