王柯儼，宋 娟，李云松，郭 杰

?

基于配準(zhǔn)和二次碼率控制的光譜圖像壓縮

王柯儼1，宋 娟2，李云松1，郭 杰1

(1. 西安電子科技大學(xué)綜合業(yè)務(wù)網(wǎng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 西安 710071；2. 西安電子科技大學(xué)軟件學(xué)院 西安 710071)

提出一種基于“譜間預(yù)測(cè)+JPEG-LS”框架的星上未配準(zhǔn)多光譜圖像壓縮方法。首先結(jié)合壓縮方案，提出基于譜段重排的整像素譜段配準(zhǔn)預(yù)處理算法，將譜段重排與譜段配準(zhǔn)有機(jī)結(jié)合，顯著提高了譜間相關(guān)性和壓縮性能；其次提出基于二次迭代調(diào)整的碼率控制算法，保證輸出碼率在接近目標(biāo)碼率的前提下嚴(yán)格低于目標(biāo)碼率，更好地滿足固定鏈路帶寬的要求。實(shí)驗(yàn)表明該壓縮方法兼容無(wú)損和有損壓縮，壓縮性能優(yōu)于其他方法，且算法實(shí)現(xiàn)簡(jiǎn)單。

譜段重排; 譜段配準(zhǔn); 多光譜圖像壓縮; 碼率控制

多光譜圖像是由多光譜相機(jī)對(duì)同一地物在多個(gè)不同譜段上成像所獲取的一種三維立體遙感圖像。由于它同時(shí)包含了地物目標(biāo)的空間信息和光譜信息，已被廣泛應(yīng)用于資源勘探、目標(biāo)識(shí)別、環(huán)境保護(hù)等領(lǐng)域。隨著分辨率的不斷提高，星上多光譜圖像數(shù)據(jù)量越來(lái)越大，必須采用高性能、低復(fù)雜度的壓縮方法對(duì)其進(jìn)行有效地壓縮，以降低圖像傳輸和存儲(chǔ)的壓力。根據(jù)地面應(yīng)用對(duì)重建圖像質(zhì)量的要求，一般應(yīng)對(duì)多光譜圖像進(jìn)行無(wú)損壓縮或者4倍以下的低倍有損壓縮。而現(xiàn)有的壓縮方法都是針對(duì)已配準(zhǔn)多光譜圖像，如預(yù)測(cè)編碼[1-2]、變換編碼[3]或矢量量化[4]等，尤其是“譜間預(yù)測(cè)+JPEG-LS”的預(yù)測(cè)編碼方法[5]，兼具良好的無(wú)損及近無(wú)損壓縮性能以及很低的復(fù)雜度，可以同時(shí)滿足星上壓縮和地面處理的應(yīng)用要求。但是上述方法不能直接應(yīng)用于未配準(zhǔn)的星上原始多光譜圖像，這是因?yàn)椋?/p>

第一，盡管理論上多光譜圖像的各譜段之間應(yīng)該是嚴(yán)格配準(zhǔn)的，即不同譜段同一位置處的像素完全對(duì)應(yīng)同一地物，此時(shí)多光譜圖像應(yīng)具有較強(qiáng)的譜間相關(guān)性，但實(shí)際上由于受到衛(wèi)星傳感器、成像平臺(tái)、成像條件、處理水平等因素的影響，導(dǎo)致星上所獲取的原始多光譜圖像的各譜段之間并沒有完全配準(zhǔn)[6]，大大降低了其譜間相關(guān)性，導(dǎo)致譜間預(yù)測(cè)性能變差，整體壓縮性能不如單譜段獨(dú)立壓縮。若想提高譜間相關(guān)性、改善壓縮性能，可以利用譜段配準(zhǔn)技術(shù)[7]對(duì)多光譜圖像進(jìn)行在軌配準(zhǔn)預(yù)處理；但現(xiàn)有的配準(zhǔn)方法[8-10]并不是以壓縮為目的，而是在地面對(duì)多光譜圖像進(jìn)行高精度甚至亞像素級(jí)的配準(zhǔn)，來(lái)提高圖像融合、超分辨率重建等處理的性能。這些算法往往復(fù)雜度過(guò)高，并且缺乏與壓縮方法的緊密結(jié)合，不適合于壓縮星上未配準(zhǔn)的多光譜圖像。

