专利名称：基于改进jpeg-ls算法的遥感图像近无损压缩硬件实现方法
技术领域：
本发明涉及一种图像压缩方法，特别是一种基于改进JPEG-LS算法的图 像数据近无损压缩硬件实现方法。
背景技术：
JPEG - LS ( Information Technology - Lossless/near-lossless compression standard for continuous-tone still images)算法是耳关合图l象专家 组(Joint Photographic Experts Group)制定的一种图4象压缩标准，相比于其 它的压缩算法，JPEG-LS在无损和近无损压缩领域具有更高的压缩性能。 JPEG - LS是在LOCO - I算法基础上发展来的，LOCO - I算法通过对预测残 差值进行基于上下文的编码达到压缩的目的。JPEG - LS标准算法采用两种模 式对像素进行编码-游程模式和常规模式，常规模式对预测残差进行Golomb 编码，而游程模式对游程长度进行编码，从而对平滑图像可以进行大倍率的压 缩。Golomb编码是一种特殊的Huffman编码，对服从近似几何分布的预测残 差有较好的压缩效果。
JPEG-LS近无损压缩编码标准过程如下第一，对当前要编码像素，通 过其临近的四个像素点的重构值(分别为Rb、 Rc、 Ra、 Rd )计算上下文环境 变量Q;第二，通过上下文环境变量Q,判断对当前像素进行常规编码还是游 程编码，若Q等于O,则进行游程编码，否则，进行常规编码；第三，对常规 编码，首先通过当前像素的三个临近像素重构值(分别为Rb、 Rc、 Ra)对当 前像素进行非线性预测，得到当前像素的预测值Px,然后计算当前像素实际值 lx跟预测值Px之间的预测残差，然后对预测残差进行量化和反量化，并对量 化后的残差进行Golomb编码。当前像素的预测值Px以及预测残差的反量化 值计算得到当前像素的重构值Rx,并将Rx緩存起来用于下一个像素的编码(计
5算上下文Q、非线性预测等)，常规编码的最后一步是参数更新操作。在进行
Golomb编码过程中，用到四个上下文参数变量A[Q]、 B[Q]、 C[Q]、 N[Q],其 中N[Q]为已编码像素中与当前像素上下文环境Q相同的像素个数计数值，B[Q] 为当前上下文环境Q下前N[Q]个像素的预测残差的和，A[Q为当前上下文环境 Q下前N[Q]个像素预测残差绝对值的和，C[Q]为当前上下文环境Q下的偏差 补偿值，用于补偿采用非线性预测带来的偏差；第四，对游程编码，包括游程 扫描和游程中断两部分。首先判断当前象素值lx跟临近像素值Ra的预测残差 值是否在[-NEAR，+NRAR] (NEAR为压缩质量控制参数)的范围内，若是，则 继续扫描下一个像素，同时游程长度计数值加1;否则，进入游程中断部分， 对当前象素值lx跟临近像素值Ra的差值进行Golomb编码。
采用JPEG - LS标准算法进行近无损压缩硬件实现时存在以下不足之处
(1) 由于编码时需要重构值而不是实际值来预测后面的像素，而采用标准 算法获得重构值需要占用几个时钟周期，因此，采用该方法对图^f象难以进行适 时快速的压缩处理；
(2) 在计算上下文Q时，需要多步串行计算才能计算得到Q值，关4建路 径较长，难以满足实时处理的需求；
(3) 计算预测值时，采用标准算法需要单周期内完成关键路径最长的Ra + Rb-Rc计算，不利于速度的提升；
