[发明专利]基于谱相关性自适应分组高光谱图像分布式联合压缩方法

说明书

本发明涉及一种基于谱相关性自适应分组高光谱图像分布式联合压缩方法，根据高光谱图像各波段间谱相关性的强弱进行自适应分组；每组内选出各波段中与其他波段相干性最强的波段为参考波段，组内其他波段为非参考波段；参考波段与非参考波段做差分操作获得更稀疏的残差图像，对参考波段图像做哈夫曼无损编码；解码段，对残差图像做分布式压缩编码；对残差图像联合重构，进而重构出非参考波段图像，将重构的参考波段图像和非参考波段图像相结合得到整个高光谱数据。本发明将相关性强的波段分到一组，提高了精确度，为后续分布式压缩取得更好的效果提供了保障，利用分布式压缩感知算法进行联合编码，减少了算法的计算量，能取得很好的压缩效果。

技术领域

本发明属于图像压缩技术领域，具体涉及一种基于谱相关性自适应分组高光谱图像分布式联合压缩方法。

背景技术

高光谱图像是同时包含空间信息和光谱信息的多个波段图像组成的集合，已经被应用到很多领域，例如农业、军事、地质勘探和环境监测等。然而随着空间分辨率和光谱分辨率的不断提高，带来了海量的数据。这些海量的数据给高光谱图像的存储、传输和应用带来了巨大的挑战，因此怎样高效地实现高光谱数据压缩就成了亟待解决的问题。

高光谱图像存在着更多的冗余信息，与传统遥感图像和二维图像相比，传统图像只存在空间冗余，对高光谱图像而言主要存在两种冗余--谱间冗余和空间冗余。因此对高光谱数据的压缩旨在去除光谱间存在的谱间冗余信息以及每个光谱自身的空间冗余。

目前，高光谱图像压缩算法基本上分为三类：基于预测的压缩方法、基于矢量量化技术的压缩方法以及基于变换的压缩方法。基于预测的压缩方法主要用于无损压缩，压缩受到较大限制，对传输带宽依然有很高要求，不利于数据的实时传输；基于矢量量化技术的压缩方法，其算法复杂度太高，计算量随着矢量维数的增加呈指数增长；基于变换的压缩方法对高光谱图像的特性利用还不够充分。

发明内容

针对现有技术中压缩算法对高光谱图像的特性利用不够充分以致压缩性受限等不足，本发明要解决的问题是提供一种基于谱相关性自适应分组高光谱图像分布式联合压缩方法，对参考波段和非参考波段进行差分操作，提高稀疏性，对残差图像进行分布式联合编码，取得更好的压缩效果。

为解决上述技术问题，本发明采用的技术方案是：

本发明一种基于谱相关性自适应分组高光谱图像分布式联合压缩方法，包括以下步骤：

1)对高光谱图像各波段进行相关性分析，根据各波段间谱相关性的强弱进行自适应分组；

2)对每组内波段的相关性强弱进行比较，通过最小二乘法选出各波段中与其他波段相干性最强的波段作为参考波段，组内其他波段为非参考波段；

3)通过参考波段与非参考波段做差分操作获得更稀疏的残差图像，对参考波段图像做哈夫曼无损编码，对残差图像做分布式压缩编码；

4)利用哈夫曼解码恢复出参考波段的图像，参考波段的图像作为分布式压缩感知的先验条件，进而对残差图像进行联合重构，将重构的参考波段图像和残差图像相加得到非参考波段图像，将重构的参考波段图像和非参考波段图像相结合得到整个高光谱数据。

根据各波段间谱相关性的强弱进行自适应分组，包括以下步骤：

11)每个波段和它相邻波段的相关系数r_k(m)：

其中，r_k(m)是第k波段的向量x_k中的第m元素：是第k个波段图像中所有像素的平均值，S为像素个数；

12)如果r_k(m)＞R，R为预先设定的一个阈值，则将波段k和(k+1)分到同一个子集n中，否则将k分到子集(n+1)中；

13)计算每个子集中波段的个数；