● 摘要
摘 要随着成像传感器分辨率的不断提高，可见光遥感图像的数据量急剧增加，必须进行高倍图像压缩才能解决日益膨胀的数据量与日显不足的通信带宽之间的矛盾。同普通静态图像相比，可见光遥感图像的纹理较为复杂，图像数据间的相关性较弱，现有的压缩方法在进行高倍压缩时，恢复图像的失真较为明显，影响了对图像的判读和分析。在此背景下，本文对基于小波变换的遥感图像压缩技术进行了深入的研究，围绕小波基构造、小波系数的重要位编码和符号编码三方面开展研究工作，主要研究成果与工作包括以下几个方面。（1）提出了一种最优能量集中双正交小波基的构造和选取方法针对现有小波基对遥感图像能量集中性差，压缩性能不佳的问题，提出了最优能量集中双正交小波基构造算法。通过建立通用的9/7双正交小波数学模型，设计最优能量集中小波基优化构造准则，将双正交小波构造问题转化为二变量最优化问题，利用遗传算法求解，得到了最优能量集中小波基。根据纹理复杂程度相近的遥感图像其最优小波基也相似这一特点，提出了最优能量集中双正交小波基的分类选取方法。该方法按照纹理复杂程度把遥感图像分成三类，分别对每类图像选取一种最优能量集中小波基。实验结果表明，和针对每幅图像构造的小波基相比，使用分类选取的小波基压缩时恢复图像的PSNR值有所下降，但明显超过了经典的DB9/7小波。更为重要的是，分类选取小波基避免了耗时的构造过程，基本不影响图像压缩速度，实用性更强。（2）建立了一种基于子带内和子带间相关性的重要位上下文预测模型现有的重要位编码方法对小波系数之间相关性的利用不够充分，没有更好地减少熵冗余。针对这一问题，本文提出了一种基于子带内和子带间系数相关性的重要位上下文预测模型，该模型利用了子带内的邻居系数和子带间的父系数对待编码系数进行预测。定义了邻居权重和父亲权重以区别邻居系数和父系数的不同预测用途。对于邻居系数，通过权重值刻画在不同方向、不同位平面为重要系数时对待编码系数的概率变化趋势的影响。父系数在不同位平面为重要系数对待编码系数预测作用基本相同，故赋予一个权重值。根据邻居权重和父亲权重对系数进行分类，并通过合并概率分布相似的上下文确定出适合大多数遥感图像的上下文分类方案。实验结果表明，相比JPEG2000标准的重要位上下文预测模型，本文所构造的预测模型能够更加充分地利用小波系数之间的相关性，明显提高了遥感图像的压缩质量。（3）建立了一种适合遥感图像压缩的符号上下文预测模型现有的符号上下文预测模型针对普通图像特点构造，对遥感图像的符号预测效果较差。本文基于边缘上系数符号的正相关和边缘两侧系数符号的负相关特性对遥感图像符号分布特点进行了定性分析，通过对典型遥感图像的统计实验，确定了遥感图像符号分布规律，构造了适合遥感图像压缩的符号上下文预测模型。实验结果表明，本文所提出的符号上下文预测模型的性能比JPEG2000模型有显著提高。（4）设计和实现了遥感图像压缩软件由于小波变换和位平面编码对遥感图像压缩速度影响最显著，为此，本文对小波变换、位平面编码中的小波系数存储、位平面扫描方式和算术编码器等关键环节进行深入分析，并进行了针对性的优化。在优化实现基础上，将本文的研究成果综合在一起设计和实现了遥感图像压缩软件。与JPEG2000的验证模型软件kakadu进行了对比压缩实验，结果表明遥感图像压缩软件不但恢复图像的主客观质量超过了kakadu，而且执行时间也比kakadu显著减少。关键词：遥感图像 图像压缩 双正交小波基 上下文预测模型
相关内容
相关标签