[发明专利]基于关键信息保护的超光谱大气红外遥感图像压缩方法

权利要求书

1.基于关键信息保护的超光谱大气红外遥感图像压缩方法，其特征在于，该方法包括以下步骤：

步骤一、超光谱大气红外遥感图像数据的大小为X(R,C,B)，其中：R×C为数据空间大小，B为通道个数；根据通道间的光谱间相关性对B个通道进行排序，并在光谱间相关性排序结果的基础上计算每个通道的信息容量；

选出信息容量最大的通道作为信息容量排序的第一个通道，更新观测误差协方差矩阵S_ε和权函数矩阵后，继续计算其余B-1个通道的信息容量，将其余B-1个通道中信息容量最大的通道作为信息容量排序的第二个通道，依次类推，得到信息容量的通道排序结果；将每个通道的信息容量作为权重对数据进行分级得到m个0级通道；

将得到的m个0级通道映射到光谱间相关性排序结果中，设置抽取步长为rate，抽取区间为[rate-pace,rate]，在相邻的0级通道之间抽取辅助通道，将m个0级通道和抽取出的辅助通道作为面向同化应用及压缩所需要的关键信息通道；

基于信息熵的空间下采样方法对面向同化应用及压缩所需要的关键信息通道数据进行空间下采样，提取出关键性数据子集Z(r,c,b)；

所述步骤一的具体过程为：

步骤一一、设定阈值为T，分别计算相邻通道的光谱相关系数和各个通道与其他所有通道的光谱相关系数，

每两个相邻通道之间的光谱相关系数h_i,i+1，其中：i代表第i个通道，i+1代表第i+1个通道，若h_i,i+1≥T，则将通道i和通道i+1划分到同一集合，若h_i,i+1＜T，则将通道i+1划分到通道i所在集合的下一个集合；

分别对每一个集合划分子集，若某个集合中的通道数大于p，则依次将该集合中每p个通道划分为一个子集，若有剩余通道，则将剩余通道划分到该集合的最后一个子集中；若某个集合中的通道数小于p，则不再进行分集；

步骤一二、用U表示排序中已经包含的通道，用V表示剩下的通道，对U和V进行初始化，初始化U为空集，初始化V＝{1,2,3,...,B}；

以每个通道为节点，每两个通道连成线作为边，每条边上两个节点所对应的通道的光谱相关系数作为该边的权重，构成一个无向加权图，并以邻接矩阵H表述各个节点的权重值，从邻接矩阵H中选取权重值最大的两个节点对应的通道放入集合U中，则U＝{u₀,u₁}，其中：u₀和u₁分别代表第u₀个和第u₁个通道；

步骤一三、搜索满足u∈U，v∈V的最大的光谱相关系数h_u,v，u代表通道u₀或u₁，v为包含在集合V中的通道，并将对应的v从集合V中移入到集合U中；

步骤一四、重复步骤一三，将V中的波段通道依次移入集合U中，直到V为空集；各波段通道移入集合U中的顺序即为相关性约束排序结果；

步骤一五、输入观测前协方差矩阵S_a，观测误差协方差矩阵S_ε及温湿度雅可比矩阵J；计算每个通道的信息容量，具体方法如下：

计算观测后协方差矩阵其中，k表示通道i对应的权函数矢量，k^T为k的转置；s_ε1是协方差矩阵S_ε的对角某一元素，(·)^-1代表矩阵的逆；将代入公式得到每个通道的信息容量H(i)；

选出信息容量H(i)最大的通道，记录其通道号和信息容量，将该波段通道作为信息容量排序中的第一个通道；并从B个波段通道中去除该波段通道，得到剩余的B-1个通道；

更新观测误差协方差矩阵S_ε和权函数矩阵；

步骤一六、根据公式计算得到更新后的观测后误差协方差矩阵将剩余的B-1个通道用于下一步抽取，继续计算剩余各个通道的信息容量，选出剩余通道中信息容量最大的通道，记录其通道号和信息容量，将该通道作为信息容量排序中的第二个通道；并从剩余的B-1个通道中去除该通道，得到剩余的B-2个波通道；再更新观测误差协方差矩阵S_ε和权函数矩阵；J代表雅可比矩阵；

步骤一七、重复步骤一六的过程，直到所有通道排序完成；

步骤一八、将每个通道的信息容量作为该通道的权重，按照权重由大到小的顺序对全部通道进行分级；将前m个权重大的通道设置为最高优先级0级，其他通道按照权重数量级的高低依次进行分级，且将权重数量级相同的通道设置为同一级；

步骤一九、抽取出0级的通道，并将抽取出的0级的通道映射到步骤一四得到的基于相关性约束的通道排序结果中，计算相邻的0级通道的间隔val＝band(i)-band(i+1)，其中，i和i+1分别是第i个和第i+1个0级通道，band(i)和band(i+1)分别表示第i个和第i+1个0级通道在基于相关性约束的排序结果中的通道序号；

