[发明专利]一种超光谱信号快速矢量量化编码方法

说明书

技术领域

本发明属于超光谱遥感图像处理领域，具体涉及一种基于最佳排序和子矢量技术的超光谱图像数据矢量量化压缩编码。

背景技术

随着遥感技术在地球资源管理、环境检测、军事侦测等应用领域的不断扩大，以往的多光谱图像数据由于仅仅在空间分辨率上有所提高，己经不能满足人们日益增长的科研和生产需求。例如传统多光谱图像仅包含4～7个离散的谱带，而人们感兴趣的地物目标其吸收特性一般只有20～40nm的宽度，故当谱带内的地物目标光谱特性相近时，多光谱图像的应用就受到限制。此时必须利用更多的谱带，通常包括几百个谱带，这就是超光谱图像，有效区分目标。

与多光谱图像相比，超光谱图像的突出特点是谱分辨率很高，这使得超光谱图像可以区分并识别多种地物目标。但它较高的分辨率是以其较大的数据量和较高的数据维为代价的。例如标准的AVIRIS图像，其谱带间的图像空间分辨率为614×512×16bit，每个像素的数据维数为224，这样的一幅超光谱图像的数据量大约为140M bit，比多光谱图像的数据量大得多、数据维高得多。这给超光谱图像的传输和存储带了较大的困难，因此，寻求一种有效的压缩技术具有十分重要的意义。

矢量量化技术就是一种有效的超光谱图像压缩技术。其基本原理就是将一个k维空间R^k{x_ij}（其中i =1, 2, …, M; j = 1, 2, …, k）划分为N(N≤M)个互不相交的子空间（胞腔），在每一个子空间中寻找一个代表矢量（码字）y_i={y_i1,y_i2,…,y_ik}，记为矢量集y={y₁,y₂,…,y_N}(码书)。在信道中只需传输码字和其索引值，在接收端根据索引值进行查表重构输入矢量。码书设计和码字快速搜索是矢量量化的两大关键技术，码书设计的目的就是寻找最优码书，使得失真达到最小，以保证重构恢复图像的效果。码字快速搜索就是如何快速找到与输入矢量失真最小的码字以减少计算复杂度和易于硬件实现。

LBG算法是矢量量化码书设计的经典算法，为矢量量化的发展奠定了基础。它的基本原理是轮流迭代初始码书，在迭代过程中轮流满足最邻近条件和质心条件，在训练时将训练矢量划分到最近的胞腔，迭代结束后取胞腔的质心作为码书中的码字。

利用LBG算法训练超光谱图像，经过多次迭代后能够得到性能良好的码书，在信道中同时传输最终形成的码书以及各个训练矢量所对应码字的索引，在接收端只需要利用索引在码书中查找对应的码字来重构原矢量即可，从而可以恢复超光谱图像信号。LBG算法是一种优越的算法，它物理逻辑简单，易于实现，但是， LBG算法存在码书自适应能力不强的缺点，从运算复杂度来看，其聚类过程中需要大量的失真计算。

发明内容

本发明所要解决的问题是：针对现有技术聚类过程中训练超光谱图像计算量大，运算复杂度高，提出一种快速超光谱图像压缩方案，以牺牲较小的峰值信噪比换取较高的压缩比和编码效率。

本发明解决上述问题采用的技术方案是：提出一种超谱图像压缩方法，该方法包括：读取超谱图像数据，选取每个波段中的一段图像块作为矢量量化的输入信源，根据图像块尺寸和波段数构建3维矩阵，将3维矩阵转换为具有2的整数幂次的行矢量的矩阵B'；对矩阵B'的行进行哈达玛变换，对哈达玛变换后的矢量，利用分类平均法得到初始码书；构造基于初始码书的统计矢量，对统计矢量每维分量依能量的大小降序排列，获得一个最佳排序索引I_OTH；根据最佳排序索引对初始码书和训练矢量的分量进行排序，得到最佳排序码书和排序后训练矢量集合，选取训练矢量集合的前部m维的分量作为训练子矢量，子矢量中集中了矢量的绝大部分能量，可用于似描述矢量的特性；在子矢量域，搜索所有训练矢量的最佳匹配码字，更新训练矢量胞腔索引值，以胞腔的质心更新作为当前最佳匹配码字，获得最终码书和聚类索引I，对聚类索引I进行反排，得到编码索引I₂, 并经Hadamard反变换，得到空域码书y。 打包最终码书y和编码索引I₂作为码书和压缩数据。