小波变换在气象卫星云图压缩中的应用.pdf

《小波变换在气象卫星云图压缩中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第2l卷4期应用气象学报Vo1．21。No．42010年8月JOURNALOFAPPLIEDMETEOROLOGICALSCIENCEAugust2010小波变换在气象卫星云图压缩中的应用方翔王新(中国气象局中目遥感卫星辐射测量和定标重点开放实验室国家卫星气象中心，北京100081)摘要该文分析了卫星云图和自然图像在小波系数分布上的特征差异，提出了基于小波变换的气象卫星云图压缩方案。方案选择对卫星云图压缩效果较好的、具有双正交性的Odegard9／7滤波器组对卫星云图进行五级小波分解和重构；根据卫星云图小波分解系数相似性强、低频分量能量更为集中、分量系数层次衰减性明显的

2、特点，使用改进后的零树编码算法对小波系数进行编码运算；最后，采用高效的自适应算术编码对输出数据流进行了进一步的压缩。该方法对卫星云图的压缩效果要优于经典的嵌入式零树小波编码，在失真允许情况下，对红外云图的最大压缩比可达4O：1，水汽云图达6O：1，可见光云图达35：1。关键词：卫星云图；图像压缩；小波；零树量化波变换，引起了极大关注[2。此后二十多年，小波变引言换理论得到迅速发展，并成为应用数学发展的一个新领域。小波变换技术是一种时间尺度分析方法，高时空分辨率静止卫星可以用作识别大气中正具有多分辨率分析的特点，而且在时频两域都具有在发生的动力和热力过程的有效指示，可以监

3、测小表征信号局部特征的能力I3]。利用小波变换可以一到单个对流云团，大到行星尺度天气系统的发生、发次变换整幅图像，不仅可以达到很高的压缩比，而且展和演变[】j。但一个严重问题却阻碍了卫星资料的不会出现JPEG重建图像中的“方块”效应I4]。进一步应用，那就是浩大的资料量与相对狭小的存近年来，MallatE引，Taubman等[，Xiong等[]储空间之间的矛盾，如何对云图资料进行有效压缩先后利用小波变换方法对图像进行了压缩试验，取存储已成为一个亟待解决的问题。气象卫星云图压得了很好的效果。但是，目前在小波压缩的研究中，缩属于图像压缩范畴，图像的有失真压缩一般使用大都使用

4、接近于自然图像的Lena，Barbara等进行基于离散余弦变换(DCT)的JPEG方法，但JPEG试验，而气象卫星云图在图像灰度分布和小波系数图像在大压缩比时，往往会在水平和垂直方向出现分布等方面都与自然图像存在差异，在实际压缩方晕圈、幻影，产生“方块”效应，这是因为对原始图像案设计中必须予以考虑。利用卫星云图的特点，获进行了分块的DCT变换和量化。如果不分块或分得较好压缩效果是本文的研究重点。块很大而进行DCT变换与量化，那么图像块中像素能量集中到少量系数，效果将变得不明显，即不利于1图像小波压缩原理及卫星云图特征对数据进行量化压缩，同时还使得计算复杂度增加。为了克服

5、JPEG图像的缺点，获得更好的压缩1．1小波变换的快速算法效果，人们开始尝试用小波变换(wavelettrans—小波变换是时间和频率的局域变换，其基本思form)方法对图像进行压缩处理。1980年法国科学想是以小波函数为基底对信号进行分解，根据信号家Morlet在分析地震波高频成分时，首先提出了小属性可分为连续小波变换和离散小波变换儿]。*国家高技术研究发展计划“多源卫星资料强对流监测与追踪方法研究”(2006AA12Z106)资助。2009—07—10收到，201005—28收到再改稿。424应用气象学报图像压缩采用离散小波变换，通常使用Mallat提出码是小波变换

6、用于压缩的核心，压缩的实质是对系的求解小波系数的快速塔形算法。该算法可以使离数的量化压缩。图像经过小波变换后被分解成4个散小波变换以数字滤波器组的形式实现，其小波分频带分∑量：低∑频分量∑、水平∑分量、垂直分量和对角线解公式为：分量，水平分量含有较多的水平边缘信息，垂直分量一∑·，含有较多的垂直边缘信息，对角线分量含有水平和k垂直两个方向的边缘信息。低频分量作为母分量，d⋯一∑·。(1)k还可以重复上述过程，进一步分解成4个子分量。同样，有Mallat快速重构算法，即图像经过小波变换后生成的系数图像的数据总量与n—===∑h一·‰+∑g一·d。(2)原图像的数据量相等，

7、即小波变换本身并不具有压kk缩功能，之所以将它用于图像压缩，是因为生成的系其中，a⋯表示信号的模糊分量，d⋯表示信号的细数图像具有与原图像不同的特性，表现在：节部分。h，g分别表示低通滤波器和高通滤波器，①能量集中性。经过小波变换后，图像的能量令^一h一，g一g一。主要集中于低频部分，而水平、垂直和对角线部分的将小波变换由一维推广到二维，就可适用于图能量则较少；水平、垂直和对角线部分表征了原图像像处理。二维图像的小波分解算法如下：在水平、垂直和对角线部分的边缘信息，具有明显的Ads(厂)h(2n—k1)^(2m—k2)A(_厂)，方向特性