一种高光谱图像的压缩方法及系统与流程

本发明涉及图像处理技术领域，尤其涉及一种高光谱图像的压缩方法及系统。

背景技术：

成像光谱图像按照光谱通道数和光谱分辨率的不同，可分为多光谱、高光谱和超光谱三类。其中，高光谱成像具有高空间分辨率和高光谱分辨率以及较多的光谱通道数。高光谱图像的光谱通道数为100～200，光谱分辨率为10nm～l00nm，是一种三维立体图像，即在普通二维图像的基础上又多了一维光谱信息，因此，高光谱图像的数据量较大。

随着成像技术的快速发展，高光谱图像的空间和光谱分辨率不断提高，高光谱图像的数据量也不断增大，高光谱图像庞大的数据量给数据传输和存储带来了巨大的压力，对高光谱图像进行有效的压缩成为高光谱图像传输、存储的关键问题。

技术实现要素：

有鉴于此，本发明提供了一种高光谱图像的压缩方法及系统，用于实现对高光谱图像的压缩，从而提高传输效率和存储效率、节省存储空间，其技术方案如下：

一种高光谱图像的压缩方法，包括：

中央处理器获取高光谱图像中预设波段数的图像作为目标图像，将所述目标图像处理成多个三维矩阵；

图形处理器对所述多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数；

所述中央处理器对所述klt变换结果进行帧内预测和量化编码，获得第一码流，并对所述klt变换系数进行编码，获得第二码流；

所述中央处理器整合所述第一码流和所述第二码流，输出整合后的码流；

所述中央处理器判断所述高光谱图像中是否还存在未压缩的图像数据，如果是，则从所述未压缩的图像数据中获取所述预设波段数的图像作为目标图像，执行所述将所述待压缩图像处理成多个三维矩阵。

其中，所述中央处理器将所述待压缩的高光谱图像处理成多个三维矩阵，包括：

所述中央处理器按预设的图像分割规则，将所述目标图像分割成多个子图像；

将每个子图像处理成三维矩阵，获得多个三维矩阵。

其中，所述中央处理器整合所述第一码流和所述第二码流，包括：

确定所述第一码流的第一长度信息以及所述第二码流的第二长度信息；

将所述第一长度信息设置于所述第一码流的预设位置，并将所述第二长度信息设置于所述第二码流的所述预设位置；

将设置所述第一长度信息的第一码流与设置所述第二长度信息的第二码流进行拼接。

其中，所述中央处理器对所述klt变换结果进行帧内预测和量化编码，包括：

所述中央处理器基于hevc算法对所述klt变换结果进行帧内预测和量化编码。

所述高光谱图像的压缩方法还包括：

所述中央处理器将所述多个三维矩阵存储至显存；

则所述图形处理器对所述多个三维矩阵进行并行klt变换，包括：

所述图形处理器从所述内存获取所述多个三维矩阵，对所述多个三维矩阵进行并行klt变换；

所述高光谱图像的压缩方法还包括：

所述图形处理器将所述klt变换结果存储至内存；

则所述中央处理器对所述klt变换结果进行帧内预测和量化编码，包括：

所述中央处理器从所述内存获取所述klt变换结果，对所述klt变换结果进行帧内预测和量化编码。

一种高光谱图像的压缩系统，包括：中央处理器和图形处理器；

所述中央处理器，用于获取高光谱图像中预设波段数的图像作为目标图像，并将所述目标图像处理成多个三维矩阵；

所述图形处理器，用于对所述多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数；

所述中央处理器，还用于对所述klt变换结果进行帧内预测和量化编码，获得第一码流，并对所述klt变换系数进行编码，获得第二码流；

所述中央处理器，还用于整合所述第一码流和所述第二码流，输出整合后的码流；

所述中央处理器，还用于判断所述高光谱图像中是否还存在未压缩的图像数据，如果是，则从所述未压缩的图像数据中获取所述预设波段数的图像作为目标图像，执行所述将所述待压缩图像处理成多个三维矩阵。

