（信号与信息处理专业论文）基于dsp的超光谱图像压缩技术的研究及实现.pdf

论文题目：基于d s p 的超光谱图像压缩技术的研究及实现 专业：信号与信息处理 硕士生：李耀辉 指导教师：吴冬梅 摘要 徽1 壁髋 ( 签名) 垒! 竺竺 ( 签名) 丞垒靼一 超光谱图像在军事和民用领域中的目标分类、目标识别、目标跟踪等方面具有重要 的研究价值和应用意义。随着光谱成像技术的发展，光谱成像仪分辨率的提高，超光谱 图像作为一种重要的数据源，其数据量日益庞大，给存储和传输都带来了巨大的压力。 而到目前为止，一直没有形成一套成熟或标准的超光谱图像压缩技术。因此，对超光谱 图像压缩编码的研究具有重要的应用价值。 由于超光谱图像具有细节丰富，容量大的特点，采用传统的压缩方法都存在不同的 局限性，而要实现超光谱图像这样的大数据量的快速无损压缩就更难了，目前以实现近 无损压缩的研究居多。本文选用以推扫形式获得的超光谱序列图作为研究对象，依据特 殊的图像获取手段带来的独特的图像特征，建立了简单d p c m 谱间预测模型。在处理 预测后得到的残差图像时选用l e g a l l 5 3 整数小波基对其作基于提升的整数小波变换。 该运算只涉及加减法和移位运算，且可以获得完全还原的小波变换系数，能满足易于硬 件实现和无损压缩的要求。本文用c 语言编写了超光谱图像数据读取模块、谱间预测模 块、整数小波变换模块、嵌入式零树编码模块的相关程序，并利用c c s 开发环境和闻 亭公司的t d s 6 4 2 e v m 开发板对所设计编写的算法进行了成功的实测。最后结合c c s 集成开发环境和t d s 6 4 2 e v m 开发板，采取编译器优化、软件流水线技术、数据打包处 理、d m a 技术搬移数据、改进配置和存储空间等方法对算法进行了优化，大大提高了 硬件资源的利用率和系统的实用性。 实验表明使用本系统对5 1 2 x 5 1 2 x 8 b i t 的超光谱图像进行压缩时，平均压缩比达到 1 8 7 8 ，大于j p e g l s 算法和基于k - l 变换的压缩比。解码后得到的重构图像的峰值信 噪比为无穷大，满足超光谱图像无损压缩的要求。在t m s 3 2 0 d m 6 4 2e v m 开发板上， 使用本系统处理一幅5 1 2 5 1 2 8 b i t 的超光谱图像，在算法优化前平均耗时为1 3 2 7 4 s ， 优化后的平均耗时为7 5 6 3 s ，处理速度提高了4 3 4 4 ，优化效果明显。 关键词：超光谱图像；d s p ；图像压缩；d p c m ；小波变换； 研究类型：应用研究 s ub je c t：r e s e a r c ha n dr e a l i z a t i o no fh y p e r - s p e c t r a li m a g ec o m p r e s s i o n b a s e do nd s p s p e c i a l t y ：s i g n a la n di n f o r m a t i o np r o c e s s i n g n a m e ：l i y a o h u i i n s t r u c t o r ：w ud o n g m e i a b s t r a c t ( s i g n a t u r e ) ( s i g n a t u r e ) 厶k i nt h em i l i t a r ya n dc i v i ld o m a i n ，h y p e r - s p e c t r a li m a g e ，h a v i n gb e e na p p l i e di nt a r g e t c l a s s i f i c a t i o n ，t a r g e ti d e n t i f i c a t i o n , t a r g e tt r a c k i n ge t c ，h a si m p o r t a n tr e s e a r c hv a l u ea n dg r e a t a p p l i c a t i o ns i g n i f i c a n c e w i t ht h er a p i dd e v e l o p m e n to ft h er e m o t et e c h n o l o g ya n dt h e e n h a n c e m e n to fr e m o t es e n s o rr e s o l u t i o n ，t h eh y p e r - s p e c t r a li m a g e ，a so n eo ft h em a i n r e m o t es e n s i n gd a t a , w h i c hi n c r e a s e dal o t ，b r i n g si ns e r i o u sp r o b l e m sa b o u tt r a n s m i s s i o na n d s t o r a g eo fh y p e r - s p e c t r a li m a g ed