专利名称：：高保真遥感图像压缩与分辨率增强的联合处理方法
技术领域：
：本发明涉及一种遥感图像处理方法，具体涉及一种压缩和分辨率保持结合的遥感图像处理方法。
背景技术：
：随着遥感技术的发展，遥感图像在地球资源管理、环境监测、军事侦察等方面获得了日益广泛的应用。然而在应用中需要优先解决就是其数据量过大的问题。海量数据给传输、存储和处理都带来了极大的困难，因而对遥感图像进行有效的数据压缩尤为迫切和重要。遥感图像的压缩同普通数字图像的压缩相比有共同性，都是通过一定方法去除数据冗余，但遥感图像压缩又有其特殊性。因为大多数遥感图像具有分辨率高、信息量大、冗余度低的特点，通常的压缩方法得到的压缩效果并不理想。而且，遥感图像的应用背景比较特殊，那些仅以信噪比等客观质量为评价准则，以一味舍弃大量高频成分而保留低频信息的压缩算法并不适用。因为遥感图像的高频成分里很有可能包含有一些诸如小目标、纹理等人们所感兴趣的信息，这些信息在对遥感图像的压缩中是要尽可能保存的。因此，有必要根据遥感图像自身的特点及其特殊的应用背景有针对性地研究合适的压缩方法。最新的静止图像国际压缩标准-JPEG2000为遥感图像压缩提供了新的解决途径，其率失真性能、细节和小目标保持能力等优良特性很适合于遥感图像压缩。然而，即使是具有较高保真性能的JPEG2000对于遥感图像压缩也存在一定的局限性。JPEG2000对信息重要性的衡量也以客观质量为准则，对同一分辨率内的高频信息一视同仁，认为该分辨率内任何信息的重要性均低于上一级分辨率的信息，在压缩过程中也倾向于一味舍弃大量高频成分，从而导致高分辨率信息大量损失甚至全部丢失，不仅导致恢复图像分辨率的下降，且一些细节信息也易受损甚至丢失，而它们往往又是用户关心的，要求具有较高的保真度。此夕卜，遥感图像除为人眼视觉系统服务外，还有许多特殊应用，如边缘检测、目标识别等。大量高分辨率信息的无差别损失，易导致图像分辨率的下降，这无论对人眼视觉效果还是对后期的应用都是不利的。为了弥补压缩导致的图像分辨率下降，往往进行相应的分辨率增强处理。目前大部分的分辨率增强技术都仅作为后处理的一种。然而在压缩的过程中，分辨率信息一旦被损失便不可能再恢复，那些作为后处理的分辨率增强技术只是利用像素间的相关性，通过其它信息来预测和弥补被损失的信息，从而在人眼主观上或计算机处理上达到近似分辨率增强的效果，但事实上恢复图像的信息量并没有增加。只有在压缩的过程中嵌入分辨率增强技术，有效防止因压缩而导致的图像分辨率下降，才能使恢复图像的分辨率得到真正的增强。尤其对于高频信息丰富、应用背景特殊的遥感图像压缩，更应考虑压缩与分辨率增强的联合处理，在保证恢复图像整体质量的前提下，尽可能优先保留重要的高分辨率信息，从而获得较高的主客观质量，并有利于后期的特殊应用。然而目前关于压缩与分辨率增强联合处理的研究仍处于起步阶段，还有待于进一步的探索。
发明内容本发明为了解决通常的遥感图像压缩方法倾向于无差别舍弃高分辨率信息，导致恢复图像分辨率下降的问题。而提出了一种高保真遥感图像压缩与分辨率增强的联合处理方法。本发明的高保真遥感图像压缩与分辨率增强的联合处理方法的步骤如下步骤一输入待压缩处理的图像f(x，y)；步骤二对图像进行预处理；步骤三对于处理后的数据进行离散小波变换；步骤四对小波变换的结果进行信息检测；步骤五对小波变换结果进行量化处理，同时进行子带加权；步骤六对于步骤五的量化结果进行熵编码；步骤七对于熵编码结果进行码流截断，同时进行通道加权；步骤八获得压缩码流。针对现有遥感图像的实际应用要求，本发提供一种基于JPEG2000标准的高保真遥感图像压缩与分辨率增强的联合处理方法，该方法适用于遥感图像及一般图像。综上，本发明为高保真遥感图像压缩与分辨率增强的联合处理方法，对于遥感技术的发展及遥感图像的应用有着深远的现实意义与应用价值，具有一定的前瞻性，为遥感图像压缩提供了一个新的方向，对于压缩后图像的应用如边缘检测、目标识别等方面也有着重要的价值。