设置抽取步长为rate，抽取区间为[rate-pace,rate]，其中pace≤rate/4；若相邻的0级通道的间隔val满足：rate＜val＜2*rate，则以第i个0级通道为原点，在距离原点rate内，在距离原点的距离为[rate-pace,rate]的抽取区间内，抽取优先级最高的通道中权重最大的通道；若相邻的0级通道的间隔val满足：2*rate＜val＜3*rate，则以第i个0级通道为原点，在距离原点rate内，在距离原点的距离为[rate-pace,rate]的抽取区间内，抽取优先级最高的通道中权重最大的通道作为辅助通道，并再次以距离原点rate的通道为原心，在距离原点的距离为[rate-pace,rate]的抽取区间内，抽取优先级最高的通道中权重最大的通道作为辅助通道；

以此类推，在相邻的0级通道间隔val的每一个抽取步长内，均抽取一个优先级最高的通道中权重最大的通道，直至所有相邻的0级通道之间均抽取完成；

将抽取出的全部0级通道和抽取出的相邻0级通道之间的辅助通道作为面向同化应用及压缩所需要的关键信息通道；

步骤一十、面向同化应用及压缩所需要的关键信息通道对应的数据为Y(R,C,b)，将数据Y(R,C,b)分为k个2×2×b大小的数据块，则每个数据块在空间维有4个像素点，在光谱维有b个通道，在空间维上，则为4个由b个光谱通道中相应像素点构成的像素矢量X⁰，k＝(R×C)/4；选取每个数据块中信息熵最大的光谱矢量，得到关键性数据子集Z(r,c,b)，(r,c)为关键性数据子集的空间大小；

步骤二、采用基于主成分分析的超光谱图像压缩方法对步骤一获得的关键性数据子集Z(r,c,b)进行无损压缩，得到关键性数据子集的压缩码流；

步骤三、对步骤一的关键性数据子集Z(r,c,b)进行空间维重建预测得到Y′(R,C,b)；再对Y′(R,C,b)进行光谱维重建预测，得到与X(R,C,B)相同维度的预测数据X′(R,C,B)，并计算预测残差ΔX；

步骤四、利用预测残差ΔX进行残差通道间预测和残差通道内预测，并对预测结果进行取整和正值化，得到新的预测残差ΔY；

所述步骤四的具体过程为：

步骤四一、预测残差ΔX中的当前通道数据为X_i，利用与当前通道数据X_i相邻的已预测的n_p个通道的数据X_p的线性组合来预测当前通道内数据

其中，代表待预测的当前通道中的二维残差数据转换成一维矢量后的预测结果，X_P是待预测通道前n_p个相邻已预测残差通道转换成一维矢量后组成的矩阵；C是预测系数，预测系数C通过公式(2)计算：

则通道间预测结果(·)^T代表转置，(·)^-1代表矩阵的逆；

步骤四二、对通道间预测结果ΔX′进行通道内预测，对于非边缘数据，利用与当前待预测值相邻位置的三个数值预测当前数值，预测公式为公式(3)：

其中：e表示当前待预测位置经过通道内预测得到的新的预测残差，s_{(i″,j″,k″)}表示第i″行第j″列第k″通道的数据的像素值；i″_max和j″_max预测分别代表行数和列数的最大值；

对于边缘数据采用相邻像素相减的方式预测，预测公式为公式(4)：

对于顶点数据预测则保留原始值：

e＝s_{(i″,j″,k″)},i″＝i″_max,j″＝j″_max； (5)

经过预测，得到预测后的残差数据ΔX″；

步骤四三、对步骤四二的预测结果ΔX″取整得到整数化的残差数据ΔX₁，取整方式为向下取整、向上取整或四舍五入；

步骤四四、根据公式(6)将取整得到的ΔX₁进行正数映射，使所有的预测系数一一映射到新的正数集，得到新的预测残差ΔY；

步骤五、采用多级树集合分裂方法对ΔY进行有损编码，或采用区间编码对ΔY进行无损编码，得到预测残差的输出码流。

2.根据权利要求1所述的基于关键信息保护的超光谱大气红外遥感图像压缩方法，其特征在于，所述步骤三的具体过程为：

步骤三一、采用双三次插值方法对关键性数据子集Z(r,c,b)进行空间维度重建预测，得到空间维重建预测结果Y′(R,C,b)；

步骤三二、输入空间维重建预测结果Y′(R,C,b)，对空间R×C个数据点的光谱数据依次进行重建，得到与X(R,C,B)相同维度的重建数据X′(R,C,B)，计算得到预测残差ΔX＝X(R,C,B)-X′(R,C,B)。