a t a s of a r , o n ek i n do fm a t u r eo rs t a n d a r dh y p e r - s p e c t r a l i m a g ec o m p r e s s i o nt e c h n o l o g yh a sb e e nn o tf a r m e d t h e r e f o r e ，t h er e s e a r c ho nr e m o t e h y p e r - s p e c t r a li m a g ec o m p r e s s i o nc o d i n gh a sg r e a ta p p l i c a t i o nv a l u e b e c a u s eh y p e r - s p e c t r a li m a g eh a sa b t m d a n c ed e t a i la n dg r e a td a t aq u a n t i t y , t h e r ea l w a y s h a ss o m el i m i t si ns o m ed e g r e et oc o m p r e s st h ei m a g ea d o p t i n gt r a d i t i o n a lc o m p r e s s i o n m e t h o d s ，a n di t i sm u c hh a r d e rt oa c h i e v el o s s l e s sc o m p r e s s i o na b o u tt h eh y p e r - s p e c t r a i i m a g e a tp r e s e n t ，m u c ha t t e n t i o nh a sb e e np a i dt ot h en e a r l yl o s s l e s sc o m p r e s s i o nr e s e a r c h i nt h i sp a p e r , t a k i n gt h em o v i n g s c a n n e dh y p e r - s p e c t r a li m a g ea st h es t u d yo b j e c t ，c o m b i n e d w i t ht h ei m a g e su n i q u ef e a t u r ec a u s e db yt h es p e c i a ls h o o t i n gm e t h o d ，as i m p l ed p c m p r e d i c a t i o nm o d e li sb u i l d a n dc h o o s et h el e g a l l 5 3w a v e l e tb a s et or e a l i z et h ei n t e g r a l w a v e l e tt r a n s f o r m a t i o no nt h ed i f f e r e n c ei m a g ef r o mt h em o d e l ，b a s eo ni n t e g r a ll i f t i n g s c h e m et h ea l g o r i t h ma b o v eo n l yr e f e rt os o m ea d da n ds u b t r a c ta n ds h i f to p e r a t i o n s ，a n di t c a nr e b u i l dt h ew a v e l e tt r a n s f o r mc o e f f i c i e n t sp e r f e c t l y a n di ti se a s yt op r e s e n to nt h e h a r d w a r e t h er e l a t e d p r o g r a m w h i c hi n c l u d e s i m a g e - d a t ar e a d i n g m o d u l e ， i m a g e - p r e t r e a t m e n t m o d u l e ，s p e c t r a l - p r e d i c t i o nm o d u l e ，i w tm o d u l e ，a n d e m b e d d e d z e r o - t r e ew a v e l e t sm o d u l eh a v eb e e nc o m p l e t e db yu s i n gt h es t a n d a r dc ，a n dt h ev e r y a l g o r i t h mc o m p i l e df o rt h ed e s i g nh a v ep a s s e dt h et e s tb yu s i n gt h ec c si n t e g r a t