[发明专利]基于支持向量回归的光谱图像无损压缩方法

摘要

本发明属于光谱遥感技术领域，提供了基于支持向量回归的光谱图像无损压缩方法，包括如下步骤：(1)导入原图像；(2)选择聚类算法，对光谱图像进行分类预处理，获得相应的聚类索引；(3)选择预测算法，进行预测模型的设计，依据得到的聚类索引和预测模型，对整幅光谱图像的每个像素进行预测，得到预测图像；(4)对原图像和预测图像进行做差得残差图像；(5)对残差图像采用算术编码，同时对经预测模型预测时得到的预测系数及聚类算法获得的聚类索引进行编码，得到码流文件。该发明通过对读入的图像进行聚类，对每类分别建立预测模型，对残差图像及边信息进行编码的方式，实现基于支持向量回归的光谱无损压缩，达到较好的无损压缩效果，预测准确度高，残差小。

主权项

1.基于支持向量回归的光谱图像无损压缩方法，其特征在于：包括如下步骤：(1) 导入光谱图像，即原图像；(2) 选择聚类算法，对光谱图像进行分类预处理，获得相应的聚类索引；(3) 选择预测算法，进行预测模型的设计，依据步骤(2)得到的聚类索引和本步骤所产生的预测模型，对整幅光谱图像的每个像素进行预测，得到预测图像；(4) 对原图像和预测图像进行做差得残差图像；(5) 对残差图像采用算术编码，同时对经预测模型预测时得到的预测系数及聚类算法获得的聚类索引进行编码，得到码流文件；所述步骤(2)的具体过程包括如下步骤：(2a) 选择聚类算法，根据要聚类的数目，随机选择K 条不同的谱线作为初始的聚类中心；(2b) 计算每条谱线与每一聚类中心的欧式距离，将每条谱线分给离它最近的聚类中心所对应的类；(2c) 计算每一类中所有谱线的平均值作为新的聚类中心；(2d) 重复步骤(2b)和步骤(2c)，直到新的聚类中心与上一次的聚类中心完全一致,则获得的此新的聚类中心即为聚类索引；所述步骤(3)的具体过程包括如下步骤：(3a) 利用步骤(2)得到的聚类索引，对每一类训练预测模型，设定预测阶数；(3b) 由步骤(2a)改变不同的聚类数目，重复步骤(3a)，得到最佳的聚类数目；(3c) 根据选择不同的预测阶数，得到不同的压缩效果，最终得到最优结果；所述步骤(3a)的具体过程包括如下步骤：(4a) 利用步骤(2)得到的聚类索引开始对每一类训练预测模型；(4b)判断预测的当前波段是否是第一波段，如果是进行步骤(4c)，否则进行步骤(4d)；(4c) 对第一波段的光谱图像进行带内预测，采用JPEG‑LS算法；(4d) 对除第一波段外的其他波段光谱图像采用带间预测，如果当前波段数小于预测阶数则进行步骤(4e)，否则进行步骤(4f)；(4e) 对当前波段的像素进行预测时，利用当前波段前面的所有波段，进行步骤(4g) ；(4f) 对当前波段的像素进行预测时，利用当前波段的前n波段，进行步骤(4g)；(4g) 利用支持向量回归建立预测模型；所述步骤(4g)的具体过程包括如下步骤：(5a) 准备支持向量回归的训练样本；(5b) 采用网格搜索的方式进行参数优化，得出最优参数对应的支持向量回归模型；(5c) 将步骤(5b)得到的最优参数对应的支持向量回归模型变形得到普通多元回归形式的预测模型；(5d) 利用步骤(5c)产生的普通多元回归形式的预测模型进行预测。