联合处理方法要想在压缩的同时对图像进行分辨率增强，需在压缩前检测出相对重要的信息，即需在压缩过程中嵌入信息检测，重要信息主要是目标及其边缘信息。步骤四中所采用信息检测方法是多分辨边缘检测算法。根据小波变换的多分辨率分解和时频局部化分析特性，其对图像边缘检测，分为如下步骤自适应设置各子带双阈值THbl和THb2，双阈值法检测多分辨边缘信息，不同分辨率边缘信息的匹配与去噪，感兴趣目标边缘信息的提取。由JPEG2000标准实现压缩的主要过程可知JPEG2000主要通过量化和PCRD截断来实现码率控制，理论上，信息的损失也主要集中在这两部分。因此对多分辨率边缘信息的保存也需要针对这两部分分别进行。步骤五中对小波变换结果进行量化处理，同时进行子带加权，不采用非均勻量化方法，仍沿用JPEG2000原有的量化方式，只是对各子带量化步长进行整体调整。以最高分辨的子带为基准，设其量化步长为1，其余子带与该子带保持相对比例关系不变，按比例进行调整。经调整后，所有子带的量化步长均小于或等于1，量化将不引起信息的损失。这样做的原因主要基于以下两点(1)与其它压缩方法不同，JPEG2000的码率控制由两部分组成，量化和PCRD截断。量化仅实现一次，只是一种粗糙的码率控制，且由此产生的码率和目标码率必然还存在一定差距。较精细的和最终的码率控制都是由PCRD通过选择编码通道来实现的。由JPEG2000基本原理也可知，由于JPEG2000采用了片段化位平面编码和嵌入式编码，其PCRD截断算法对码流的选择要比量化方法来的更优，也就是说，JPEG2000并不需要仅仅依靠量化来实现码率控制。事实上，为了获得更高的恢复图像质量，JPEG2000本身更倾向于通过PCRD截断来择优选取码流。(2)多分辨率边缘信息保存的目的只是尽可能防止相对重要的信息被损失掉，那么只要量化步长不大于1，则量化时所有信息就都能被保存。代价是非重要信息也被一并保存，即量化不但没有减少数据量，反而还增加了额外的冗余数据，这会在一定程度上增加编码的负担。但是，比起非均勻量化方法所增加的编码负担来说，该方法较优；且增加的冗余码流可通过PCRD算法来截断，不会在目标码流中增加额外的比特流，因此图像质量不会受很大影响；再者，该方法无需改变解码器，任何支持JPEG2000码流的解码器均可正常解压缩码流。这样就保证了检测出的多分辨率边缘信息不会被量化损失掉。步骤七对于熵编码结果进行码流截断，同时进行通道加权；JPEG2000的PCRD算法在满足给定目标码率要求的前提下，从所有码块的所有通道中选出对恢复图像贡献最大的通道，而舍弃对恢复图像贡献相对较小的通道，从而使失真尽可能达到最小。而用来衡量每一个通道对恢复图像贡献大小的便是率失真斜率。也就是说，PCRD算法优先选择并保留率失真斜率较大的通道，而舍弃率失真斜率较小的通道。因此，要防止多分辨率边缘信息被截断而损失，可通过对其所在的通道进行加权，使之率失真斜率值大于其他通道，这样在层二截断时便可自动被PCRD算法选中并保留。从理论上来说，通过对多分辨率边缘信息所在的通道进行大幅度加权可使大部分甚至全部多分辨率边缘信息得以保存，从而使恢复图像的目标边缘达到近无损甚至无损。然而，在目标码率一定的前提下，多分辨率边缘信息的保存将使高频信息在目标码率中所占码流增大，相应的其它频率段的信息将被舍弃而损失。由于这些频率段的信息相对于高频信息对恢复图像的全局贡献较大，而多分辨率边缘信息仅对恢复图像的局部甚至是仅对目标边缘的贡献较显著，这样就可能导致恢复图像全局质量的下降，而当被替换舍弃掉的信息是低频信息，尤其是LL子带的通道时，还将导致包括目标在内的整幅图像的对比度下降，反而得不偿失。因此，对多分辨率信息和其他频率段信息之间需进行折中保存，在保证恢复图像整体质量的前提下，实现压缩与分辨率增强的联合处理。