e d d e v e l o p m e n te n v i r o n m e n ta n dt h et d s 3 2 0 d m 6 4 2 e v md e v e l o p m e n tb o a r d f i n a l l y , g a t h e r e d t h ec c si n t e g r a t e dd e v e l o p m e n te n v i r o n m e n ta n dt h et d s 3 2 0 d m 6 4 2 e v md e v e l o p m e n t b o a r d ，t h ea l g o r i t h mh a sb e e no p t i m i z e db yu s i n gt h ec o m p i l e ro p t i m i z a t i o n ，s o f t w a r e a s s e m b l yl i n et e c h n o l o g y , d a t a p a c k i n gt e c h n o l o g y , d m a ，i m p r o v e dd i s p o s i t i o na n ds t o r a g e s p a c e ，e t c ，w h i c hh a v er a i s e dt h eu t i l i z a t i o nr a t eo fh a r d w a r es o u r c ea n dt h eu s a b i l i t yo ft h e s y s t e mm u c h t h ee x p e r i m e n t ss h o w st h a tt h ea v e r a g ec o m p r e s s i o nr a t i oo fc o m p r e s sa51 2 x 51 2 8 b i t h y p e r - s p e c t r a li m a g el o s s l e s si sa b o u t1 8 7 8 ，b yu s i n g t h es y s t e mt oc o m p r e s sa51 2 x 51 2 x s b i t h y p e r - s p e c t r a li m a g e t h ee f f e c ti sb e t t e rt h a nt h ej p e g l sa l o g o f i t h ma n d t h ek - it r a n s f o r m c o m p r e s s i o na l g o r i t h m t ot h e2 - di m a g e s t h ep e a ks i g n a l - t o - n o i s er a t i o ( p s n r ) o f r e c o n s t r u c t i o ni m a g e si si n f i n i t ea n ds m i s f i e st h ei m a g eq u a l i t yr e q u i r e m e n t s u s i n gt h e s y s t e ma l g o r i t h mt od e a lw i t ha5 12 512 8 b i th y p e r - s p e c t r a li m a g e s ，u n d e rt h ec o n d i t i o n o ft m s 3 2 0 d m 6 4 2 ，c o s ta b o u t13 2 7 4 s w h e no p t i m i z e d ，t h ea v e r a g et i m ei sa b o u t7 5 6 3 s t h ep r o c e s s i n gs p e e di si m p r o v e db y4 3 4 4 ，w h i c ht h eo p t i m i z i n ge f f e c ti so b v i o u s k e yw o r d s ：h y p e r - s p e c t r a li m a g e d s p i m a g ec o m p r e s s i o n d p c m 鞭骶e l e tt r a n s f o r l n t h e s i s ：a p p l i e dr e s e a r c h 西要料技夫擎 学位论文独创性说明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及 其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含 其他人或集体已经公开发表或撰写过的研究成果，也不包含为获得西安科技大学 或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中做了明确的说明并表示了谢意。 