[发明专利]一种基于自乘矩阵变换的多光谱图像压缩方法

说明书

所属领域

本发明涉及计算机信息技术领域，具体地涉及多光谱图像的压缩与传输领域。

技术背景

在现实工作中，多光谱图像的分析具有非常重要的意义，它是一种结合二维空间 信息和一维光谱特征的三维数据立方体，由光谱成像系统获得，记录场景在特定照明下的 感知器响应值，它在获得对象空间信息的同时获取其光谱信息，丰富的光谱信息为地物的 边界和地物目标的识别创造了良好的条件，比起单色图像，多光谱图像具有极大的优越性。 随着多光谱图像空间分辨率的提高和地理信息系统技术的发展，人们的信心更加增强，对 多光谱图像处理的要求也越来越高。

但是，由于多光谱图像数据量巨大，为高效存储和传输，须充分针对其应用和特 性，进行有效压缩。目前，针对多光谱色彩再现的压缩方法主要为降维法，算法基于物体的 光谱反射率线性表示模型，前三维表示物体特定照明下的可视色刺激值，其余通道用来描 述同色异谱黑成分，系数值即可传递目标的实际物理值，可直接用于估计原始物体色。但各 种方案都有不同的弱点，比如以损失重建光谱精度为代价，且光照稳定性较差，无针对性编 码方案、计算复杂度较高且不具备扩展性、存在不同光照下色稳定性较弱，且重建图像不利 于跨设备一致再现或保证像素级光谱色度精度，只能去除空间冗余，且时间复杂度高，无具 体编码算法等。

发明内容

针对上述不足之处，本发明要解决的问题是提供一种新的针对多光谱图像的压缩 方法。

本发明的目的是：让多光谱图像的压缩效果更好，光照稳定性好，且能支持跨设备 再现的作用。

本发明为实现上述目的所采取的技术方案是：采用一种基于自乘矩阵变换的多光 谱图像压缩方法。该方法的实现过程如下：

步骤1：基于均方误差编码的原理上结合根据视图的三刺激值，建立了色感失真准 则，将其转换为了一个具有视觉特性的矩阵W，将W与图像原始数据F相乘，得到一个WF图像， 由于所建立的具有视觉特性的矩阵W，其对角为小数，可降低编码数据的数量级，并具有降 低图像重构的色感偏差的功能。

步骤2：通过研究图像波段，按照谱间图像的相似性，将图像分为不同长度并且各 段之间相似性底的图像子块。

步骤3：在各图像子块内选取一个类代表，使其具有类内相关性好，类间相关性弱 的性质，用类代表成分和差别成分来等价代替原图像。

步骤4：对类代表成分进行小波变换和编码，存储。

步骤5：处理类代表码流，结合差别成分建立得到误差补偿机制，在对误差补偿后 的差别成分进行小波变换和编码，得到差别成分码流，存储。

步骤6：图像重构时，将类代表码流与差别成分码流分别解码和逆小波变换，再合 成WF图像，再去除W成分，得到还原图像，解压过程为压缩过程的逆变换。

本发明的有益效果是：本发明在实现高压缩率和传输速度下，保存更多的有效图 像信息，提升扩展性和稳定性，在跨设备存储和传输时也能保证像素级的光谱精度和色度 精度。

附图说明

图1：表示本发明的流程图

图2：表示WF图像的建立示例图

图3：表示类成分处理流程图

图4：表示误差机制示例图

具体实施方式

本发明针对多光谱图像在色度高保真再现等领域的应用，为提高压缩效率，进一 步存储传输，本发明设计出了一种低复杂度、光照稳定性好且支持跨设备再现的压缩方法。 首先，本发明基于均方误差编码的原理上结合根据视图的三刺激值，建立了色感失真准则， 将其转换为了一个具有视觉特性的矩阵，可以将图像转化为一个新的特异性图像矩阵，其 次将图像按照特定的方法分为若干个具有代表性的图像子类，即，将图像分解成类内相关 性强、类间相关性弱的图像矩阵和描述各分类压缩成分之间的差别成分矩阵；而此时，分别 对类成分和差别成分采用CDF9/7小波变换和SPIHT编码，输出两类码流分别存储；解码过程 为压缩过程的逆运算。同时，本发明还建立了基于差别成分的误差补偿机制，能够提高重建 图像的光谱精度和色度精度；该方法在实现高压缩率和传输速度下，保存更多的有效图像 信息，提升扩展性和稳定性，在跨设备存储和传输时也能保证像素级的光谱精度和色度精 度。

下面，结合图1-图4对本发明进行详细说明。