遥感影像压缩技术研究

来源：职称驿站所属分类：电子技术论文发布时间：2011-06-23 08:02:06浏览：次

　　摘要：本文简单的对遥感影像进行了概述，介绍了影像压缩技术的分类、影像数据压缩方法标准，并且在此基础上重点分析小波图像压缩理论及其在图像压缩中的应用。
　　
　　关键词：遥感影像、JPEG、MPEG、JBIG、小波压缩
　　
　　1引言
　　凡是只纪录各种地物电磁波大小的胶片（或相片），都称为遥感影像，在遥感中主要是指航空像片和卫星像片。它以缩小的影像真实再现地表环境，使人类超越了自身感官的限制，以不同的空间尺度、感知方式快速、及时地监测地球环境的动态变化，成为获取地球资源与环境信息的重要手段。
　　对于影像来说，如果需要进行快速或实时传输以及大量存储，就需要对影像数据进行压缩。影像压缩研究的就是寻找高压缩比的方法，且压缩后的影像要有合适的信噪比，在压缩传输后还要恢复原信号，并且在压缩、传输、恢复的过程中，还要求影像的失真度小。
　　2遥感影像压缩技术的分类
　　一般地，图像压缩技术可分为两大类：无损压缩技术和有损压缩技术。
　　无损压缩利用数据的统计冗余进行压缩，可完全恢复原始数据而不引入任何失真，但压缩率受到数据统计冗余度的理论限制，一般为2:1到5:1。这类方法广泛用于文本数据、程序和特殊应用场合的图像数据（如指纹图像、医学图像等）的压缩。由于压缩比的限制，仅使用无损压缩方法不可能解决图像和数字视频的存储和传输问题。
　　有损压缩方法利用了人类视觉对图像中的某些频率成分不敏感的特性，允许压缩过程中损失一定的信息；虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响较小，却换来了大得多的压缩比。有损压缩广泛应用于语音、图像和视频数据的压缩。在多媒体应用中常用的压缩方法有PCM（脉冲编码调制）、预测编码、变换编码（主成分变换或K-L变换、离散余弦变换MT等）、插值和外推法（空域亚采样、时域亚采样、自适应）、统计编码（Huffman编码、算术编码、Shannon-Fano编码、行程编码等）、矢量量化和子带编码等；混合编码是近年来广泛采用的方法。新一代的数据压缩方法，如基于模型的压缩方法、分形压缩和小波变换方法等也己经接近实用化水平。
　　3遥感影像数据压缩的有效方法——小波压缩
　　3.1小波图像压缩
　　小波变换是根据图像的统计特性和人眼的生理特性，对分解成不同频域的图像信号采取不同的压缩方法。小波变换图像编码是利用小波滤波器对图像数据进行了带分解，消除图像时域空间的冗余度，同时小波分解后的图像能量主要集中在相对较低的子带中，对子带图像结合视频特性和子带能量集中特性进行编码，可以获得较大压缩比。将图像分解成多个具有完备的多分辨率表示的子带信号，所表示的每一个分量都有独特的频率局限性和不同的空间取向性，因此当对图像之类的复杂的非平稳信源进行处理时，可以有效地克服傅立叶分析方法所存在的不足，使对信号的分解更适合于人眼视觉特性和图像数据处理的需要。为非平稳，具有复杂的局部化特征的图像信号找到一种既能反映其内在统计特性又能匹配人眼视觉模型的表行方法和分析工具。
　　针对高分辨率遥感影像，采用先进的图象压缩技术，实现对遥感影像的高保真快速压缩，以解决大规模影像的传输和存储问题。近年来，随着新型传感技术的发展，遥感影像的时间、空间和光谱分辨率不断提高，相应的数据规模呈几何级数增长，给数据的传输和存储带来了极大的困难。一般说来，图像分辨率越高，相邻采样点的相关性越高，数据水分也越大。对遥感数据进行压缩，有利于节省通信信道，提高信息的传输速率；数据压缩之后有利于实现保密通讯，提高系统的整体可靠性随着INTERNET连到千家万户，遥感影像正在逐渐成为信息传递的重要媒介。目前大多使用小波压缩处理遥感影像数据。
　　3.2小波分析基本理论及其在图像压缩中的应用
　　与傅里叶变换相似，小波变换是一种同时具有—频二维分辨率的变换。其优于傅氏变换之处在于它具有时域和频域“变焦距”特性，十分有利于信号的精细分析。第一个正交小波基是Harr于1910年构造的；但Harr小波基是不连续的。到80年代，Meyer、Daubechies等人从尺度函数的角度出发构造出了连续正交小波基。1989年，Mallat等人在前人大量工作的基础上提出多尺度分析的概念和基于多尺度分析的小波基构造方法，将小波正交基的构造纳入统一的框架之中，使小波分析成为一种实用的信号分析工具。
　　该方法先对遥感图像进行小波分解，然后以纹理复杂程度作为区域重要性度量，通过对纹理复杂的重要区域进行标量编码来保证恢复图像的质量，通过对平坦区(即不重要区)进行矢量编码来提高压缩比。实验结果表明该方法具有压缩率较高，图像恢复质量好，速度快等优点，十分适合遥感数据的高保真压缩。
　　3.3自适应标量、矢量混合量化编码方案
　　基于小波分解的图像压缩方法的一个重要因素是量化方案的选择。一般说来，量化方法分为标量量化和矢量量化两种。近年来，人们开始研究将标量、矢量量化相结合的方法，以同时获取较高的压缩比、恢复质量和时间性能，这是图像压缩技术的一个重要发展方向。
　　标量量化的关键是去相关和编码。目前主要的去相关技术是预测方法，如DPCM预测；而编码仍以熵编码为主。标量量化的特点是可保持较高的图像恢复质量，但压缩率一般较低。目前最有效的基于小波分解的矢量量化方法有法国M.Barlaud等人提出的PLVQ塔式格型矢量量化方法和美国J.M.Shapiro提出的EZW方法。这两种方法编码效率较高，但计算非常复杂，不能适用于实时性要求较高的场合。
　　本文提出的编码方案对图像小波细节子图划分为4×4的块，采用块内的方差作为块的纹理复杂度和重要性度量，对纹理复杂的重要块用较多的位进行编码，而对于较平坦的区域用较少的位进行编码。这实际上相当于将各块的元素组成一个矢量，对不重要的子块采用矢量编码方案，而对重要子块采用标量编码，使得各子块的恢复误差大致平衡。
　　本压缩方法的具体步骤如下：
　　（1）对图像进行3层小波分解，对LL3子图进行熵编码，对HH1不编码（解码时以0填充）。