(4) 在计算残差值时，采用标准算法在量化和反量化时用到浮点乘法，计 算精度不能保证，计算复杂度较高，难以满足快速处理的需求；
(5) 参数变量更新时，标准算法涉及较多的加减运算和逻辑判断，且很多 操作是串行运算，计算复杂度较高，影响了整个系统运行速度的提升。
发明内容
本发明的技术解决问题是克服现有技术的不足，提供了一种高速的基于 改进JPEG - LS标准算法的对遥感图像进行实时近无损压缩的硬件实现方法。 本发明的技术解决方案是基于改进JPEG - LS算法的遥感图像近无损压缩硬件实现方法，步骤如下
(1 )通过输入图像的像素实际值直接计算获得输入图像的像素重构值，计
为像素重构值，lx为像素实际值，int为取整运算，Near为压缩比控制因子；
(2 )根据步骤(1 )中得到的像素重构值计算上下文环境变量Q,若Q等 于O则进行游程编码，否则转步骤(3)进行常规编码；
(3) 根据当前像素及其与临近像素的几何位置关系，利用步骤(1)中得 到的像素重构值计算当前像素的预测值；
(4) 计算当前像素的预测值与实际值的残差值；
(5) 对步骤(4)中得到的残差值进行量化处理，对量化处理结果进行 Golomb编码，同时利用量化处理结果对与上下文环境变量Q相对应的参数变 量进行更新；
(6) 重复步骤(1 ) ~ (5)，对下一像素进行处理，从而完成整幅图像的 近无损压缩。
所述步骤(2)中计算上下文环境变量Q的方法为按照JPEG-LS标准 算法选取当前像素的四个临近像素Rb、 Rc、 Ra、 Rd并计算出对应的上下文环 境变量值Q,然后根据所述四个像素值分别计算出三个梯度值Rd-Rb、 Rb-Rc和Rc- Ra，以这三个梯度值作为查找表的索引确定上下文环境变量Q。
所述步骤(3)中计算当前像素预测值的方法为按照JPEG-LS标准算 法选取当前^f象素的四个临近像素Rb、 Rc、 Ra、 Rd,将计算预测值的过程分为 两个流水阶段， 一个流水阶段为提前一个周期计算Rb-Rc的值，另一个流水 阶段为在当前周期计算Ra + Rb - Rc的值，根据以下逻辑条件
算时采用/仝式h二int
(2iVe"r + l)在单个时钟周期内完成计算，式中RX
min(i a，朋) /be = <j max(i^，朋)
如^Rc《min(Ra，Rb)
其它瞎况
输出最终的预测值Px。所述步骤(4)中计算当前像素的预测值与实际值的残差值的方法为首先 获取与其上下文环境变量Q相对应的偏差补偿值，用得到的所有偏差补偿值对 预测值进行偏差补偿，将偏差补偿后的预测值与实际值进行计算并对计算结果 进行量化和反量化处理，然后对与上下文环境变量Q相对应的参数变量进行更新。
所述的步骤(5)中利用量化处理结果对与上下文环境变量Q相对应的参 数变量进行更新的方法为按照JPEG - LS标准算法选取与上下文环境变量Q 相对应的参数变量A[Q]、 B[Q]、 C[Q]、 N[Q]以及归一化参数Reset,根据N[Q] 及Reset的大小计算得到归一化处理后的N[Q]、 - N[Q]、 -2N[Q、A[Q]、 B[Q] 的值，将归一化处理后B[Q]分别与N[Q]、 - N[Q]、 -2N[Q]进行比较，根据比 较结果计算出更新后的A[Q]、 B[Q]和C[Q]。
本发明与现有技术相比的优点在于
(1 )本发明方法通过输入的像素实际值直接计算得到重构值，可以单周期 完成像素重构值的计算，打破原标准中计算重构值的环路反馈模式，使后续算 法可以流水处理；