其中，所述中央处理器将所述待压缩的高光谱图像处理成多个三维矩阵时，具体用于：

按预设的图像分割规则，将所述目标图像分割成多个子图像；

将每个子图像处理成三维矩阵，获得多个三维矩阵。

其中，所述中央处理器整合所述第一码流和所述第二码流时，具体用于：

确定所述第一码流的第一长度信息以及所述第二码流的第二长度信息；

将所述第一长度信息设置于所述第一码流的预设位置，并将所述第二长度信息设置于所述第二码流的所述预设位置；

将设置所述第一长度信息的第一码流与设置所述第二长度信息的第二码流进行拼接。

其中，所述中央处理器对所述klt变换结果进行帧内预测和量化编码时，具体用于：

基于hevc算法对所述klt变换结果进行帧内预测和量化编码。

其中，所述中央处理器，还用于将所述多个三维矩阵存储至显存；

则所述图形处理器对所述多个三维矩阵进行并行klt变换时，具体用于：

从所述内存获取所述多个三维矩阵，对所述多个三维矩阵进行并行klt变换；

所述图形处理器，还用于将所述klt变换结果存储至内存；

则所述中央处理器对所述klt变换结果进行帧内预测和量化编码时，具体用于：

从所述内存获取所述klt变换结果，对所述klt变换结果进行帧内预测和量化编码。

上述技术方案具有如下有益效果：

本发明提供的高光谱图像的压缩方法及系统中，中央处理器每次获取高光谱图像中预设波段数的图像作为目标图像，将目标图像处理成多个三维矩阵，图形处理器对多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数，中央处理器对klt变换结果进行帧内预测和量化编码，获得第一码流，并对klt变换系数进行编码，获得第二码流，中央处理器整合第一码流和第二码流并输出。由此可见，本发明提供的高光谱图像的压缩方法及系统，能够实现高光谱图像的压缩，这不但能够节省高光谱图像传输时占用的信道容量，还能节省存储时占用的存储容量。另外，由于对高光谱图像按波段分割处理，且对目标图像处理得到的多个三维矩阵并行处理，使得本发明提供的高光谱图像的压缩方法及系统的压缩效率较高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的高光谱图像的压缩方法的一流程示意图；

图2为本发明实施例提供的高光谱图像的压缩方法的另一流程示意图；

图3为本发明实施例提供的高光谱图像的压缩系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种高光谱图像的压缩方法，请参阅图1，示出了该压缩方法的流程示意图，可以包括：

步骤s101：中央处理器获取高光谱图像中预设波段数的图像作为目标图像。

由于高光谱图像的波段数通常较多，如果直接针对高光谱图像进行处理计算量会比较大，有鉴于此，本实施例采用分割波段的方法，即中央处理器每次获取预设波段数的图像进行处理，例如，每次可获取8个波段的图像进行处理。

步骤s102：中央处理器将目标图像处理成多个三维矩阵。

步骤s103：图形处理器对多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数。

步骤s104：中央处理器对klt变换结果进行帧内预测和量化编码，获得第一码流，并对klt变换系数进行编码，获得第二码流。

步骤s105：中央处理器整合第一码流和第二码流，输出整合后的码流。

步骤s106：中央处理器判断高光谱图像中是否还存在未压缩的图像数据。

步骤s107：当高光谱图像中存在未压缩的图像数据时，从未压缩的图像数据中获取预设波段数的图像作为目标图像，然后转入执行步骤s102。

如果不存在未压缩的图像数据，则表明对高光谱图像压缩完成。

本发明实施例提供的高光谱图像的压缩方法中，中央处理器每次获取高光谱图像中预设波段数的图像作为目标图像，将目标图像处理成多个三维矩阵，图形处理器对多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数，中央处理器对klt变换结果进行帧内预测和量化编码，获得第一码流，并对klt变换系数进行编码，获得第二码流，中央处理器整合第一码流和第二码流并输出。由此可见，本发明实施例提供的高光谱图像的压缩方法能够实现高光谱图像的压缩，这不但能够节省高光谱图像传输时占用的信道容量，还能节省存储时占用的存储容量。另外，由于对高光谱图像按波段分割处理，且对目标图像处理得到的多个三维矩阵并行处理，使得本发明提供的高光谱图像的压缩方法的压缩效率较高。

请参阅图2，示出了本发明实施例提供的高光谱图像的压缩方法的另一流程示意图，该方法可以包括：

步骤s201：中央处理器获取高光谱图像中预设波段数的图像作为目标图像。

在本实施例中，中央处理器可从数据接口如usb接口接收高光谱图像数据，然后将接收的高光谱图像数据存储至缓存，在对高光谱图像进行压缩时，从缓存中获取预设波段的图像作为目标图像进行后续处理。