为检验本发明提出的高保真遥感图像压缩与分辨率增强联合处理算法的有效性，以JPEG2000Part1推荐算法和Part5推荐的Jasper算法作为比较对象，选用恢复图像的全局、局部峰值信噪比，主观质量以及边缘检测效果等多方面来评价本发明算法相比原有算法在保证恢复图像质量和增强边缘分辨率方面的综合效果，并给出三种算法的压缩时间来评价本发明算法的计算复杂度。仿真选用的测试图像是大小为1024X1024X8bit的星载光学遥感图像(见图1，由于图像过大，缩小为原始尺寸的33%来显示)，实验参数分别选择9/7小波基，4层小波分解，码块大小为64X64，目标码率(单位bpp)分别为:1.0、0.5、0.30,0.25、0.125，对应压缩比为8、16、27、32、64倍。为了考察本发明提出的联合处理算法对目标的高保真压缩及其分辨率的增强效果，选取了两个边缘信息比较丰富的局部区域，如图2和图3(局部区域的显示尺寸为原始尺寸的75%)来测试。表3-1给出了恢复图像全图及其两个局部区域的PSNR比较，表中“_”号表示本发明算法较Jasper和Part1算法的PSNR有所下降。由表中数据可知，对于边缘信息即重要比较丰富的局部区域，本发明算法较Jasper算法、Part1算法，PSNR都有较大幅度的提高。比如在压缩16倍时，对于第一局部区域的PSNR，本发明算法较Jasper算法提高2.163dB，6较Part1算法提高2.632dB；对于第二局部区域的PSNR，本发明算法较Jasper算法提高3.014dB，较Part1算法提高3.648dB。这是因为，本发明算法在压缩的过程中，对目标的多分辨率边缘信息进行了优先保护，使这些边缘信息较背景及其它信息更早的被选中而进入目标码流，因此，对于恢复图像中边缘信息丰富的区域，本发明算法具有比Jasper算法和Part1算法更高的保真度，且由于边缘的分辨率得到了有效的保存，恢复图像的边缘分辨率较Jasper算法和Part1算法都得到了增强。之所以第二局部区域的PSNR比第一局部区域的PSNR有更显著的提高，是因为第二局部区域的边缘信息要比第一局部区域的更丰富，这使得第二局部区域内被保存的多分辨边缘信息更多，恢复图像质量自然就获得了更显著的提高。当然，由于高分辨的边缘信息被更多的保存了，相应的就有其它信息被替换舍弃而损失了，故恢复图像的全局质量略有下降。但是，感兴趣的边缘信息占图像信息的比列很小，故边缘信息的保存对全图质量影响不大。就全局质量而言，在不同压缩比下，本发明算法与Jasper算法相比下降幅度均仅在0.5dB左右，较Part1算法相比下降幅度均在0.2dB左右。表3-1恢复图像的全局和局部区域的PSNR比较(单位dB)<table>tableseeoriginaldocumentpage7</column></row><table><table>tableseeoriginaldocumentpage8</column></row><table>除客观质量评价外，本发明还给出了主观质量的评价。由于原图太大，缩小后显示不易看出主观效果，且由于篇幅所限，故本发明仅给出第二局部区域在16倍(如图4至图6)和32倍(如图7至图9)压缩时三种不同算法的恢复图像。从主观效果来看，图6和图9，其飞机、房屋等目标信息恢复质量，均比图4、图5、图7和图8中的目标恢复质量明显要好，且边缘轮廓要更清晰，边缘分辨率也更高，在其它压缩比情况下也有相同效果。由此可知，本发明算法对目标的恢复质量较Jasper算法和Part1算法具有更高的保真度，且目标边缘分辨率也较Jasper算法和Part1算法更高，即相对于未进行分辨率增强处理的压缩算法，本发明提出的联合处理算法使恢复图像的分辨率获得了显著增强。遥感图像有许多特殊应用，还需用于计算机处理。为了检验本发明算法在增强分辨率方面的效果，对三种压缩算法获得的恢复图像进行边缘检测，采用的边缘检测算子是通用的Prewitt算子。