(2) 本发明方法在计算上下文Q时首先计算三个梯度值，而后以此三个 梯度值作为查找表的索引来快速确定上下文环境变量Q,相比原标准中采用多 步计算的方法，关键路径延迟更少，速度优势更明显；
(3) 本发明方法在计算预测值时，将关键路径最长的Ra + Rb - Rc计算 过程分为两个流水阶^a计算，第一个流水阶^:计算Rb-Rc的值，在当前时钟 周期只需要完成将Ra与Rb-Rc的值相加，相比原标准，采用流水技术，更 有利于系统运行速率的提升；
(4) 本发明方法在计算残差值时，将计算残差的过程可以划分到多个流水 阶段实现；在对残差进行量化时，采用查找表技术替代原来的浮点乘法运算， 相比于标准算法，更有利于系统运行速率的提升；
(5) 本发明方法在更新参数变量时，利用硬件并行计算的优势，将参数变量更新过程采用并行计算技术处理，在需要单周期完成计算的前提下，相比于
标准算法，关键路径延迟更少，更有利于系统运行速度的提升。
图1为本发明遥感图像压缩硬件实现方法的流程框图2为本发明遥感图像压缩硬件实现方法重建值计算过程的实现框图3为本发明遥感图像压缩硬件实现方法中上下文计算过程的实现框图4为本发明上下文计算过程中计算Q值的原理图5为本发明图像像素编码位置示意图6为本发明遥感图像压缩硬件实现方法中预测值计算过程的实现框图； 图7为本发明遥感图像压缩硬件实现方法中残差计算及参数更新的实现框图。
具体实施例方式
如图1所示，为本发明基于改进JPEG-LS的遥感图像压缩硬件实现方法 的流程框图。首先通过输入图像的像素实际值直接计算获得输入图像的像素重 构值，然后根据得到的像素重构值计算上下文环境变量Q,若Q等于0则进行 游程编码，否则进行常规编码。进行常规编码时，首先根据当前像素及其与临 近像素的几何位置关系，利用得到的像素重构值计算当前像素的预测值，而后 计算当前像素的预测值与实际值的残差值，随后对得到的残差值进行量化处理， 对量化处理结果进行Golomb编码，同时利用量化处理结果对与上下文环境变 量Q相对应的参数变量进行更新。重复上面的步骤，对下一像素进行处理，从 而完成整幅图像的近无损压缩。
重建值计算部分的实现框图如图2所示。首先，根据输入的像素实际值lx 和NEAR值(压缩质量控制因子)，计算出查找表地址索引值index,其中，index =lx+NEAR，然后通过index来查找表得到lx的量化值qlx，最后通过乘法器 得到重建值Rx。本发明对标准计算过程进行了改进处理。对输入的像素实际值 lx,其重建值Rx在标准中计算过程如下
9Px=Px + (SIGN) x c[Q]; Errval = SIGN x (|x_px); qErrval = int (( Errval + NEAR) / (2 x NEAR + iqErrval = qErrval x (2 x NEAR + 1 );
Rx = Px + SIGN * iqErrval;
上述过程中，Px为预测值，SIGN为上下文符号标示，int为取整操作， NEAR为压缩质量控制因子，Errval为残差值，qErrval为量化后的残差值， jqErrval为经过量化和反量化后的残差值。从标准过程可以看出，像素重建值 Rx跟像素实际值lx之间就差了 一个量化误差，因此可以通过lx直接计算Rx。 本发明中，改进后的计算重构值公式如下
i x = int
-2jV， + 1.