步骤s202：中央处理器按预设的图像分割规则，将目标图像分割成多个子图像。

示例性的，预设波段数为8，目标图像为512*512*8的图像，那么可将目标图像分割成16个128*128*8的子图像。

步骤s203：中央处理器将每个子图像处理成三维矩阵，获得多个三维矩阵。

步骤s204：中央处理器将多个三维矩阵存储至显存。

由于后续图形处理器需要对多个三维矩阵进行处理，而图形处理器只能直接访问显存中的数据，因此，需要将三维矩阵存储至显存以便图形处理器访问。

步骤s205：图形处理器从显存中获取多个三维矩阵。

步骤s206：图形处理器对获取的多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数。

在本实施例中，对多个三维矩阵进行的klt变换并行进行，即，同时对多个三维矩阵进行klt变换，这种处理方式能够提高图像的压缩效率。

高光谱图像的主要特点有：图像的空间相关性较低，谱间相关性较强，由于高光谱图像的空间结构特征很难有整体上的一致性，故像素值连续性较差，空间相关性较低，谱间相关性是指每个谱段的光谱图像同一空间位置上各个像素具有相似性，产生这种相似性的主要原因是它们是相同区域的目标在不同波段上的反射值，且具有相同的空间拓扑结构，较强的谱间相关性是高光谱图像压缩的主要依据。

在本实施例中，进行klt变换的目的是去除谱间相关性性。klt变换是从消除图像间相关性均方差最小的意义上讲的最佳变换，因此，在理论上是去除谱间相关性的最优方法，其主要原理是通过变换重新组织数据，以使图像能量相对集中于较少的几个系数，而其它的系数值只具有很小的能量，这样通过抑制能量小的系数，即可实现数据的压缩。在进行图像恢复时，只需要较少个数的系数就可以恢复出主观保真度不错的图像质量，与其它二维正交变换相比，当采用相同的编码方式时，klt变换压缩效果最佳，编码效率最高，误差最小。

步骤s207：图形处理器将klt变换结果存储至内存。

由于后续由中央处理器对klt变换结果进行编码处理，而中央处理器只能直接访问内存中的数据，因此，图形处理器需要将klt变换结果klt变换结果以便中央处理器访问。

步骤s208：中央处理器从内存中获取klt变换结果。

步骤s209：中央处理器对获取的klt变换结果进行帧内预测和量化编码，获得第一码流。

优选地，本实施例可采用hevc算法对klt变换结果进行帧内预测和量化编码。

目标图像经klt变换，去除了谱间相关性，去除谱间相关性的图像数据可看作一组互不相关的静态图像，因此，可使用静态图像压缩算法去除空间相关性。在本实施例，可使用jpeg、jpeg2000，还可使用支持静态图像压缩的视频编码算法h.264和hevc。鉴于hevc的静态图像压缩性能最优，且由于hevc本身是针对视频的压缩算法，目前已有成熟的实时压缩产品，在实时性方面也能够满足需求，因此，本实施例优选hevc作为去空间相关性和编码的算法。

步骤s210：中央处理器对klt变换系数进行编码，获得第二码流。

步骤s211：中央处理器整合第一码流和第二码流，输出整合后的码流。

在本实施例中，中央处理器整合第一码流和第二码流的实现方式有多种。在一种可能的实现方式中，可首先确定第一码流的第一长度信息以及第二码流的第二长度信息，然后将第一长度信息设置于第一码流的预设位置，并将第二长度信息设置于第二码流的预设位置，最后将设置第一长度信息的第一码流与设置第二长度信息的第二码流进行拼接，从而获得整合后的码流，优选地，预设位置可以为码流的头部或尾部。需要说明的是，第一码流和第二码流均为字节序列，长度信息即为字节序列的字节长度。

步骤s212：中央处理器判断高光谱图像中是否还存在未压缩的图像数据。

在一种可能的实现方式中，中央处理器可判断缓存中是否还存在未处理的图像数据，如果缓存中存在未处理的图像数据，则判定还存在未压缩的图像数据，否则，判定不存在未压缩的图像数据。当不存在未压缩的图像数据时，表明高光谱图像压缩完成。