学位论文作者签彩濉翠日期加尹争2 争 学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间 论文工作的知识产权单位属于西安科技大学。学校有权保留并向国家有关部门或 机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课 题冉撰写的文章一律注明作者单位为西安科技大学。 保密论文待解密后适用本声明。 学位论文作者签名孵 指导教师签名：黔诌 叶海孓n 1 绪论 置暑置毒i i i ；i i i i i i i i 葺暑i 暑置暑宣重i 昌置j 暑嗣暑暑置暑鼻置昌置j 置i i 暑置暑i | 宣i i i i 萱暑i i 萱暑宣暑i 置萱暑暑暑葺i i i i 宣宣i i i j i l i 宣宣宣i i i i 1 绪论 1 1 研究超光谱图像压缩的意义 现代空间遥感技术的发展导致传感器空间分辨率、光谱分辨率大幅度提高，这些传 感器投入运行使卫星图像的数据量和计算机处理运算量大幅度增加。通常情况下，超光 谱遥感图像数据量都在几兆、几百兆甚至上千兆字节，图像数据的计算量和机器耗费的 时间随原始数据的大小呈线性增长，尽管计算机技术不断发展，但就目前的计算机处理 能力还难以赶上遥感数据的增加量，因此超光谱遥感图像的大量数据必须经过压缩才能 适应图像传输和存储的需求。所以，数据压缩技术在遥感领域越来越受到重视，尤其是 高速数据实时压缩技术的研究是当前研究的热点。实现超光谱遥感图像的实时压缩，是 我国急待解决的难题，它将在国防及空间系统中发挥越来越重要的作用【1 1 1 2 3 1 。 超光谱遥感图像分辨率高、纹理丰富、信息量大、码速率高，为了适应数据传输和 存储的需要，除了压缩比和失真度外，还特别要求压缩技术的实时性好，可靠性高。但 是，到目前为止一直没有形成一套成熟或标准的超光谱图像压缩技术。超光谱图像的数 据压缩研究依然是国际上非常活跃的研究专题【1 7 】。目前国外的超光谱图像压缩技术经过 数十年的发展，方法各种各样，但各有利弊，都不是真正性能最佳的压缩方法。其中美 国宇航局( n a s a ) 和欧洲空间局( e s a ) 处于领先地位，星载编码压缩比也一直徘徊在 1 5 3 倍左右，其总体水平离卫星应用还有差距，且距离实时性要求很远【2 1 1 。国内也有 不少单位研究图像压缩，如：航天总公司5 0 4 所、北京航空航天大学、哈尔滨工业大学 等，各有所长，但基本都处于研究阶段。因此，研制出适合于超光谱图像数据实时压缩 的方法，满足空间使用条件，具有一定的理论意义和重要的实用价值。 1 2 超光谱图像 1 2 1 成像光谱技术 随着航天光学遥感技术的发展及遥感数据应用的不断深入，人们对地球观测的要求 越来越高，对光学遥感器的要求也越来越高。超光谱图像通过成像光谱仪获得。成像光 谱技术是8 0 年代发展起来的一种新型遥感技术。它是集探测器技术、精密光学机械、 微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。成像光谱技术集光谱 与成像为一体，具有获得高空间分辨率和光谱分辨率、超多波段光谱图像的能力。根据 超光谱图像和地物光谱特征，研究人员可以快速、定量的分析、识别地物类型和确定物 质性质，得到比普通遥感图像更为丰富、准确的信息随m 删。 西安科技大学硕士学位论文 成像光谱仪在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十个 乃至几百个窄波段以进行连续的光谱覆盖，从而形成谱分辨率为波长的1 - - 5 ( 达到纳米 数量级) 的遥感数据。这种数据由于谱分辨率高，通常称为超谱( h y p e r s p e c t r a l ) 数据 ( 也译作高光谱) 或超谱图像，可以用“图像立方体”来形象描述，其中二维表征空间位 置，另外一维表征谱波长，因此说超谱图像中包含了丰富的空间、辐射和光谱信息【1 6 1 1 2 4 】。 1 2 2 超光谱图像 成像光谱图像按照光谱通道数和光谱分辨率的不同，可分为多光谱、超光谱和超高 光谱三类。传统的多光谱( m u l t i s p e c t r a l ) 图像( 如s p o t 和l a n d s a t t m 图像) 等仅包含4 到 7 个离散谱带，而人们感兴趣的地物目标其吸收特性一般只有2 0 - 4 0 n m 的宽度，故当上 述谱带内的地物目标光谱特性相近时，多光谱图像的应用就受到限制。此时必须利用更 多的谱带，通常需要包括几百个谱带，这就是超光谱( h y p e s p e c t r a l ) i 訇像。超光谱图像具 有高光谱分辨率以及较多的光谱通道数，可以从空间对地观测的同时获取众多连续波段 的地物光谱图像，达到从空间直接识别地球表面物质、识别伪装的目的。其光谱通道数 为1 0 0 - 2 0 0 个，光谱分辨率为1 0 n m 1 0 0 n m 。与多光谱图像相比，超光谱图像的突出特 点是谱分辨力明显提高，它的问世是遥感技术应用的一个重大飞跃。由于其具有很高的 谱分辨力，使许多原先用多光谱信息不能解决的问题，现在在超光谱下可以得到解决。 这对利用遥感图像进行目标分类、目标识别、目标跟踪等都具有重要的研究价值和应用 意义 6 1 。