式中Rx为像素重构值，lx为像素实际值，int为取整运算，Near为压缩比控制 因子。上述公式的原理是基于以下事实对有损压缩，像素重建值Rx等于预 测值Px加上预测值跟实际值的残差(经过量化和反量化)，因此，像素重建值 Rx跟像素实际值之间只有一个量化误差，而这个量化误差的最大值是确定的， 即2 x NEAR + 1,因此可以通过对lx直接进行量化和反量化得到重建值Rx, 因为对lx的量化和反量化操作也只引入了一个量化误差，这个量化误差跟对残 差进行量化和反量化操作引入的误差是一致的，最大值都是2 x NEAR + 1 。
上述过程中，需要做量化处理，即
，对这个过程如果用乘法器
来做，可能由于浮点精度的影响，会造成计算结果跟预期不一致。为了保证计 算的精度和运行的速度，本发明采用查表的形式来实现上述量化过程，表的内
容用RAM来进行存储，根据不同的NEAR值将对应的量化值写入RAM,查找 时直接在一个时钟周期内完成查找操作。由于上述优化操作打破了原标准算法中计算Rx的环路反馈模式，可以采用流水设计思想，对后面的处理过程进行
流7JC设计，从而整体上提高系统的处理速度。
如图3所示，为上下文计算过程的实现^f匡图，上下文计算主要确定当前l象 素的上下文值Q和符号标示SIGN ( + 1 ， - 1 )。上下文计算过程主要包括计算 Q值计算过程和Q值映射过程，Rd、 Rb、 Rc、 Ra为当前像素lx的四个相邻 像素重建值，T1、 T2、 T3为计算上下文值Q时标准中给出的三个阔值。Q值 计算过程如图4所示，在计算Q值时，主要采用了查找表的技术，查找表的值 预先按照标准算法计算出来的值存储起来。根据输入的Rd、 Rb、 Rc、 Ra，分 别计算Rd - Rb、 Rb - Rc和Rc - Ra,然后以这三个梯度值作为查找表的索引， 查得相应的三个梯度值的量化值id1 、 id2和id3,通过计算id1 x 81 + id2 x 9 + id3得到Q值。通过上述计算后，可以得出Q值的范围为0~728,为了进一 步缩减上下文Q的数量，JPEG - LS标准对上述729个上下文值进一步缩小了 范围，变为0-364。 Q值映射过程就是完成上述映射工作，映射后的值包括Q 值和一个符号标示SIGN,映射规则如下若Q值为O,映射后Q值还为O, 对其它的Q值(1~728),按照映射规则分别映射为(-1， 1, -2, 2, -3，3,...355,354),然后对映射后的值，若Q小于O,则SIGN为-1,若Q大 于O,则SIGN为1。本发明中对上述映射过程的实现通过查找表来实现，通过 映射前的Q值可以快速的查找到映射后的Q值，然后通过Q值确定SIGN的 大小，SIGN用来标识映射后Q的符号，若Q小于0，则SIGN为-1，若Q 大于O,则SIGN为1。
图5给出了图像像素编码位置示意图，其中lx标识当前要编码的像素值， Rd、 Rb、 Rc、 Ra分别标识当前像素的四个临近像素重建值。
如图6所示，为本发明预测值计算过程的实现框图。由于预测当前像素值 lx的预测值Px时需要Ra、 Rb和Rc的值，其中Ra为上一个像素的重建值， Rb和Rc为前一行相应的重建值，这几个值的几何位置关系如图5所示。通过 分析边缘来估计重建值Px,若边缘为水平方向，则预测值为Ra,若边缘方向
ii为垂直方向，则预测值为Rb,若边缘为其它方向，则预观'J值为Ra + Rb-Rc。 在用硬件语言描述时，为了缩短关4建路径延迟，^限证后面的流水操作，需要在 一个时钟周期内完成上述预测过程。由于Rb和Rc的值为前一行的像素重建值， 因此可以将关键路径最长的Ra + Rb - Rc计算过程分为两个流水阶段计算，第 一个流水阶段计算Rb - Rc的值，在当前时钟周期只需要完成将Ra与Rb - Rc 的值相加。另外通过逻辑条件选取最终的预测值Px输出为Ra、 Rb、 Ra + Rb -Rc三者中的一个，根据以下逻辑条件
