[发明专利]一种基于分形和H.264的高光谱图像压缩方法

说明书

技术领域：

本发明属于高光谱图像压缩领域，针对高光谱图像中存在的空间相关性与谱间相关性，提出一种基于分形和H.264的高光谱图像压缩方法，在保证图像质量的前提下，大大加快了高光谱图像的压缩速度，提高了压缩比。

背景技术：

高光谱技术是21世纪遥感技术的发展前沿和当今遥感界关注的焦点之一，它把传统的二维成像遥感技术和光谱技术有机地结合在一起，在用成像系统获得被测物的空间信息的同时，通过光谱仪系统把被测物的辐射分解成不同波长的谱辐射，能在一个光谱区间内获得每个像素几十甚至几百个连续的载波段信息。高光谱遥感技术己经在地质学、生态学、大气研究、土壤研究很多领域得到了成功的应用，显示出很大的潜力和广阔的发展前景。

高光谱图像在地面图像二维信息的基础上，增加了第三维光谱信息。高光谱数据是一个光谱图像的立方体，其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征。在高光谱图像数据的空间图像维存在空间冗余，光谱维存在谱间冗余。因此高光谱图像压缩与普通图像压缩的区别是既要考虑去除空间相关性，又要考虑去除谱间相关性。目前，常用的高光谱图像压缩方法分为三大类：基于预测的方法、基于变换的方法和基于矢量量化的方法。例如陈雨时与张晔等提出了基于线性模型最优预测的压缩方案，利用递归双向预测的思想，通过建立谱带间的线性模型，得出了信噪比下的最优预测（参见陈雨时,张晔,张钧平.基于线性模型最优预测的高光谱图像压缩[J].南京航空航天大学学报,2007,39(3):368-372.）。Penna B通过采用点数抽取策略降低KLT的计算量，并将这种改进的KLT用于高光谱图像谱间去相关，而重建图像质量并未受到明显影响（参见Penna B,Tillo T,Magli E,et al.Transform coding techniques for lossy hyperspectral data compression[J].IEEE Transactions on Geoscience and Remote Sensing,2007,45(5):1408-1421.）。Shen-En Qian提出了一种快速的矢量量法算法来提高码书的产生的效率，在该算法无需进行全搜索，大大地降低了运算的复杂度（参见Shen-En Qian.Hyperspectral data compression using a fast vector quantization algorithm[J].IEEE Transactions on Geoscience and Remote Sensing.2004,42(8):1791-1798.）。除了上述传统的编码方法外，近年来分形编码也被应用于高光谱图像的压缩，如夏丽丽设计了一个三维分形压缩编码算法，在去除图像空间相关性的同时去除了波段图像之间的相关性，得到了较好的压缩效果（参见夏丽丽.基于分形理论的高光谱图像压缩算法的研究[J].计算机与数字工程,2011,39(9):132-135.）。

本发明结合了预测编码、分形编码、DCT变换编码、CABAC熵编码，利用基于宏块平坦度的H.264快速帧内预测编码方法降低高光谱图像的空间相关性，利用分形编码降低其谱间相关性，并且对编码残差数据进行DCT变换、量化，用CABAC熵编码写入码流，分形参数也进行CABAC熵编码，实现了高光谱图像的有效压缩。

发明内容：

本发明提出了一种基于分形和H.264的高光谱图像压缩方法。首先将高光谱图像立方数据体转换为YUV格式的视频，送入编码器。高光谱视频的I帧，使用基于宏块平坦度的H.264快速帧内预测模式判别方法进行帧内预测，以去除高光谱图像的空间相关性；高光谱视频的P帧进行块运动估计/补偿分形编码，以去除高光谱图像的谱间相关性。P帧编码宏块的各种树状结构分块首先由MSE准则在参考帧中寻找最佳匹配块，确定各块的迭代函数系统系数，然后比较所有块划分方式的率失真代价，将率失真代价最小的块划分方式作为最终的帧间编码模式，记录最终的分形参数。最后，I帧和P帧的残差数据经过DCT变换、量化之后由熵编码CABAC进行编码写入码流，P帧的分形参数也进行CABAC熵编码。

一种基于分形和H.264的高光谱图像压缩方法，其特征在于实现步骤如下：

步骤一：将高光谱图像立方体数据转换成YUV格式的视频；