由于超光谱图像包含更多的图像信息，是在普通二维图像的基础上又多了一维 光谱信息，因此超光谱图像的数据量更加庞大【7 j 。对超光谱图像进行压缩编码，可节省 传输时占用的信道容量及存储时占用的存储容量，从而提高处理、传输与存储的效率。 因此，对超光谱图像压缩编码的研究具有重要的应用价值。 1 3 图像压缩编码技术 1 3 1 图像压缩编码技术分类 、 图像压缩编码就是要尽可能地消除图像的冗余信息，从而降低表示图像所需的数据 量。冗余量越高，可压缩的程度也越高。针对冗余的类型不同，人们提出了各种各样的 方法来对图像数据进行压缩，随之有各种不同的数据压缩分类方法。根据解码后的数据 与原始数据是否完全一致来进行分类，图像压缩方法被分为无损压缩和有损压缩。分别 又叫做可逆压缩或无失真压缩和不可逆压缩或有失真压缩【4 】。图像的无损压缩算法去除 的仅仅是冗余信息，因此可以在解压缩时精确地恢复原始图像；而有损压缩算法在去除 冗余信息的同时也将部分有用信息删除了，因此只能对原始图像进行近似的重构，而不 是精确的复原。 2 1 绪论 目前应用较多的图像压缩方法主要有： ( 1 ) 预测编码( p r e d i c t i v ec o d i n g ) 预测编码是根据离散信号之间存在着一定的相关性，利用前面的一个或多个信号对 下一信号进行预测，然后对实际值和预测值的差进行编码。预测编码分为帧内预测和帧 问预测两种。 帧内预测：帧内预测编码反映了同一帧图像内，相邻像素之间的空间相关性较强， 因而任何一个像素的亮度值，均可由它相邻的已被编码的像素的编码值来进行预测。帧 内预测编码包括差分脉冲编码调制( d p c m ) 和自适应差分脉冲编码调制( a d p c m ) 。 帧间预测：在m p e g 压缩标准中采用了帧间预测编码，这是由于运动图像各帧之 间有很强的时间相关性。例如在电视图像传送中，相邻帧的时间间隔只有1 3 0 s ，大多 数像素的亮度信号在帧间的变化是不大的，利用帧间预测编码技术就可减少帧序列内图 像信号的冗余。 ( 2 ) 变换编码( t r a n s f o r mc o d i n g ) 变换编码先对信号进行某种函数变换，从信号的一种表示空间变换到信号的另一种 表示空间，然后再变换域上对变换后的信号进行编码，变换编码过程如图1 1 所示。 厂 厂 厂 r _ 厂 输入信号叫映射变换i 斗量化编码 啪储或传输h 解码 h 逆变换卜_ 卅e 复数据 【。一l 。，一1 。一【。j 【。j 图1 1 变换编码过程 典型的变换编码有离散余弦变化( d c t ，d i s c r e t ec o s i n et r a n s f o r m a t i o n ) 、k - l 变换 ( k l t ，k a r h u n e nl o e v et r a n s f o r m a t i o n ) ，以及目前非常流行的小波变换( w t ，w a v e l e t t r a n s f o m a t i o n ) 。 离散余弦变化：它允许8 8 图像的空间表达式转换为频率域，只需要少量的数 据点来表示图像。另外，d c t 算法的性能很好，可以进行高效的运算，因此使它在硬件 和软件中都容易实现【1 4 】。 k l 变换：k l 变换从图像统计特性出发，用一组不相关的系数来表示连续信号， 实现证交变换。k l 变幻使矢量信号的各个分量互不相关，因而在均方误差的准则下， 它是失真量小的一种变换，但由于它没有通用的变换矩阵，因此对于每一个图像数据都 要计算相应的变换矩阵，计算量很大，实际使用较少。 小波变换：小波变换是继离散余弦变换后的一种最具潜力的编码方法。小波变换 对图像的压缩类似于离散余弦变换，都是对图像进行变换，由时域变换到频域，然后再 量化，编码，输出。不同之处在于小波变换是对整幅图像进行变换，而不是先对图像进 行小区域分割。量化技术上也有所不同。离散余弦变换是采用一种与人类视觉相匹配的 矢量量化表，而小波变换则没有这样的量化表，它主要依据变换后各级分辨率之间的自 相似的特点，采用逐级逼近的技术来实现减少数据存储量的目的【5 1 。 3 西安科技大学硕士学位论文 ( 3 ) 算术编码 算术编码提供了一种有效去除冗余度的机制，是到目前为止编码效率最高的统计熵 编码方法，比h u f f m a n 编码效率提高1 0 左右，但由于编码复杂性以及专利权的限制， 所以不像h u f f m a n 编码应用广泛。 ( 4 ) 其它编码 统计编码：如哈夫曼编码，游程长度编码：又称熵编码，根据信息熵原理，让出 现概率大的符号用短的符号表达，反之用长的表示。 矢量量化编码：主要应运在图像、语音信号编码技术中【1 2 】。 子带编码：利用重复卷积的方法分解出高低频分量，然后再进行量化和编码。 分形编码：首先对图像进行分块，然后再去寻找各块之问的相似性，根据相似性 采用一定的压缩方法。 1 3 2 图像压缩编码的发展 图像编码技术的研究一直循着两条主线索在不断展开，一是对图像信源特性的不断 认识；二是对人类视觉系统特性的不断认识。对这两方面的不断深入研究，都推动着图 像编码技术的进步。