'minCRa，夠 如救c 2 max(i a，, = j max(i^， 如^Rc S min (Ra， Rb)
其它情况
输出最终的预测值Px。。
残差计算及参数更新实现过程如图7所示，包括上下文参数存储模块、计 算残差模块、残差映射模块、上下文参数更新模块。上下文参数存储模块主要 包括存储上下文参数A[Q]、 B[Q]、 C[Q]、 NQ]的存储器及相应的时序控制。考 虑到需要在一个时钟周期内同时对上述存储器进行读写操作，因此选择双端口 RAM作为上下文参数的存储器。由于在同一个时钟周内，残差计算和参数更新 需要不同的C[Q]值参加运算，因此，存储参数C[Q]需要两个双端口 RAM, — 个用来存储参与残差计算的C[Q]值，另 一个用来存储参与更新运算的C[Q]值。 这两个双端口 RAM写操作是同步的，但读操作两者有着不同的时序控制。对 两个RAM, —个端口用来完成写操作，另一个端口完成读操作，写的地址两个 RAM时序一致，而对读的地址，若图7中stage1、 stage2、 stage3共占用3 个时钟周期，则参与更新操作的RAM相比参与残差计算的RAM读地址有3个 时钟周期的延迟。
计算残差模块包括对预测残差的量化、反量化操作。首先根据输入的lx、 Px和修正参数C[Q]，计算预测残差Errval,具体计算过程参见标准算法。对参 与残差计算的修正参数C[Q]值，存储器包括双端口 RAM和寄存器，寄存器存储更新后的C[Q]值。在实施过程中，若连续两个上下文Q值相同，则直接选耳又 寄存器存储的值反馈回来作为参与残差计算的输入数值，否则选取双端口 RAM 的读出值作为参与残差计算的输入数值。对预测残差Errval进行量化，得到 qErrval,反量化，得到iqErrval。在用硬件语言描述时，上述量化过程和反量 化过程可以釆用查表的方式实现。由于对不同的NEAR值，量化和反量化的数 值是不同的，因此选用RAM作为存储器用来存储上述值。针对不同的NEAR 值，上述值可以在程序复位时提前写入RAM中。
残差映射模块主要包括计算映射后的qErrval 、 absErrval和mErrval 。映射 前的qErrval范围为[-qbeta，qbeta]。为了减少要编码的数据值范围，标准将 qErrval的值进行了缩减范围的映射，将原来的范围[-qbeta，qbeta]缩减为 [-ceil_half—qbeta， ceil—half_qbeta]。在硬件实现时为了减小关键路径延迟，本 发明实施做了优化处理，通过分析qErrval的数据特点和映射规则，充分利用 硬件语言并行处理的优势，将原标准的规则优化为
if(qErrval >= ceil—half—qbeta){
qErrval= qErrval — qbeta;
absErrval = 0 -qErrval;
mErrval= 2 x absErrval -1 ; }else if (qErrval >= 0){
absErrval = qErrval;
mErrval= 2 x qErrval; }else if(qErrval < ceil_half_qbeta-qbeta){
qErrval= qErrval+qbeta;
absErrval = qErrval;mErrval= 2 x qErrval;
}else{
absErrval = 0画qErrval; mErrval= 2 x absErrval-1;
上述过程中，qErrval为量化后的残差值，absErrval为量化后残差值的绝 对值，mErrval为要编码的残差值，qbeta为残差量化后的最大值， ceil—half—qbeta为残差量化后最大值的二分之一。硬/f牛实现时，通过加减运算 和移位运算完成qErrval、 absErrval和mErrval的计算，通过比较运算得到输 出条件控制，从而输出正确的数值，不同的条件分支下的计算，可以并行处理。 上述操作的优点是在资源增加不太多的前提下，进一步缩短关键路径延迟，从 而有利于提升系统的运行速度。
