[发明专利]一种基于量化ICA的超光谱大气红外遥感图像无损压缩方法

摘要

本发明提供一种基于ICA的超光谱大气红外遥感图像无损压缩方法，本发明为了解决现有的遥感图像压缩方法不适用于超光谱大气红外遥感图像处理过程的问题，而提出一种基于ICA的超光谱大气红外遥感图像无损压缩方法，包括：将三维超光谱数据转换成二维矩阵，并进行处理。求出ICA变换的分离矩阵，再求得ICA变换系数矩阵；然后对变换系数矩阵和独立成分矩阵进行量化得到矩阵AQ和YQ，再对矩阵AQ和YQ进行反量化和逆ICA得到的结果与原图做差，得到残差矩阵D，对AQ和YQ进行预测得到残差矩阵AQP和YQP。最后对三个残差矩阵D、AQP和YQP进行区间编码得到压缩码流。本方法能够对超光谱大气红外遥感图像进行有效的压缩，取得较高的压缩比。

主权项

一种基于量化ICA的超光谱大气红外遥感图像无损压缩方法，其特征在于，步骤一、三维超光谱大气红外遥感图像数据大小为M×N×L，波段通道总数为L个，将其转化为L行M×N列的矩阵X，其中矩阵X的每一行代表一个光谱维的图像数据；再求数据矩阵X各行向量中所有元素的平均值，并对X进行零均值处理得到步骤二、对进行白化处理，得到白化后的结果矩阵Z，矩阵Z的大小为L×(M×N)；步骤三、求解分离矩阵U，并进一步得到独立成分矩阵Y以及ICA的变换系数矩阵A；步骤四、对独立成分矩阵Y以及ICA的变换系数矩阵A进行量化，分别得到YQ矩阵和AQ矩阵，设定s表示量化级别的数目，量化公式为：q=round(d-dmin(dmax-dmin)/(2s-1))]]>其中，q表示量化索引，d为量化输入的实际数据值，dmax和dmin分别是实际输入的数据中的最大值和最小值，(dmax‑dmin)/(2s‑1)表示量化的步长大小；round表示取整；由矩阵A量化得到AQ矩阵的过程为：将矩阵A中的各个元素作为d带入至量化公式中得到量化索引q，再将每一个元素计算得到的量化索引q构成矩阵得到YQ矩阵；在对量化后的独立成分矩阵Y和ICA的变换系数矩阵A进行反量化得到矩阵和再通过逆ICA变换，即计算得到恢复后的数据矩阵再将其与白化后的矩阵Z做差，得到残差矩阵D；反量化为量化公式的逆运算；步骤五、将量化后得到的YQ矩阵和AQ矩阵按照步骤一中相反的方式还原成三维数据形式；还原后的数据大小为nx×ny×nl，用i,j,k分别代表数据所在的行、列以及光谱位置，则得到还原后的数据用c′i,j,k表示，通过以下的公式对其进行预测得到预测结果c^i,j,k=median(ci-1,j,k′,ci,j-1,k′,ci-1,j,k′+ci,j-1,k′-ci-1,j-1,k′)]]>其中median函数表示取中值；1＜i≤nx,1＜j≤ny,1≤k≤nl；然后得到预测误差ei,j,k：ei,j,k=c^i,j,k-ci,j,k′]]>按照以下三个公式进行计算和更新：ei,1,k←ei,1,k‑ei‑1,1,ke1,j,k←e1,j,k‑e1,j‑1,kei,j,k←ei,j,k‑ei,j,k‑1其中，1＜i≤nx，1＜j≤ny，1＜k≤nl；箭头表示将箭头右侧式子的运算结果赋值给箭头左侧的值；最后将所得的三维预测误差ei,j,k所构成的矩阵按照步骤一中的方式重新构造成二维形式，得到YQ矩阵预测后的结果矩阵YQP矩阵，AQ矩阵预测后的结果矩阵AQP矩阵；步骤六、将待编码数据进行区间编码，所述待编码数据包括残差矩阵D、YQP矩阵和AQP矩阵，产生的码流中加入4个辅助信息，分别是ICA的独立成分数num、量化步长q和最小值dmin、以及各个光谱段的均值数据形成最终的压缩码流，完成压缩。