专利名称：卫星云图的压缩方法
技术领域：
本发明涉及一种图像压缩方法，特别是涉及一种卫星云图的压缩方法。
背景技术：
卫星云图所包含的大量数据中，云系数据占了主要成分，因此，在对卫星云像压缩时，需要特别考虑云系数据的压缩效果和压缩损失。然而，目前用于卫星云图的图像压缩算法仍然使用现有的图像压缩算法，如将卫星云图视为一般性的黑白图像或二进制数据进行压缩，以图像视觉质量或恢复后的数据信噪比作为有损压缩的评估准则。这种方法无法体现卫星云图之间的关联性和相似性，以及云系数据的先验性，故而压缩效果不佳，压缩效率较低。为了体现卫星云图之间的关联性和相似性，以及云系数据的先验性，以提高压缩 效率，需要对现有的压缩算法进行改进。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种卫星云图的压缩方法，以简化卫星云图的压缩算法。为实现上述目的及其他相关目的，本发明提供一种卫星云图的压缩方法，其特征在于，所述卫星云图的压缩方法至少包括1)基于所存储的多个第一卫星云图各自所包含像素点的特征信息，来从每一个所述第一卫星云图中获取至少一个云系图像；2)基于所述云系图像所包含的连续相邻的像素点的特征信息的比较将特征信息之差小于第一阈值的像素点组合成一个像素集合，简化所述云系图像，以得到云系模板；a)将每一个所述云系模板与所获取的第二卫星云图进行匹配，以选择匹配度最高的所述云系模板；将所述第二卫星云图分解成所选择的所述云系模板和未匹配的所述第二卫星云图；重复执行步骤a)，以将每一个所述云系模板与上一次分解后的未匹配的所述第二卫星云图进行匹配，直至剩余的未匹配的所述第二卫星云图所包含的像素点的特征信息低于第二阈值，则将所获取的所述第二卫星云图压缩为选中的多个云系模板的集合和剩余的未匹配的所述第二卫星云图。优选地，所述步骤I)还包括1-1)对所存储的多个第一卫星云图各自所包含像素点的特征信息进行去相关变换，对所述第一卫星云图各自所对应的变换后的特征信息进行峰值检测；1_2)基于检测出的连续的相邻峰值之差小于第三阈值所构成的峰值线所对应的变换前的像素点所围成的区域来获取至少一个云系图像。优选地，所述步骤I)还包括将检测出的峰值按梯度进行分类，基于属于同一类中的连续的相邻峰值之差小于第三阈值所构成的峰值线所对应的变换前的像素点所围成的区域作为云系图像。优选地，所述步骤I)还包括l_a)将所存储的每一个第一卫星云图进行分割，以得到多个子卫星云图。优选地，所述步骤I)还包括将所述子卫星云图所包含的像素点的特征信息进行去相关变换，并基于统计变换后的所述特征信息的分布情况来确定所述子卫星云图中是否包含云系图像；若不包含则去除所述子卫星云图；对每一个包含云系图像的所述子卫星云图所对应的变换后的特征信息进行峰值检测，并基于检测出的连续的相邻峰值之差小于第三阈值所构成的峰值线所对应的变换前的像素点所围成的区域作为云系图像。优选地，所述步骤I)中分割卫星云图的方式包括采用分水岭算法将所存储的每一个第一卫星云图进行分割。优选地，所述去相关变换包括霍特林变换。优选地，所述步骤3)选择匹配的云系模板的方式包括基于与每一次分解前的未匹配的所述卫星云图相匹配的所述云系模板满足公式(I)，来选择所述云系模板；确定匹配的所述云系模板满足以下公式Yp=argmax (Xp^1 (t), gYp(t)) |2 ； 其中，所述xp (t)为每一次分解前的未匹配的所述卫星云图；= ViW(^P=I, 2，3，…；t为云系模板的自变量参数；Yp是所有云系模板g与当前(经过P-I次迭代后)未匹配的卫星云图X (P-I)之间的相似度最大的那个模板的参数；P为当前的迭代次数；云系系数bp表示为bp = (xp_! (t), gYp(t))在初始条件下设X。(t) =x (t)。优选地，所述步骤3)中将所获取的所述卫星云图数据确定为匹配的云系模板和未匹配的所述卫星云图的方式包括将所述卫星云图表示为χ(0 - X(O + R _