由于篇幅所限，本发明仅给出第二局部区域的检测效果。用Prewitt算子对第二局部区域的原图进行边缘检测，检测出的边缘点数共有1437点。表3-2给出了用Prewitt算子对三种算法在不同压缩比下恢复图像的边缘检测结果，表中检测出的边缘点是去除了虚假边缘点后，检测到的真正边缘点(即检测出的边缘点一定被包含在原图的1437个边缘点中)，检测率是指恢复图像检测出的边缘点数与原图边缘点数的百分比。由表中数据可看出，在各压缩比下，本发明算法的恢复图像检测出的边缘点数和检测率比Jasper和Part1算法的都要好，且随着压缩倍数的增大，本发明算法的检测率始终保持在90%以上，而Jasper和Part1算法在压缩倍数将近27倍时其检出率已下降到90%以下。换而言之，对于后期的边缘检测应用，本发明算法压缩到64倍时的恢复图像还能获得比Jasper和Part1算法在27倍时更好的应用效果。表3-2Prewitt检测恢复图像的边缘点数和检测率<table>tableseeoriginaldocumentpage9</column></row><table>图10、图11至图13和图14至图16分别是对第二局部区域原图及对其在16倍和64倍压缩后恢复图像的Prewitt边缘检测效果图。在两组对比图中图13和图16中飞机、房屋等边缘信息的检测结果，均比图11、图12、图14和图15中边缘检测结果明显要好，边缘连续性也更好，尤其是在大压缩比下，效果更显著。由此可知，本发明算法对目标边缘信息的保护较Jasper算法和Part1算法都明显更优，且有效的增强了目标边缘的分辨率，使恢复图像能针对后期的应用更有利于计算机处理。本发明算法在保持JPEG2000标准压缩流程基本不变的前提下，嵌入了多分辨信息检测和多分辨率信息保护算法，在一定程度上增加了编码器的复杂度，但本发明采用的多分辨边缘检测及其保存算法都尽可能的利用了JPEG2000原有技术，且在设计联合处理方案时就注意减少计算量，因此，本发明算法没有显著增加编码器的负担。这可以从三种算法的压缩时间看出，如表3-3所示，本发明算法的压缩时间介于Jasper和Part1之间。这是因为，本发明算法设置的各子带量化步长介于Jasper和Part1，从而其EBCOT的待编码数据量也介于二者之间，而增加的额外计算量并不显著，因此相比Jasper算法，其压缩时间还更短。表3-3压缩时间结果的比较(单位ms)<table>tableseeoriginaldocumentpage9</column></row><table>此外，本发明算法的另一大优点是未增加解码器的任何负担。这是因为，联合处理算法对JPEG2000原算法的各主要步骤未做改动，仅在小波变换后嵌入了多分辨率信息检测，以及调整了各子带的量化步长和通道的加权，由于量化步长会以显式的方式写入码流的头文件里，而通道的加权值在解码端无需用到。因此，对于由本发明算法编码生成的压缩码流，任何支持JPEG2000压缩码流的解码器均可正常解压缩，无需改变解码器。图1是发明中待处理的遥感图像；图2和图3是图1遥感图像的两个局部区域，图2是第一局部区域，图3是第二局部区域；图4至图6是16倍压缩时通过三种算法对第二局部区域的恢复图像，图4是Jasper算法得到的恢复图像，图5是Part1算法得到的恢复图像，图6是本发明算法得到的恢复图像；图7至图9是32倍压缩时通过三种算法对第二局部区域的恢复图像，图7是Jasper算法得到的恢复图像，图8是Part1算法得到的恢复图像，图9是本发明算法得到的恢复图像；图10是第二局部区域的Prewitt检测结果；图11至图13是16倍压缩的恢复图像的Prewitt边缘检测效果，其中图11是Jasper算法得到边缘检测效果，图12是Part1算法得到边缘检测效果，图13是本发明算法得到边缘检测效果；图14至图16是64倍压缩的恢复图像的Prewitt边缘检测效果；其中图14是Jasper算法得到边缘检测效果，图15是Part1算法得到边缘检测效果，图16是本发明算法得到边缘检测效果；图17是本发明的流程图；图18和图19是小波变换的不同子带的类型加权值，其中图18是一层分解，图19是二层分解；图20是相邻分辨率子带内小波系数的对应关系。