参数更新模块完成对上下文参数A[Q]、 B[Q]、 C[Q]、 N[Q]的更新运算。为 了保证算法的适时流水处理，需要在一个时钟周期内完成上述更新运算。为了 减少上述过程的关键路径延迟，提高运行的速度，将标准中的更新过程优化为 根据当前上下文计数Nt及归一化参数reset的大小，计算出新的计数Nt、-Nt、 - 2Nt、当前上下文残差绝对值累积和A[Q]和当前上下文残差累积和Bt的 值，根据Bt跟计数Nt、 - Nt、 - 2Nt之间的关系，快速计算出更新后的计数 Nt、残差绝对值和A[Q]、残差和B[Q]和偏移补偿值C[Q]。优化过程如下
Nt=N[Q], Bt=B[Q]
lf(Nt!=reset){
Nt=N[Q] = 33;
A[Q]=A[Q]+ absErrval;Bt= Bt+ Errval; Neg—Nt=-33; Neg_2Nt=-66; }else{
Nt=N[Q] = Nt-1;
Neg—Nt=1-Nt;
Neg—2Nt=2- (Nt《1);
Bt=(Bt+Errval)>>1;
A[Q〗=(A[Q] +absErrval)>>1;
lf(Bt<= Neg—2Nt){
B[Q] = 1 - Nt; }else if(Bt<= Neg—Nt){B[Q] = Bt +Nt;
if(C[Q]>-128) C[Q]= C[Q]-1;
}else if(Bt>0){ if (C[Q] < 127) C[Q] = C[Q] + 1;B[Q] 二Bt國Nt; }else if(Bt>Nt){ B[Q] = 0;
上述过程中，Nt、 Bt为中间变量，Errval为残差，absErrval为残差的绝对 值，！=表示不等于，Neg一表示负号， <<表示左移运算， >>表示右移运算。
上述优化过程，在分析原标准流程的基础上，充分利用硬件并行计算的优 势，最大限度的减少了关4建路径延迟。在一个时钟周期内完成更新运算的限制 条件下，首先判断是否进行归一化操作，计算出新的计数Nt、 -Nt、 -2Nt、 A[Q]和Bt的值，然后根据Bt跟Nt、 - Nt、 -2Nt之间的关系，快速计算出更 新后的计数Nt、 A[Q]、 B[Q]和C[Q]。通过上述优化过程，参数更新的关键路径 延迟相比原来有了较大幅度的减小，从而系统的整体运行速度有了很大的提升。 该模块中，用来緩存参数A[Q]、 B[Q]、 CQ]、 N[Q]的存储器包括双端口 RAM 和寄存器，寄存器存储更新后的参数。在实施过程中，若连续两个上下文Q值 相同，则直接选取寄存器存储的值反馈回来作为更新前的输入数值，否则选取 双端口 RAM的读出值作为更新前的输入数值。
本发明说明书中未作详细描述的内容属本领域专业技术人员的公知技术。
权利要求
1、基于改进JPEG-LS算法的遥感图像近无损压缩硬件实现方法，其特征在于步骤如下(1)通过输入图像的像素实际值直接计算获得输入图像的像素重构值，计算时采用公式在单个时钟周期内完成计算，式中Rx为像素重构值，Ix为像素实际值，int为取整运算，Near为压缩比控制因子；(2)根据步骤(1)中得到的像素重构值计算上下文环境变量Q，若Q等于0则进行游程编码，否则转步骤(3)进行常规编码；(3)根据当前像素及其与临近像素的几何位置关系，利用步骤(1)中得到的像素重构值计算当前像素的预测值；(4)计算当前像素的预测值与实际值的残差值；(5)对步骤(4)中得到的残差值进行量化处理，对量化处理结果进行Golomb编码，同时利用量化处理结果对与上下文环境变量Q相对应的参数变量进行更新；(6)重复步骤(1)～(5)，对下一像素进行处理，从而完成整幅图像的近无损压缩。