9其中，bp为云系系数、士f为云系模板，R为剩余的未匹配的所述第二卫星云图。优选地，余的未匹配的所述第二卫星云图包括未能与任何所述云系模板进行匹配的像素点、以及所述第二卫星云图中相匹配的区域与相应的所选定的所述云系模板之间的残差。优选地，所述步骤3)中还包括将剩余的未匹配的所述第二卫星云图进行压缩，以使所述第二卫星云图确定为匹配的云系模板和压缩后的剩余的未匹配的所述第二卫星云图。如上所述，本发明的卫星云图的压缩方法，具有以下有益效果充分利用历史所保存的卫星云图中的云系图像，将云系图像进行简化，以得到云系模板，并基于每一个所述云系模板与所获取的卫星云图的匹配来选取最匹配的多个云系模板，并将所选择的云系模板与剩余的未匹配的卫星云图进行压缩，以得到压缩的卫星云图，其中，将一个卫星云图分解成多个小的图像，能够大大降低压缩一幅卫星云图所需的时间，提高了图像压缩的效率；另夕卜，充分依据已提取的云系模板，来对所获取的多幅卫星云图进行匹配，使得后续的卫星云图的压缩运算效率明显提高；此外，将所存储的第一卫星云图分割成多个子卫星云图，再对每一个子卫星云图进行特征信息分布的分析以判断所述子卫星云图中是否包含云系图像，如此能提闻获取z 系图像的效率。
图I显示为本发明的卫星云图的压缩方法的流程图。图2显示为本发明的卫星云图的压缩方法中从所述第一卫星云图中获取云系数据的一种图像示意图。图3显示为本发明的卫星云图的压缩方法中获取云系数据的一种实施方式的流程图。图4显示为本发明的卫星云图的压缩方法中 从所述第一卫星云图中获取云系数据的又一种图像示意图。图5显示为本发明的卫星云图的压缩方法中获取云系数据的又一种实施方式的流程图。元件标号说明SI S3、S11-S12、S13_S15 步骤
具体实施例方式以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式
加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。图I显示为本发明所述的一种卫星云图的压缩方法的流程图。其中，所述卫星云图的压缩方法主要由压缩系统来执行，所述压缩系统为安装在计算机设备中的应用模块等。该计算机设备为一种能够按照事先存储的程序，自动、高速地进行大量数值计算和各种信息处理的现代化智能电子设备，且能与气象卫星进行通信，其硬件包括但不限于微处理器、FPGA, DSP、嵌入式设备等。在步骤SI中，所述压缩系统基于所存储的多个第一卫星云图各自所包含像素点的特征信息，来从每一个所述第一卫星云图中获取至少一个云系图像。其中，所述特征信息包括但不限于亮度特征值、灰度特征值等。具体地，所述压缩系统对所存储的每一个第一卫星云图所包含的像素点的特征信息进行分析，将特征信息满足预设条件的连续相邻的各像素点所构成的区域作为一个云系图像，由此来从每一个第一卫星云图中获得至少一个云系图像。例如，如图2所示，其为所述压缩系统所存储的一个第一卫星云图Al，该第一卫星
云图Al包括像素点all、al2、......anm,所述压缩系统基于像素点akj、ak(j+l)、a(k+l)
(j_l)、a (k+1) j、a (k+1) (j+1)、a (k+1) (j+2)、a (k+1) (j+3)、a (k+2) (j_l) a (k+2) j、a (k+2)(j+l)、a(k+2) (j+2)各自的特征信息均大于预设值、且两两相邻，将该些像素点构成的区域yl作为云系图像。优选地,如图3所示,所述步骤SI还包括步骤Sll、S12。 在步骤SI I中，所述压缩系统对所存储的多个第一卫星云图各自所包含像素点的特征信息进行去相关变换，对所述第一卫星云图各自所对应的变换后的特征信息进行峰值检测。其中，所述去相关变换包括任何能够将所包含的像素点的特征信息进行去相关变换的方式，其包括但不限于KL变换。
具体地，所述压缩系统对所述第一卫星云图的变换后的特征信息进行统计，并基于统计结果来检测峰值。其中，对变换后的特征信息进行统计的方式包括但不限于直方图统计方式。例如，所述压缩系统将第一卫星云图所包含的像素点的特征信息A2进行去相关变换后得到特征信息A2’，接着，利用直方图来对特征信息A2’中各数值的分布进行统计，得到变换后的特征信息集中在dl、d2、d3数值，则检测出变换后的特征信息的峰值为dl、d2、d30在步骤S12中，所述压缩系统基于检测出的连续的相邻峰值之差小于第三阈值所构成的峰值线所对应的变换前的像素点所围成的区域作为云系图像。例如，如图4所示，第一卫星云图所包含的像素点的特征信息A3进行去相关变换
后的特征信息
权利要求