具体实施例方式具体实施方式一、结合图17说明本实施方式，本实施方式的步骤如下步骤一输入待压缩处理的图像f(x，y)；步骤二对图像进行预处理；所述的预处理包括图像分片、DC电平平移和分量变换；图像分片是针对大图像操作的，是把图像分割成互不重叠的矩形块即图像片(tile)，每个图像片作为一个独立图像进行压缩编码。DC电平移位只对由无符号数组成的图像进行。对每个样值减去相同的电平。若象素值为P位，则减去2"，使原来范围为W，2P-1]的象素值移位到[Hzw-l]范围内。例如，8比特电平值0255，则每象素值减去128。分量变换是针对彩色图像操作的，是为了降低分量之间的相关性。多分量图像的各彩色分量，如R、G、B间存在很强的相关性。通过分量变换，把R、G、B三分量转变为亮度色度分量Y、Cr、Cb。步骤三对预处理后的数据进行离散小波变换；离散小波变换是采用Mallat分解方式，对源信号进行一系列高通和低通滤波。每次滤波后将数据采样频率降为原来的一半，以保证变换后系数与源信号数目相同。每次低通滤波输出源信息的低频信息，是以更低分辨率对源信号的再现，集中了源信号大部分能量；而高通滤波输出的是高频信息，所含能量较少。一次低通滤波后信号往往还存在很强的相关性，需对它再次滤波。而高频信号相关性已很弱，再对它滤波是不划算的。离散小波变换采用LeGall5/3滤波器或Daubechies9/7滤波器实现。前者LeGall5/3滤波器为整型，用于有损或无损压缩；后者Daubechies9/7滤波器为浮点型，只能用于有损压缩。表2-1和表2-2给出了这两种滤波器系数。表2-1LeGall5/3分析和综合滤波器系数<table>tableseeoriginaldocumentpage11</column></row><table>表2-2DaubeChieS9/7分析和综合滤波器系数<table>tableseeoriginaldocumentpage11</column></row><table>步骤四对小波变换的结果进行信息检测；其中所采用信息检测方法是多分辨边缘检测算法，分为如下4个步骤，其中，步骤1和步骤2是基于小波分解的带通特性，由于边缘存在于高频分量中，为了提取图像边缘，对小波分解的三幅高频子带LEpHLj和HHj取门限，生成各自的边缘图像E_LH」、E_HL”E_HHj；步骤1:自适应设置各子带双阈值THbl和THb2；根据不同分辨率下各高频子带的自身特性，自适应设置双阈值，首阈值THbl为子带b的绝对中值，次阈值THb2为首阈值THbl的二分之一；mM=imax(|wfc0-,j)|)THb2=^THbl=imax(|Wi(z,7)|)其中，wb(i,j)是子带b的小波系数值，符号“|wb(i，j)|”表示取w(i，j)的绝对值；步骤2双阈值法检测多分辨边缘信息；对各高频子带的小波系数进行如下判断若wb(i，j)>THbl，则判定(i，j)为子带b的边缘点；若wb(i，j)<THbl但wb(i，j)>THb2，则搜索其8领域内的小波系数，看是否有大于首阈值THbl的系数存在；若有，即说明其8领域内存在边缘点，那么该点也为边缘点的概率很大，故判定(i，j)为边缘点；若没有，则说明其8领域内不存在边缘点，那么该点为边缘点的概率很小，故判定(i，j)为非边缘点；若wb(i，j)<THb2，则判定(i，j)为非边缘点；由此，对于每个分辨率，都可获得三幅包含不同方向性的边缘图像EJi^EJlLpE,HHj；步骤3不同分辨率边缘信息的匹配与去噪；由上一步利用小波分解的高频分量生成的不同分辨率的边缘图像E_LH”E_HLpE_HHj对噪声都很敏感，需要对其进行抑制噪声的处理。