[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

说明书

基于关键信息保护的超光谱大气红外遥感图像压缩方法，涉及遥感图像压缩领域，本发明是为解决以往的图像压缩技术未能考虑到超光谱图像自身空谱特点和物理特性，也未能考虑压缩效率的同时兼顾同化应用流程的问题。本发明采用基于信息容量和相关性约束的通道选择方法和基于信息熵的空间下采样方法抽取关键信息，再利用关键信息进行三维分组重建预测并获得预测残差，再对残差进行预测、正值化处理，最后对关键信息和预测残差进行区间编码得到压缩码流。本方法能有效压缩超光谱大气红外遥感图像，而且保护了关键信息部分，兼顾了同化应用处理流程，对关键性数据子集无损压缩且优先传输，与非关键的数据残差部分分开编码，便于数据后续处理和同化计算。

技术领域

本发明涉及遥感图像压缩领域，具体涉及一种超光谱大气红外遥感图像压缩方法。

背景技术

随着星载超光谱探测器的发展，越来越多的超光谱探测仪(ultraspectralsounder)，也称超光谱红外大气探测仪或大气红外探测仪出现，它们向着更高的光谱分辨率发展，使人们对地球大气的观测越来越细致和精确,从而探测信息的数据量也随之越来越大，无论是在星上还是在星下，对于探测信息的存储和传输是在数据应用过程当中必然面对的问题。因此，为达到快速传输超光谱大气红外遥感图像数据，对其进行压缩以减少数据存储空间是必要的。

巨大的数据量带来的不仅是数据传输和存储上的问题，还给数据处理和应用带来了极大的计算负担。在数据应用方面，超光谱大气红外探测数据携带丰富的大气状态变量信息，不同光谱通道对不同物理参量的敏感程度不同，因此，在数据应用于同化系统之前，都需要进行辐射抽稀处理，提取出感兴趣的物理信息。

近年来，对超光谱大气红外遥感图像数据的有效压缩研究大多数依旧沿用已经成熟的对地高光谱图像数据的压缩方法。但是，超光谱大气红外图像有其相应的特点，其光谱分辨率要高于对地高光谱图像一个数量级，但其空间分辨率却比对地高光谱要低，并且其具有明显的分段特性等，而以往的图像压缩技术未能考虑到超光谱图像自身空谱特点和物理特性，而且，以往的压缩方法也未能在考虑压缩效率的同时兼顾同化应用，未充分利用同化应用前的辐射抽稀流程。

发明内容

本发明的目的是为了解决以往的图像压缩技术未能考虑到超光谱图像自身空谱特点和物理特性，也未能在考虑压缩比的同时兼顾同化应用流程的问题。

一种基于关键信息保护的超光谱大气红外遥感图像压缩方法，包括，

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)；

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；