[发明专利]基于量化策略的含云遥感图像压缩方法

说明书

本发明公开了一种基于量化策略的含云遥感图像压缩方法，主要解决现有技术无法保留薄云覆盖区域的地物信息、编码消耗较大的问题。其方案是：对含云遥感图像和云掩膜图像的边界进行拓展，并对云区域进行下采样和插值；计算含云遥感图像感兴趣区域近似中位数；获取标记不同云区域的灰度掩膜与标记不同云区域内外边缘的灰度图像；依据云掩膜图像对含云遥感图像的云区域进行量化处理；结合云区域内、外边缘灰度图像对云区域量化后的图像进行边界平滑；将平滑后图像中所有像素点的值减去一个中位数，再进行压缩编码，将码流发送给接收端；接收端解码码流，得到恢复图像。本发明减少了编码消耗，能部分保留薄云覆盖区域的信息，可用于含云图像的传输。

技术领域

本发明属于图像处理技术领域，更进一步涉及含无效云区域的遥感图像高效压缩方法，可用于各种含云遥感图像的传输与处理。

背景技术

高分辨率遥感技术的快速发展，使星地图像传输带宽与遥感图像数据量之间的矛盾不断加剧，为了传输和处理获取的图像，需要快速且高效的数据压缩算法。然而遥感图像中普遍存在的云区域，占据了大量的存储空间和传输带宽，降低了感兴趣区域数据ROI，即图像中除云区域外的地物区域数据的带宽利用率。因此，研究包含无效云区域数据的图像压缩算法具有重要意义。在诸多文献中，已经提出了几种针对含无效区域图像的压缩算法，主要分为以下两类：

一类方法是对现有压缩框架的内部进行修改，以实现对感兴趣区域的优先编码或跳过无效数据区域，其包括MaxShift方法、Scaling-based方法、形状自适应小波变换SA-DWT方法和形状自适应比特平面编码SA-BPE方法。该MaxShift方法通过提升感兴趣区域系数或抑制无效区域系数实现对感兴趣区域的优先编码；该Scaling-based方法通过对感兴趣区域设置不同的优先级，实现感兴趣区域的优先编码；该形状自适应小波变换SA-DWT方法在数据区域的边界上应用镜像效果进行改进；该形状自适应比特平面编码SA-BPE方法是通过在Tier-1编码级的分数位平面编码器中跳过系数来避免对属于无效数据区域的系数进行编码。

另一类方法是对图像进行预处理，作为现有压缩框架的前端，以尽可能降低无效区域的编码消耗，其包括Phagecyte算法、ADR算法和LEC算法。该Phagecyte算法是利用指定区域窗口内像素的算术平均值填充无效区域，以适应局部图像变化，其在商业GIS中已得到应用；该ADR算法采用感兴趣区域的平均值填充无效区域；该LEC算法是通过局部边缘上下文内的数据平均值填充无效区域，在降低无效区域编码码率的同时也减少了边缘部分的高频信息。

上述第一类方法虽然通过对现有压缩框架内部的修改达到了压缩无效数据区域的目的，但是这类方法仅适合处理感兴趣区域为规则形状的图像，而对于含云遥感图像，云区域的不规则性会导致在各个子带映射过程中感兴趣区域的像素块被视为云像素块，在抑制云区域系数的同时使感兴趣区域系数也降低，影响压缩性能。

相比前者，上述第二类方法在现有压缩框架前对图像进行预处理来降低无效区域的编码消耗，易于实现、可移植性强，而且对感兴趣区域的形状不敏感。对于含有薄云较多的图像，薄云对阳光的反射和折射比较弱，阳光能够部分透过薄云产生反射和折射，因此被薄云覆盖的地方地物信息并没有完全消失。而目前的这些预处理方法均基于填充策略，填充过程中会将云区域的信息全部损失，无法保留薄云下面的地物信息，不能在压缩性能和云区域图像恢复质量之间取得平衡。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于量化策略的含云遥感图像压缩方法，以通过对云区域数据的幅值进行合理量化，提升非云区域的压缩性能，且部分保留薄云覆盖区域的地物信息，实现压缩性能与云区域图像恢复质量的平衡。

为实现上述目的，本发明提出的基于量化策略的含云遥感图像压缩方法，包括以下步骤：

1)图像边界扩展：

输入含云遥感图像I及对应的云掩模图像M，其中I为灰度图像；M为二值图像，感兴趣区域用0表示，云区域用1表示，这两个图像的大小相同；