由于图像的真正边缘点在每层分解的小波表示中都具有较大能量，且具有较强的相关性；而噪声在每个频道的能量分布不同，彼此互不相关。因此，利用小波变换的多分辨率分解特性，采用互能量交叉的噪声抑制方法在保持原边缘信号性质(正或负)不变的情况下，对生成的边缘图像Ej做相邻两层(或多层)的交叉处理，生成新的边缘图像Ee，如下公式Ee=sgn{Ej}X|Ej|X|EJ+1相邻两层的互能量交叉处理方法虽能有效的去除噪声，但由于相邻两层需相乘，其计算量太大。互能量交叉法基于的原理是边缘信息的强相关性和噪声的非相关性，基于相同的原理，还可以通过对不同分辨率下各子带内边缘信息的匹配来达到相同的抑制噪声的效果，同时还可大大减少计算量。根据小波变换原理，对步骤二中检测出的次高分辨率和最高分辨率的边缘点进行位置匹配。找出次高分辨率的边缘点(i，j)在相邻的最高分辨率下对应的4个点(2i，2j)、(2i，2j+l)、(2i+l，2j)和(2i+l，2j+l)，如图20所示，判断这4个点中是否至少存在一个边缘点。若存在，则多分辨率边缘信息匹配上，判定匹配上的所有点都为真正的边缘点；若不存在，则末匹配上，说明该点是噪声，取消其边缘点的资格。当所有次高分辨率的边缘点都匹配结束后，对最高分辨率未进行配对的边缘点都判定为噪声而舍弃。步骤4感兴趣目标边缘信息的提取；通过以上步骤检测出的边缘信息中除包含感兴趣的目标边缘外，还包括用户不感兴趣的背景边缘，如海天交界处的边缘、地面的纹理边缘等。若对检测出的所有边缘信息都进行保存，那么，在目标码率一定的前提下，势必有相应的其它信息不得不被舍弃，这样就可能导致恢复图像质量下降较大，尤其是当被替换舍弃掉的信息是低频信息时。此外，对用户不感兴趣、后期应用也不关心的背景边缘进行保留是没有意义的，因此，有必要对检测出的边缘进行选取，提取出用户感兴趣的或者后期应用比较关心的目标边缘。遥感图像中一些重要信息主要隐含在点、线以及点的集合上，如坦克、飞机、桥梁和房屋等，通常仅占十几个像素到几百个像素。且与背景边缘不同，目标的边缘信息比较集中，具有一定的几何形状特征，且对于较大的目标其边缘还大多程封闭或近似封闭状。因此，可根据边缘信息的密集度、几何形状特征或边缘的封闭度来判定感兴趣目标。为了尽可能减少增加的计算量，根据边缘信息的密集度来提取感兴趣目标的边缘。根据边缘信息的密集度来提取感兴趣目标的边缘；针对不同分辨率设定不同尺度的窗口Wp相邻分辨率的窗口长宽各差1/2，即Wj+1=Wj/4,选取最高分辨率的窗口大小与码块大小一样，这样窗口尺寸便与其所在的分辨率相匹配；利用每一种尺度各自的窗口搜索对应不同分辨率的边缘信息密集区；先对最高分辨率的三个高频子带进行细致搜索，由于高频子带LHpHLj和HHj分别包含水平方向、垂直方向和对角方向的边缘信息，因此，窗口的扫描顺序是子带水平扫描，HLj子带垂直扫描，HHj子带水平或垂直扫描均可；再由最高分辨率窗口搜索结果指导对次高分辨率的三个高频子带的搜索；统计窗口内的边缘点数NEbi,找出每个子带边缘最密集区，并记录其边缘点数MaxNEb,当NEbi>MaxNEb/2时，便是感兴趣目标的边缘，对其进行标记，同时对其所在的码块也进行标记；其余的边缘点则认为是背景边缘。由此，大部分的背景边缘可被有效滤除。虽然仍有一部分背景边缘存在，但对于本发明的应用，允许一定的虚警概率。步骤五对小波变换结果进行量化处理，同时进行子带加权；量化和加权的方法如下量化是一个将变换系数精确度减小的过程。如果量化步幅不是1，量化就是有损的。