迄今为止，图像编码技术的发展大体上经历了早期、中期和当前三 个阶段1 2 1 1 3 8 1 。 早期图像编码技术的研究主要致力于去除图像内部的统计相关性。首先发展起来的 是基于信息论的熵编码技术，其代表方法是h u f f m a n 编码、游程编码、算术编码和字典 编码等；后来，人们发现相邻像素之间存在很强的相关性，由此提出了以差分脉冲调制 ( d p c m ) 为代表的各种预测编码方法和各种内插编码方法：在这一阶段的后期，人们摆 脱了无失真编码的限制，开始寻求各种有限失真编码的方案，其代表方法是基于各种块 变换的编码方法，如d c t 变换、k l t 等。 中期图像编码技术的研究主要致力于去除图像的视觉冗余。这一阶段引起广泛关注 的编码方案包括基于方向性滤波的编码、基于图像纹理轮廓的编码和区域基编码。中期 阶段另一个重要成果是混合编码的出现和发展，混合编码的一个直接成果就是j p e g 图 像压缩国际标准的诞生，它融合d c t 变换、视觉加权标量量化和熵编码于一身，达到 了很高的性能指标。在这一阶段还出现了以视觉的空间频域特性为出发点的子带图像编 码技术，它具有多分辨率和渐进传输的特点，对后期小波编码技术的发展有着直接的影 响。 当前图像编码技术的最大特点是引入了新的数学工具和理论，这些数学工具是：小 波理论、分形几何理论、神经网络理论和计算机视觉理论【1 3 】。 小波理论1 47 j 作为数学和工程应用等学科共同研究的技术结晶，在9 0 年代受到众多 领域科技工作者的高度重视，小波理论为各种信号及图像处理方法提供了一种统一的分 4 1 绪论 i _ 一| il 暑| i 暑宣暑置宣置暑i i i i i 宣宣暑暑宣暑暑i 葺暑i i i i i 置罱置i i i i 篁宣暑暑置i | 葺i i 宣葺i 葺i i i 宣暑 析框架，成为当前信号与图像处理等众多领域的研究热点。在图像编码领域，由于具有 描述非平稳信号的独特优点，小波变换可将图像信号分解成不同空间分辨率、不同频域 特征的子带图像信号，这便于在失真编码中综合考虑人的视觉特性，同时也利于图像的 渐进传输。另外，它作用于图像的整体，在有效地去除图像的全局相关性的同时，使量 化误差分散到整个图像中，避免了j p e g 方法带来的“马赛克 方块效应。所有的这些 优势使得它成为一种极有前途的编码方法【1 4 】。 近年来涌现出一些基于小波变换并结合特定的量化和编码方法的压缩算法，普遍能 够在高压缩比下获得比j p e g 更为理想的压缩性能，其中较为突出的是内嵌零树( e z w ) 编码方法、基于分层树集合分匐j ( s p i h t ) 编码方法以及最佳截断嵌入式码块( e b c o t ) 编 码方法【4 】【5 】，在这些研究基础上逐渐形成了j p e g 2 0 0 0 的标准。 1 4 超光谱图像压缩编码技术 1 4 1 超光谱图像压缩编码技术特点 超光谱图像的数据量庞大，难以传输和存储，必须对图像进行压缩。为了有针对性 地对超光谱图像进行数据压缩，收到更好的效果，应首先分析超光谱图像的特征。超光 谱图像的特征最为突出的是图像的相关性。超光谱图像的相关性，可以表现为两个方面： 空间相关性和谱间相关性【8 】【l s l 。 ( 1 ) 空间相关性：指每个谱段内某一个像素与其相邻像素之间的相关性。图像自 相关函数攻助定义为： ，( ，七) = l l f ( x ，y ) 厂( x + ，+ 七) 姗 ( 1 1 ) 其中，俺力为图像的灰度函数，k 分别表示像素点之间行、列位置偏移值。对上式进 行归一化和离散处理，有： 厂( x ，y ) 一1 t s f ( x + l ，y + 后) 一纷】 r ( 1 ，k ) = 型上l 矿可一 ( 1 2 ) 【厂( 石，y ) 一以】2 x = ly f f i l 其中，m ，为图像的大小，辟为图像的亮度的平均值，即： 竹2 砑茜萎善( 而y ) ( 1 3 ) 将l = k = l 时的白相关函数取值r ( 1 ，1 ) ，即相邻两个像素之间的自相关函数的值称为自相 关系数。 ( 2 ) 谱间相关性：是指每个谱段光谱图像的同一空间位置像素有相似性。产生这 种相似性的原因有以下两点：第一，光谱图像的每个波段图像的像素值是相同区域物体 5 西安科技大学硕士学位论文 在各个波段的反射值，它们是具有相关性的，其相关性的强弱在很大程度上取决于光谱 分辨率；第二，由于不同波段的图像所涉及的目标相同，所以它们具有相同的空间拓扑 结构，且相邻谱段图像的结构极其相似，所不同的只是由于不同波段的光辐射强度不 样造成的强度值不同。为了定量分析图像的谱间相关性，我们引入互相关函数办( z ，幼， 其表示式如下： h ( 1 ，后) = f i f ( x + ，y + k ) g ( x ，y ) d x d y ( 1 4 ) 对其归一离散化处理后有： h q ，尼) = mn f ( x + l ，y + k ) g ( x ，少) x = ly = l ( 1 5 ) 其中他，g 分别代表两个光谱图像空间坐标 力的像素灰度，k 分别代表 像素的行、列位置偏移值。当l = k = - 0 ，h ( 0 ，0 ) 称为两个图像的互相关系数。