超光谱干涉条纹图像压缩算法的研究

《超光谱干涉条纹图像压缩算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com2003年第4期空间电子技术9超光谱干涉条纹图像压缩算法的研究王菊花谭贤红吴增印(西安空间无线电技术研究所，西安710000)摘要主要研究了超光谱干涉条纹图像的数据特点及其压缩方法，并以某型号为背景，提出了适合星上应用的压缩方法。主题词超光谱干涉条纹AR模型DPCM压缩1引言目前卫星平台上出现了一种新型的遥感器——“傅立叶变换光学图像仪”，它能产生超光谱干涉条纹图像，此种图像通过数传通道在地面经过某些算法将其恢复成一般谱图。干涉条纹图像分辨率高，数据量大，需要压缩。由于其数据特点与一般图像不同，而且恢复谱图的评价方法也有

2、差异，所以不能使用一般的图像压缩方法对其进行压缩。我国某卫星上需要对这种图像进行大约2：1的压缩，因此本文以型号为背景，主要研究了超光谱干涉条纹图像的星上压缩方法。本文第2部分阐述了干涉条纹图像的特点及客观评价标准，第3部分给出了几种压缩方法及其性能比较，第4部分总结全文。2干涉条纹图像的特点及客观评价标准超光谱干涉仪采用面阵CCD光敏感器件通过卫星推扫产生一系列干涉图像。地面上的每一个像素点在128个谱段上经过采样得到256个数值，因而地面上一行像素(512)对应于星上的一幅干涉条纹图像(256x512)；同理，一幅干涉条纹图像就能恢复地面上的一行像素值。2．1干涉

3、条纹图像的数据特点干涉条纹图像具有二维相关性，即行相关和列相关，但是相关性大小不同。我们对340幅图像首先按照几种预测方法去相关，得到相应残差图像后求其统计平均，直方图如图1所示。其中：图1(a)为340幅图像列间去相关差值图像平均直方图；图1(b)为340幅图像行间去相关差值图像平均直方图；图1(c)为340幅原始图像平均直方图；图1(d)为340幅图像行列二维去相关差值图像平均直方图。对几幅干涉条纹图像进行Hufman无损编码，采用不同的去相关方法，压缩比大小也不相同，如表1所示收稿日期：2003—06—23收修改稿日期：2003—09—15维普资讯http://

4、www.cqvip.com10空间电子技术2003年第4期(a)直方图0点处的值9．8860e+O04(b)直方图0点处的值9。0248e+O04(c)直方图0点处的值6．9825e+O04(d)直方图0点处的值8．9486e+O04图l340幅差值图像平均值方图表l几幅图像无损压缩比从图1和表1可以看出，图像的列间相关性大于行间相关性。若对图像进行行列二维去相关，则可获得最好的压缩效果，但误码扩散比较严重。2．2客观评价方法[]如图2所示，超光谱干涉图像压缩算法性能的评价可以由指标RQE(RelativeSpectralQuadratic)来衡量。RQE的计算公式如

5、下：√rI§(f)一

6、s(f)I妒—：其中，S(f)为初始光谱，S(f)为恢复光谱，f为归一化频率(0

7、几种压缩算法的提出和性能比较3．1AR模型压缩文献[1]中提出了一种AR(AutoRegressive)模型压缩算法。算法的原理是用此模型对每列干涉条纹建模来获得一组有特征的参数，并对此参数进行压缩传输。设(凡)为干涉条纹的原始像素值；N为一列像素的个数；，(n)为干涉条纹的恢复像素值；AR模型阶数为P，则初始化：Y(凡)=(凡)，()=Y()n：0，l，⋯，P一1递归运算：l，()：一aky(一k)n≥p，，e(凡)=，(凡)一Y(n)，(凡)：Y(凡)+e(凡)其中：是按最小均方误差准则求出的AR模型的预测系数；Y(n)是AR模型的预测值；e(凡)是差值，经过最优

8、量化、编码输出；e(凡)为e(凡)的量化值。编码过程中需要传输的数据有：P个初始像素值、P个AR模型预测系数和N—P个预测误差的量化编码值。其中初始像素值和AR模型预测系数可用多比特量化，而预测误差可用较少比特量化，这样就能够提高压缩比，而且RQE指标也比较好。由于该算法在压缩时需要对每一列像素求得其AR模型预测系数，而且还要对预测误差进行最维普资讯http://www.cqvip.com空间电子技术2003年第4期优量化_2J，因此运算量很大，且不实时，所以该算法很难在星上实现。3．2“(／abs(MAX))*8+量化”算法干涉条纹每列最初的像素幅