采用均勻量化，在子带b中所有的小波变换系数ab(u，ν)都根据下式被量化为qb(u，ν)qb(“，ν)二sign(ab(u,ν))其中+是子带b名义上动态范围，^和1^分别表示对应子带b的指数和假数；Rb、eb、μb对应不同子带可以有不同的值；为了在量化时保存多分辨率边缘信息，在JPEG2000JaSper算法的量化步长设置方法的基础上，对各子带量化步长进行整体调整以最高分辨的HH1子带为基准，设其量化步长为1，其余子带与该子带保持相对比例关系不变进行调整。经调整后，所有子带的量化步长均小于或等于1，这样就保证了检测出的多分辨率边缘信息不会被量化损失掉。同一子带只有一个量化步长，但每个子带可以有不同的量化步长，如表1-1表1-1调整后的个子带量化步长<table>tableseeoriginaldocumentpage14</column></row><table>步骤六对于步骤五的量化结果进行熵编码，采用EBC0T编码方法中层一编码方法。步骤七对于熵编码结果进行码流截断，同时进行通道加权；对量化后各子带的小波系数，从最最高有效位MSB到最低有效位LSB，对每个位平面进行三次通道扫描并编码，得到嵌入式码流；根据步骤四标记的感兴趣目标边缘所在码块，找出所有对应的多分辨率边缘信息所在的通道，对其进行加权；综合考虑不同分辨率成分对系统误差的影响和人眼视觉特性，以及通道自身特性等因素，设置通道的加权公式如下设置通道的加权公式如下<formula>formulaseeoriginaldocumentpage14</formula>其中，ADf是该通道加权后的失真度，M,是码块Bi的第ni个截断点所对应的通道自身信息量，p是通道所在的比特面，是子带b的能量加权，tb为不同子带的类型加权值，与图像分解层数无关，仅与子带类型相关；如图18和图19所示；EPb为边缘通道的加权值，ep表示所有多分辨率边缘通道的集合，pbi为子带b的第i个通道，tll和、LL分别表示ll子带的类型加权值和能量加权值；由此便可获得该通道加权后的失真度ad,"'，再根据下述公式求得每个通道的率失真斜率值^；<formula>formulaseeoriginaldocumentpage14</formula>上面的加权，多分辨率边缘通道可获得近似与LL子带相同的重要性，即多分辨率边缘通道与ll子带中在相同位平面上的通道几乎是同等重要的，而比同一子带内的其它非边缘通道则要重要的多。这样，根据率失真优化准则，在截断时，多分辨率边缘通道将与LL子带内的通道一起被优先保留，从而实现了高保真遥感图像压缩与分辨率增强的联合处理。步骤八获得压缩码流。权利要求高保真遥感图像压缩与分辨率增强的联合处理方法，其特征在于它的步骤如下步骤一输入待压缩处理的图像f(x，y)；步骤二对图像进行预处理；步骤三对于处理后的数据进行离散小波变换；步骤四对小波变换的结果进行信息检测；步骤五对小波变换结果进行量化处理，同时进行子带加权；步骤六对于步骤五的量化结果进行熵编码；步骤七对于熵编码结果进行码流截断，同时进行通道加权；步骤八获得压缩码流。2.根据权利要求1所述的高保真遥感图像压缩与分辨率增强的联合处理方法，其特征在于步骤二中的图像预处理包括图像分片、DC电平平移和分量变换。3.根据权利要求1所述的高保真遥感图像压缩与分辨率增强的联合处理方法，其特征在于步骤三中的离散小波变换采用LeGall5/3滤波器或Daubechies9/7滤波器实现。4.根据权利要求1所述的高保真遥感图像压缩与分辨率增强的联合处理方法，其特征在于步骤四中所述采用信息检测方法为多分辨边缘检测算法，多分辨边缘检测算法分为如下步骤步骤1:自适应设置各子带双阈值THbl和THb2；根据不同分辨率下各高频子带的自身特性，自适应设置双阈值，首阈值THbl为子带b的绝对中值，次阈值THb2为首阈值THbl的二分之一；<formula>formulaseeoriginaldocumentpage2</formula>其中，wb(i，j)是子带b的小波系数值，符号“|wb(i，j)|”表示取w(i，j)的绝对值；步骤2双阈