基于分类离散余弦变换的高光谱图像有损压缩方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，更进一步涉及一种高光谱图像有损编码方法，可 用于各种高光谱数据处理及传输。
【背景技术】
[0002] 高光谱图像是由成像光谱仪对同一地物在数百个谱段上成像所获取的同时包含 空间信息和光谱信息的三维数据立方体，被广泛应用于资源勘探、目标识别、环境保护等方 面。由于高光谱图像数据量非常庞大，需要采用有效的压缩技术以便图像的存储和传输。尤 其在星载高光谱图像压缩系统上，由于受卫星信道带宽的限制，很难做到实时传输如此大 的数据量，因而常对高光谱图像进行有损压缩。
[0003] 在现有的有损压缩方法中，以基于变换的压缩方法，如A3DSPIHT算法（非对称 三维多级树集合分裂算法，Tang,Xiaoli，SungdaeCho,andWilliamA.Pearlman."3D setpartitioningcodingmethodsinhyperspectralimagecompression.''Image Processing,2003.ICIP2003.Proceedings.2003InternationalConference on.Vol. 2.IEEE, 2003.)、3DSPECK(三维集合分裂嵌入块，Tang,Xiaoli,andWilliam A.Pearlman. "Three-dimensionalwavelet-basedcompressionofhyperspectral images."HyperspectralDataCompression.SpringerUS, 2〇〇6. 273_3〇8.)等最为经典。 A3DSPIHT算法首先对图像进行非对称3维小波变换DWT，即空间二维小波变换结合谱间一 维小波变换，然后对得到的变换系数使用3DSPIHT算法进行编码，可以得到较好的压缩效 果。3DSPECK算法与A3DSPIHT类似，也是先对图像进行非对称3维小波变换，所不同之处 是对变换系数采用3DSPECK算法进行编码，压缩效率较A3DSPIHT略有提高。但是由于这些 方法都采用了谱间一维小波变换，谱间去相关能力有限，因此有学者提出以KLT变换代替 小波变换，以更好地去除谱间相关性，大大提高压缩性能，如KLT+3DSPECK，该方法在空间域 采用二维小波变换，而谱间采用一维KLT变换，最终采用3DSPECK算法进行压缩。但是采用 KLT进行谱间变换时，需要已知图像的统计特性，其算法复杂度很高，并且通常采用统一的 谱间变换矩阵，不能获得最佳的去相关性能，而若采用对图像进行分块或分类谱间变换的 方法来改善谱间去相关性能，则会进一步增加算法的复杂度。
[0004] 理论上DCT变换是最接近于KLT变换的变换方法，并且复杂度大大低于KLT变 换，因此为了兼顾算法复杂度和编码性能，有学者研究如何利用DCT变换来取得更接近 与KLT变换的性能，提出了基于分类残差DCT的压缩算法，见Zhang,Jing,andGuizhong Liu."ANovelClassifiedResidualDctForHyperspectralImagesScalable Compression.〃theproceedingsofPCS2007,Portugal。在高光谱图像中，光谱矢量是 指一组高光谱图像中处于同一空间位置、不同谱段的像素的值所组成的一维矢量。基于 分类残差DCT的压缩算法在空间变换时采用二维小波变换，而在进行谱间变换时，首先依 据光谱矢量均值的大小对所有光谱矢量进行分类，再将每一类中的光谱矢量减去该类的 均值矢量，然后再对得到的残差矢量进行一维DCT变换，最后对变换系数进行3DSPIHT编 码。该分类残差DCT变换方法在谱间变换时有效结合了光谱矢量的特性，其变换性能优 于DCT和DWT，更接近KLT，因此基于该分类残差DCT的压缩算法的性能优于A3DSPIHT，与 KLT+3DSPECK接近，但复杂度更低。但是该方法在对光谱矢量分类时，仅利用了简单的光谱 矢量均值作为分类依据，而事实上均值并不能完全刻画光谱矢量的特性，致使分类不准确， 分类精度不高，进而影响变换性能和最终的压缩效果。
【发明内容】
[0005] 本发明的目的在于针对基于分类残差DCT的压缩算法在谱间变换时光谱矢量分 类不准确的问题，提出一种基于分类离散余弦变换的高光谱图像有损压缩方法，以提高对 光谱矢量的分类精度，取得在较低编码复杂度条件下的更好编码效果。
[0006] 为实现上述目的，本发明的技术方案包括如下步骤：
[0007] (1)输入一幅总谱段数为Y的高光谱图像{W1，W2,…，Wk，…，WY}，按照谱段顺序将 其等分为N组，得到分组后的高光谱图像，每一组用{W1，W2,…，Wk，…，Wp}表示，记为#，其 中，妒={11，1，1;，11， 2，1;，~，1^，1;，~，111，"，1;}表示第1^谱段图像，1^ 1;表示高光谱图像中第1^ 谱段、第i行、第j列的真实像素灰度值，i= 1，2,…，H，j= 1，2,…，W，k= 1，2,…，P，W为 图像宽度，H为图像高度，P表示输入的一组高光谱图像的谱段数，P=Y/N;
[0008] (2)对分组后的任一组高光谱图像{W1，W2,…，Wk，…，Wp}中的每一个谱段进行空间 小波变换，得到空间小波变换系数# =丨炉1，#2，…}，其中表示第k个谱段图 像小波变换后的变换系数；
[0009] (3)对空间小波变换系数#进行分类：
[0010] (3a)输入一组高光谱图像变换所得到的组空间小波变换系数，根据光谱矢量
【主权项】
1. 一种基于分类离散余弦变换的高光谱图像有损压缩方法，包括如下步骤： (1) 输入一幅总谱段数为Y的高光谱图像{w1，2，···，'···，}，将其等分为N组， 得到分组后的高光谱图像，每一组用{W^W2，···，15，···，15}表示，记为妒.其中，W k= !Au, I1Jk,…，Ii, W，…，IH，w，k}表示第k谱段图像，Iuk表示高光谱图像中第k谱段、第i 行、第j列的真实像素灰度值，i = 1，2，···，Η，j = l，2，~，W，k= 1，2,…，P，W为图像宽度， H为图像高度，P表示输入的一组高光谱图像的谱段数，P = Y/N ; (2) 对分组后的任一组高光谱图像#