2、 根据权利要求1所述的基于改进JPEG - LS算法的遥感图像近无损压 缩硬件实现方法，其特征在于所述步骤(2)中计算上下文环境变量Q的方 法为按照JPEG-LS标准算法选取当前像素的四个临近像素Rb、 Rc、 Ra、 Rd并计算出对应的上下文环境变量值Q，然后根据所述四个像素值分别计算出 三个梯度值Rd-Rb、 Rb-Rc和Rc-Ra，以这三个梯度值作为查找表的索引 确定上下文环境变量Q。
3、 根据权利要求1或2所述的基于改进JPEG - LS算法的遥感图像近无 损压缩硬件实现方法，其特征在于所述步骤(3)中计算当前像素预测值的方 法为按照JPEG-LS标准算法选取当前像素的四个临近像素Rb、 Rc、 Ra、Rd,将计算预测值的过程分为两个流水阶段， 一个流水阶段为提前一个周期计 算Rb-Rc的值，另一个流水阶段为在当前周期计算Ra + Rb-Rc的值，才艮据 以下逻辑条件'min—夠 如颗c 2 max—,刷 A = j max(i a， i^) 如^Rc S min (Ra， Rb) i "+i 6-Ac 其它瞎况输出最终的预测值Px。
4、 根据权利要求1或2所述的基于改进JPEG - LS算法的遥感图^^近无 损压缩硬件实现方法，其特征在于所述步骤(4)中计算当前像素的预测值与 实际值的残差值的方法为首先获^^与其上下文环境变量Q相对应的偏差补偿 值，用得到的所有偏差补偿值对预测值进行偏差补偿，将偏差补偿后的预测值 与实际值进行计算并对计算结果进行量化和反量化处理，然后对与上下文环境 变量Q相对应的参数变量进行更新。
5、 根据权利要求1或2所述的基于改进JPEG - LS算法的遥感图像近无 损压缩硬件实现方法，其特征在于所述的步骤(5)中利用量化处理结果对与 上下文环境变量Q相对应的参数变量进行更新的方法为按照JPEG - LS标 准算法选取与上下文环境变量Q相对应的参数变量A[Q]、 B[Q]、 C[Q]、 N[Q] 以及归一化参数Reset,根据N[Q]及Reset的大小计算得到归一化处理后的 N[Q]、 -N[Q]、 -2N[Q]、 A[Q]、 B[Q]的值，将归一化处理后B[Q分别与N[Q]、 -N[Q]、 -2N[Q]进行比较，根据比较结果计算出更新后的A[Q]、 B[Q和C[Q], 具体过程如下Nt=N[Q], Bt=B[Q]lf(Nt!=reset){Nt=N[Q] = 33; A[Q] = A[Q]+absErrval; Bt= Bt+Errval; Neg—Nt=-33;Neg—2Nt=-66;<formula>formula see original document page 4</formula>上述过程中，Nt、 Bt为中间变量，Errval为残差，absErrval为残差的绝对 值，！=表示不等于，Neg—表示负号， <<表示左移运算， >>表示右移运算。
全文摘要
基于改进JPEG-LS算法的遥感图像近无损压缩硬件实现方法，步骤为(1)通过输入图像的像素实际值直接计算获得像素重构值，计算时采用公式Rx＝int[Ix/(2Near+1)]×(2Near+1)在单个时钟周期内完成计算，式中Rx、Ix分别为像素重构值和实际值，int为取整运算，Near为压缩比控制因子；(2)根据得到的像素重构值计算上下文环境变量Q，若Q等于0则进行游程编码，否则转步骤(3)进行常规编码；(3)根据当前像素及其与临近像素的几何位置关系，利用像素重构值计算当前像素的预测值；(4)计算当前像素的预测值与实际值的残差值；(5)对得到的残差值进行量化处理后进行Golomb编码，同时利用量化处理结果对与上下文环境变量Q相对应的参数变量进行更新。
文档编号H04N1/41GK101534373SQ200910082680
公开日2009年9月16日 申请日期2009年4月24日 优先权日2009年4月24日
发明者涛 李, 武文波, 琨 王, 王庆元, 陈大羽, 宁 雷 申请人:北京空间机电研究所