值法检测多分辨边缘信息；对各高频子带的小波系数进行如下判断若wb(i，j)>THbl，则判定(i，j)为子带b的边缘点；若wb(i，j)<THbJfiwb(i，j)>THb2，则搜索其8领域内的小波系数，看是否有大于首阈值THbl的系数存在；若有，故判定(i，j)为边缘点；若没有，判定(i，j)为非边缘点；若wb(i，j)<THb2，则判定(i，j)为非边缘点；由此，对于每个分辨率，都可获得三幅包含不同方向性的边缘图像E_LHj、E_HLj,E_HHj；步骤3不同分辨率边缘信息的匹配与去噪；步骤4感兴趣目标边缘信息的提取；根据边缘信息的密集度来提取感兴趣目标的边缘；针对不同分辨率设定不同尺度的窗口％，相邻分辨率的窗口长宽各差1/2，即Wm=W/4，选取最高分辨率的窗口大小与码块大小一样；利用每一种尺度窗口搜索对应分辨率的边缘信息密集区；先对最高分辨率的三个高频子带进行搜索，由于高频子带L%、HLj和分别包含水平方向、垂直方向和对角方向的边缘信息，因此，窗口的扫描顺序是子带水平扫描，hh子带垂直扫描，子带水平或垂直扫描均可；再由最高分辨率窗口搜索结果指导对次高分辨率的三个高频子带的搜索；统计窗口内的边缘点数NEbi，找出每个子带边缘最密集区，并记录其边缘点数MaxNEb，当NEbi>MaxNEb/2时，便是感兴趣目标的边缘，对其进行标记，同时对其所在的码块也进行标记；其余的边缘点则认为是背景边缘。5.根据权利要求1所述的高保真遥感图像压缩与分辨率增强的联合处理方法，其特征在于步骤五中每个子带的量化步长如表1-1<table>tableseeoriginaldocumentpage3</column></row><table>6.根据权利要求1所述的高保真遥感图像压缩与分辨率增强的联合处理方法，其特征在于步骤六中进行的熵编码采用的是ebc0t层一编码方法。7.根据权利要求4所述的高保真遥感图像压缩与分辨率增强的联合处理方法，其特征在于步骤七对于熵编码结果进行码流截断，同时进行通道加权的过程为对量化后各子带的小波系数，从最最高有效位到最低有效位，对每个位平面进行三次通道扫描并编码，得到嵌入式码流；根据步骤四中步骤4标记的感兴趣目标边缘所在码块，找出所有对应的多分辨率边缘信息所在的通道，对其进行加权；设置通道的加权公式如下<formula>formulaseeoriginaldocumentpage3</formula>其中，是该通道加权后的失真度，m,"'是码块Bi的第ni个截断点所对应的通道自身信息量，p是通道所在的比特面，是子带b的能量加权，tb为不同子带的类型加权值；epb为边缘通道的加权值，ep表示所有多分辨率边缘通道的集合，pbi为子带b的第i个通道，tll和、LL分别表示ll子带的类型加权值和能量加权值；由此获得该通道加权后的失真度AD；，再根据下述公式求得每个通道的率失真斜率值<formula>formulaseeoriginaldocumentpage3</formula>全文摘要高保真遥感图像压缩与分辨率增强的联合处理方法。它涉及遥感图像处理方法，它解决了通常的遥感图像压缩方法倾向于无差别舍弃高分辨率信息，导致恢复图像分辨率下降的问题。步骤为一、输入待压缩处理的图像f(x，y)；二、对图像进行预处理；三、对于处理后的数据进行离散小波变换；四、对小波变换的结果进行信息检测；五、对小波变换结果进行量化处理，同时进行子带加权；六、对于步骤五的量化结果进行熵编码；七、对于熵编码结果进行码流截断，同时进行通道加权；八、获得压缩码流。针对现有遥感图像的实际应用要求，对于压缩后图像的应用如边缘检测、目标识别等方面也有着重要的价值。文档编号H04N7/26GK101835045SQ20101016281公开日2010年9月15日申请日期2010年5月5日优先权日2010年5月5日发明者张晔,张钧萍,谷延峰,陈浩申请人:哈尔滨工业大学