利用公式，选 取若干相邻波段光谱图像的谱间互相关系数进行计算发现，在超光谱图像中，相邻两个 波段的光谱图像间的互相关性是非常强烈的( 详见表3 1 ) 。谱间相关性是超光谱图像特有 的性质，在图像压缩处理过程中应予以重视【4 6 1 。 1 4 2 超光谱图像压缩编码技术的发展现状 超光谱图像压缩就是对其进行去冗余。由上面对超光谱图像的特征分析可知，超光 谱图像主要存在空间相关性和谱间相关性两种，因此研究的重点主要就是围绕如何消除 这两方面的相关性和后期如何编码进行的。 去除谱间冗余的超光谱压缩方法：有k l 变换和d c t ( 离散余弦) 变换及其改进 方案。其中k l 变换去相关性效果比较好，理论上是最佳的。用k l 变换对a v i r s 超 光谱数据实现无损压缩，最大压缩比达到1 5 ：l 。然而k - l 变换有突出的缺点：变换的 基函数需要计算原始数据相关的协方差矩阵和特征矢量，而这些计算在应用中通常是难 以实现的，因此，人们往往利用d c t 变换来代替k - l 变换，d c t 变换不需要图像的统 计特性，计算量小，有快速算法并有专用的d c t 芯片，基本上可以满足实时压缩的要 求 4 9 1 。 去除谱内冗余的超光谱压缩方法有：分块d c t 变换、小波变换、v q 技术等。相对 于其他几种方法，小波变换的方法有其独到的优势，超光谱图像空间相关性较弱，信息 熵较高，小波变换域系数有着很强的局部相关性，且变换后的图像能量集中在低频区域， 方便后期的量化编码。另外，它克服了d c t 变换的方块效应，保留了图像的纹理信息。 并且小波分解和重构算法是循环使用的，易于硬件实现。基于矢量量化技术v q ( v e c t o r 6 1 绪论 q u a n t i z a t i o n ) 的压缩方案，理论上是以信息的高阶熵为下限，在高压缩率和平均最小失 真间获得最佳的折衷，如r y n a 和a n r o l d 提出了用均值归一化v q 技术来实现超光谱图 像的无损压缩，其压缩性能接近理论上的图像最小压缩熵。但是v q 的主要问题是编码 复杂度高，计算量随着矢量维数的增长而呈指数增长，目前，人们也试图在保持较高的 压缩比的前提下，改进算法的复杂度。 另外，同时处理谱间空间相关性的压缩方法也在不断的探索中，有三维预测、三维 d c t 变换、三维w t 变换等，据研究证明，这些压缩方法并不尽如人意，在改善恢复 图像性能上相对于上述的方法要略低一点。另外，还有a t - 3 d s p i h t 算法，是在3 d s p i h t 的基础上通过改进三维分级树结构发展的，这种方法与3 d s p h i t 在相同压缩比时，峰 值信噪比提高o 2 o 8 d b 悸j 。 伴随着数字信号处理器的快速发展，d s p 芯片性能的不断提高，d s p 芯片诱人的超 强运算能力，使其在图像压缩领域备受欢迎。基于d s p 的图像压缩技术成为业内近年 来研究的热点。该类技术已经在医疗图像，视频图像，静止图像，监控系统，模式识别 等方面得到了广泛的研究和应用。 目前，基于d s p 的图像处理研究更多的集中在对一些标准编码的研究和实现上。 如文献【4 5 】使用d m 6 4 2 硬件平台对h 2 6 4 “b a s e l i n e 编码器进行了开发与优化，可以实 现每秒钟2 8 3 8 帧q c i f 格式图像的编码，且视频解码图像具有良好的主客观质量；中 科院长春光学精密机械与物理研究所的陈升来等人，在t m s 3 2 0 c 6 2 0 5 e v m 平台上实现 了基于整数提升小波变换的图像处理算法，达到了每秒处理8 5 帧图像的速度，且重构 图像的p s n r 都达到了4 2 d b 以上h 4 】；华中科技大学的李中峰采用c 和汇编混合编程 方式在c 6 7 1 1 d s k 硬件平台上，实现了j p e g 算法，实际数据表明压缩质量良好，运行 性能接近实时应用一7 1 。陈军波等人在c 6 2 0 1d s p 系统上按j p e g 2 0 0 0 标准得到的医学压 缩图像具有理想的压缩效果，满足医学图像处理的特定要求1 4 8 】。而基于d s p 的门禁识 别系统也已经应用于重要机房门禁管理中了【3 3 】。 超光谱图像自身数据量大，且获取代价高，需要尽可能选择无损或近无损压缩，这 些客观原因使得d s p 也被应用到了超光谱图像压缩处理的研究中来。目前的研究成果 有：中科院西安光学精密机械研究所的陈林节使用f p g a 与c 6 4 1 6 d s k 做硬件平台，采 用k - l 变换与3 d s p i h t 算法相结合的编码方式对多光谱图像进行压缩，得到了令人满 意的结剁矧。还有陈升来在t m s 3 2 0 c 6 2 0 5 上进行了基于小波变换的遥感图像压缩的研 究，可以将光谱图像的压缩率增至4 ：1 ，并且保证了p s n r 在3 0 d b 以上，满足图像质 量的要求1 4 9 1 。还有许多实例表明基于d s p 的超光谱图像压缩技术的研究已是该领域的 热点。 截止到当前，基于d s p 的图像压缩技术中，主要以变换编码和熵编码为主。