1.一种卫星云图的压缩方法，其特征在于，所述卫星云图的压缩方法至少包括 1)基于所存储的多个第一卫星云图各自所包含像素点的特征信息，来从每一个所述第一卫星云图中获取至少一个云系图像； 2)基于所述云系图像所包含的连续相邻的像素点的特征信息的比较将特征信息之差小于第一阈值的像素点组合成一个像素集合，简化所述云系图像，以得到云系模板； 所述方法还包括 a)将每一个所述云系模板与所获取的第二卫星云图进行匹配，以选择匹配度最高的所述云系模板；将所述第二卫星云图分解成所选择的所述云系模板和未匹配的所述第二卫星云图； 重复执行步骤a)，以将每一个所述云系模板与上一次分解后的未匹配的所述第二卫星云图进行匹配，直至剩余的未匹配的所述第二卫星云图所包含的像素点的特征信息低于第二阈值，则将所获取的所述第二卫星云图压缩为选中的多个云系模板的集合和剩余的未匹配的所述第二卫星云图。
2.根据权利要求I所述的卫星云图的压缩方法，其特征在于，所述步骤I)还包括 1-1)对所存储的多个第一卫星云图各自所包含像素点的特征信息进行去相关变换，对所述第一卫星云图各自所对应的变换后的特征信息进行峰值检测； 1-2)基于检测出的连续的相邻峰值之差小于第三阈值所构成的峰值线所对应的变换前的像素点所围成的区域来获取至少一个云系图像。
3.根据权利要求2所述的卫星云图的压缩方法，其特征在于，所述步骤I)还包括 将检测出的峰值按梯度进行分类，基于属于同一类中的连续的相邻峰值之差小于第三阈值所构成的峰值线所对应的变换前的像素点所围成的区域作为云系图像。
4.根据权利要求I所述的卫星云图的压缩方法，其特征在于，所述步骤I)还包括 I-a)将所存储的每一个第一卫星云图进行分割，以得到多个子卫星云图。
5.根据权利要求4所述的卫星云图的压缩方法，其特征在于，所述步骤I)还包括 将所述子卫星云图所包含的像素点的特征信息进行去相关变换，并基于统计变换后的所述特征信息的分布情况来确定所述子卫星云图中是否包含云系图像；若不包含则去除所述子卫星云图； 对每一个包含云系图像的所述子卫星云图所对应的变换后的特征信息进行峰值检测，并基于检测出的连续的相邻峰值之差小于第三阈值所构成的峰值线所对应的变换前的像素点所围成的区域作为云系图像。
6.根据权利要求4所述的卫星云图的压缩方法，其特征在于，所述步骤I)中分割卫星云图的方式包括采用分水岭算法将所存储的每一个第一卫星云图进行分割。
7.根据权利要求2或5所述的卫星云图的压缩方法，其特征在于，所述去相关变换包括霍特林变换。
8.根据权利要求I所述的卫星云图的压缩方法，其特征在于，所述步骤3)选择匹配的云系模板的方式包括基于与每一次分解前的未匹配的所述卫星云图相匹配的所述云系模板满足公式(I)，来选择所述云系模板； 确定匹配的所述云系模板满足以下公式Y p=argmax (Xp^1 (t), gYp(t)) 2 ；其中，所述Xp(t)为每一次分解前的未匹配的所述卫星云图；P=I, 2，3，· · ·； t为云系模板的自变量参数； Yp是所有云系模板g与当前(经过P-I次迭代后)未匹配的卫星云图X (P-I)之间的相似度最大的那个模板的参数； P为当前的迭代次数；云系系数bp表示为bp= (xp_! (t), gYp(t)) 在初始条件下设Xd(t)=X(t)。
9.根据权利要求I所述的卫星云图的压缩方法，其特征在于，所述步骤3)中将所获取的所述卫星云图数据确定为匹配的云系模板和未匹配的所述卫星云图的方式包括 将所述卫星云图表示为
10.根据权利要求I所述的卫星云图的压缩方法，其特征在于，剩余的未匹配的所述第二卫星云图包括未能与任何所述云系模板进行匹配的像素点、以及所述第二卫星云图中相匹配的区域与相应的所选定的所述云系模板之间的残差。
11.根据权利要求I所述的卫星云图的压缩方法，其特征在于，所述步骤3)中还包括将剩余的未匹配的所述第二卫星云图进行压缩，以使所述第二卫星云图确定为匹配的云系模板和压缩后的剩余的未匹配的所述第二卫星云图。
全文摘要
本发明提供一种卫星云图的压缩方法，先基于所存储的多个第一卫星云图各自所包含像素点的特征信息，来从每一个所述第一卫星云图中获取至少一个云系图像；再基于所述云系图像所包含的连续相邻的像素点的特征信息的比较将特征信息之差小于第一阈值的像素点组合成一个像素集合，简化所述云系图像，以得到云系模板；再将每一个所述云系模板与所获取的第二卫星云图进行匹配，以选择匹配度最高的所述云系模板；将所述第二卫星云图分解成所选择的所述云系模板和未匹配的所述第二卫星云图；重复最后步骤，直至剩余的未匹配的所述第二卫星云图所包含的像素点的特征信息低于第二阈值，则得到多个云系模板的集合和剩余的未匹配的所述第二卫星云图。
文档编号G06T9/00GK102867315SQ20121023634
公开日2013年1月9日 申请日期2012年7月9日 优先权日2012年7月9日
发明者王开志 申请人:上海交通大学