步骤s213：当高光谱图像中存在未压缩的图像数据时，从未压缩的图像数据中获取预设波段数的图像作为目标图像，然后转入执行步骤s202。

需要说明的，本发明实施例采用的是klt变换，由于klt变换的计算复杂度和数据维度的个数成平方关系，数据维度在这里等价于波段数，为了避免波段数过多，算法计算量过大，本实施例采用了将高光谱图像按波段分割处理的方法，即每次中央处理器获取预设波段数的图像进行处理。

另外，需要说明的是，中央处理器每次从缓存获取预设波段数的图像数据，可以理解的是，可能存在最后缓存中剩余的图像数据小于预设波段数的情况，此时，直接针对剩余波段数的图像进行处理即可。

本发明实施例提供的高光谱图像的压缩方法，能够实现高光谱图像的压缩，这不但能够节省高光谱图像传输时占用的信道容量，还能节省存储时占用的存储容量。另外，由于对高光谱图像按波段分割处理，且对目标图像处理得到的多个三维矩阵并行处理，使得本发明提供的高光谱图像的压缩方法的压缩效率较高。

本发明实施例还提供了一种高光谱图像的压缩系统，请参阅图3，示出了该高光谱图像的压缩系统30的结构示意图，可以包括：中央处理器301和图形处理器302。

中央处理器301，用于获取高光谱图像中预设波段数的图像作为目标图像，并将目标图像处理成多个三维矩阵。

图形处理器302，用于对多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数。

中央处理器301，还用于对klt变换结果进行帧内预测和量化编码，获得第一码流。

中央处理器301，还用于对klt变换系数进行编码，获得第二码流。

中央处理器301，还用于整合第一码流和第二码流，输出整合后的码流。

中央处理器301，还用于判断高光谱图像中是否还存在未压缩的图像数据，如果是，则从未压缩的图像数据中获取预设波段数的图像作为目标图像，执行将待压缩图像处理成多个三维矩阵。

本发明实施例提供的高光谱图像的压缩系统中，中央处理器每次获取高光谱图像中预设波段数的图像作为目标图像，将目标图像处理成多个三维矩阵，图形处理器对多个三维矩阵进行并行klt变换，获得klt变换结果和klt变换系数，中央处理器对klt变换结果进行帧内预测和量化编码，获得第一码流，并对klt变换系数进行编码，获得第二码流，中央处理器整合第一码流和第二码流并输出。由此可见，本发明实施例提供的高光谱图像的压缩系统能够实现高光谱图像的压缩，这不但能够节省高光谱图像传输时占用的信道容量，还能节省存储时占用的存储容量。另外，由于对高光谱图像按波段分割处理，且对目标图像处理得到的多个三维矩阵并行处理，使得本发明提供的高光谱图像的压缩方法的压缩效率较高。

在上述实施例提供的高光谱图像的压缩系统中，中央处理器301将待压缩的高光谱图像处理成多个三维矩阵时，具体用于：

按预设的图像分割规则，将高光谱图像分割成多个子图像；将每个子图像处理成三维矩阵，获得多个三维矩阵。

在上述实施例提供的高光谱图像的压缩系统中，中央处理器301整合第一码流和所述第二码流时，具体用于：

确定所述第一码流的第一长度信息以及所述第二码流的第二长度信息；将所述第一长度信息设置于所述第一码流的预设位置，并将所述第二长度信息设置于所述第二码流的所述预设位置；将设置所述第一长度信息的第一码流与设置所述第二长度信息的第二码流进行拼接。

在上述实施例提供的高光谱图像的压缩系统中，中央处理器301对klt变换结果进行帧内预测和量化编码时，具体用于：

基于hevc算法对所述klt变换结果进行帧内预测和量化编码。

在上述实施例提供的高光谱图像的压缩系统中，中央处理器301，还用于将多个三维矩阵存储至显存。

则图形处理器302对多个三维矩阵进行并行klt变换时，具体用于：从内存获取多个三维矩阵，对多个三维矩阵进行并行klt变换。

图形处理器302，还用于将klt变换结果存储至内存。

则中央处理器301对klt变换结果进行帧内预测和量化编码时，具体用于：

从内存获取klt变换结果，对klt变换结果进行帧内预测和量化编码。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和设备，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。