前者 是采用能量集中的办法实现数据压缩，并根据是否在变换过程中丢失高频能量来界定有 7 西安科技大学硕士学位论丈 损压缩还是无损压缩的；而后者是根据信息发生概率分布特性进行编码的，是无损压缩 编码。在超光谱图像压缩系统中，一般采用传统的预测编码( d p c m ) 方法，这样不用 变换，直接分析像素间和谱段间的相关性。一般在谱间使用预测编码，谱段内使用变换 编码，去掉谱段间和像素问的相关性，实现数据压缩【1 9 1 。 d s p 硬件的特点是采用算法简单的加法和移位运算。基于d s p 的压缩算法如果需 要保持较高的编码效率，则要尽可能采用运算简单，避免乘法、查找和判断的算法，尽 量保持软硬件的流水线结构。 1 5 论文工作简介 1 5 1 研究目标 针对超光谱图像获取代价高，信息重要以及在实际应用中对图像实时处理的高要 求。本课题的研究目标为： ( 1 ) 针对超光谱遥感图像的特点，结合前人经验设计易于硬件实现的无损压缩算 法。在实现无失真恢复原图像的基础上，尽可能提高压缩比。 ( 2 ) 将所设计的压缩算法在t m s 3 2 0 d m 6 4 2 e v m 板实现，结合硬件特点充分利用 其快速运算的优势和结构特点优化算法，提高压缩系统的实时性能。 1 5 2 论文内容 本文共分五章。 第一章综述了超光谱图像的特点及研究其压缩编码的意义、详述了图像压缩编码分 类和发展现状，以及超光谱图像的特点和研究现状，为后期的压缩方案的制定指明研究 方向。 第二章简要介绍了本压缩系统在编码过程中需要用到的编码方法的基本原理。 第三章主要针对推扫超光谱图像独特的结构特点，建立了易于硬件实现的简单 d p c m 预测模型的谱间压缩系统和基于提升的整数小波变换和嵌入式零树小波编码为 核心的空间压缩系统，并在软件仿真环境下对两个压缩系统做了定量的分析。 第四章首先介绍了本文的算法在d s p 上的实现，讨论了实现过程中容易遇到的问 题及解决方法，详细阐述了所采用的优化方法。最后用实验获得的数据和图像信息对整 个系统性能指标做出了评价。 第五章对论文工作进行总结，提出需要改进之处并展望了后期的研究工作。 8 2 压缩系统算法原理 2 1 预测编码 2 压缩系统算法原理 预测编码( p r e d i c t i o n c o d i n g ) 是统计冗余压缩理论的三个重要分支之一，其理论 基础是现代统计学和控制理论。预测编码的基本原理是，根据某一模型利用已知样本值 对待测样本值进行预测，然后将样本的实际值与其预测值相减得到一个误差值，对这个 误差值进行编码。如果模型足够好且样本相关性较强，则误差信号的幅度将远远小于原 始信号，从而可以用较少的电平类对其差值量化得到较大的数据压缩结果【5 0 】。根据已知 样本和待测样值之间的位置关系，预测编码分为【1 3 】：一维预测( 行内预测) 、二维预测 ( 帧内预测) 和三维预测( 帧问预测) 。 预测编码的算法有多种，在图像编码中常用的是d p c m 方法。本章着重介绍这种 方法。d p c m 编码是目前被广泛使用的图像压缩编码方法之一，它是利用马尔可夫模型， 用已经扫描过的像素来预测当前的像素值，然后以当前像素的值与预测的差值作为样本 进行传输和存贮。 2 2d p c m 基本原理 1 9 5 2 年贝尔( b e l l ) 实验室的b m o l i v e r 等人开始了线形预测编码理论的研究。同 年，该实验室的c c c u t l e 取得了差值( 或差分) 脉冲编码调制( d p c m ，d i f f e r e n t i a lp u l s e c o d em o d u l a t i o n ) 系统的专利，奠定了真正使用的预测编码系统的基础【1 3 】【3 n 。d p c m 的 一个重要特征就是算法简单，易于硬件实现。d p c m 系统的原理见图2 1 。 图2 1d p c m 系统基本构成原理框图 在该系统中，在t n 时刻x n 进入系统，先与预测值x n 相减，得到预测误差e n ，经 过量化器量化为数字序列e n7 ，经信道传送。并且e n7 与x n7 相减得到x n ”，将其作为预 测器的下一次输入，按照线形预测原理求出所需要的下一个预测值。而在解码时，是将 解码后得到的e n 序列与解码端的预测值x n7 相加，得到再现序列x n 。同时，再将此序 列输入到预测器中，得到解码端的下一个预测值。由于预测误差的方差大大低于输入序 9 西安科技大学硕士学位论文 列的方差，所以可以用较低的码率在信道中传输，从而实现图像数据的压缩。 图中的x n 为图像信号在t n 时刻的取样值。预测器利用t n 时刻之前的样本值x i ，x 2 ， x n 1 对x n 作预测，得到预测值琳7 。如果预测方案中的预测系数是固定不变的常数，则 称为线形预测，这时有 一1 矗= q 觚 ( 2 1 ) l = 1 x n 与x n 之间的误差为 e n = h h( 2 2 ) 量化器对e n 进行量化得到e n7 。编码器对e n7 进行编码发送。收端解码时的预测过 程与发端相同，所用预测器亦同。收端恢复的输出信号x n 是x n 的近似值，两者的误差 是： a x = x 一五，= x 一( h + ) = p m e n ( 2 3 ) 当a x 足够