第二，針對(duì)JPEG-LS算法，由于該算法只能控制重構(gòu)圖像的失真，而不能控制壓縮碼率，而在實(shí)際的星載有損壓縮應(yīng)用中，需要根據(jù)鏈路帶寬和存儲(chǔ)空間來(lái)嚴(yán)格控制壓縮碼率，即實(shí)際碼率應(yīng)小于目標(biāo)碼率，否則會(huì)發(fā)生數(shù)據(jù)溢出，導(dǎo)致解碼錯(cuò)誤。已有的JPEG-LS碼率控制方法[11]的實(shí)際碼率常常在目標(biāo)碼率附近上下浮動(dòng)，不能總小于目標(biāo)碼率，無(wú)法滿足固定鏈路帶寬的要求。

針對(duì)上述問題，本文以譜間一階線性預(yù)測(cè)和JPEG-LS算法為基礎(chǔ)，提出一種無(wú)損/有損兼容的星上未配準(zhǔn)原始多光譜圖像的壓縮方案。首先提出基于譜段重排的整像素譜段配準(zhǔn)預(yù)處理算法，該算法與壓縮方案緊密結(jié)合，通過(guò)聯(lián)合譜段重排與譜段配準(zhǔn)，不僅顯著地提高了譜間相關(guān)性，而且算法實(shí)現(xiàn)簡(jiǎn)單；其次提出基于二次迭代調(diào)整的JPEG-LS碼率控制算法，解決了實(shí)際碼率不能總小于目標(biāo)碼率的問題，可以更好地滿足固定鏈路帶寬的要求。

1 整體壓縮方案

本文提出的壓縮方案如圖1所示。首先對(duì)輸入的星上未配準(zhǔn)多光譜圖像進(jìn)行基于譜段重排的整像素譜段配準(zhǔn)預(yù)處理，以提高后續(xù)預(yù)測(cè)編碼中參考譜段和當(dāng)前編碼譜段的譜間相關(guān)性；然后分別對(duì)配準(zhǔn)后的多光譜圖像進(jìn)行譜內(nèi)預(yù)測(cè)和空譜預(yù)測(cè)，通過(guò)模式選擇采用最優(yōu)的預(yù)測(cè)方式，進(jìn)一步改善壓縮性能；最后對(duì)殘差圖像進(jìn)行無(wú)損或有損壓縮。無(wú)損壓縮直接采用JPEG-LS無(wú)損編碼方法；對(duì)于有損壓縮，由于參考譜段和各預(yù)測(cè)殘差的能量分布不均，需要先根據(jù)能量來(lái)分配各譜段的目標(biāo)碼率，使整體壓縮性能達(dá)到最優(yōu)，而后采用基于二次迭代調(diào)整的JPEG-LS碼率控制算法，使得實(shí)際碼率在不超過(guò)目標(biāo)碼率的基礎(chǔ)上，盡量逼近目標(biāo)碼率。

圖1 整體壓縮方案框圖

2 基于譜段重排的整像素譜段配準(zhǔn)預(yù)處理

譜段配準(zhǔn)通常會(huì)選定一個(gè)譜段作為基準(zhǔn)譜段，利用某一種配準(zhǔn)模型，將其余譜段一一對(duì)齊到基準(zhǔn)譜段上。常用的配準(zhǔn)方法包括：基于灰度信息的配準(zhǔn)方法[8]、基于變換的配準(zhǔn)方法[9]以及基于特征的配準(zhǔn)方法[10]等。盡管這些方法可以獲得亞像素級(jí)的配準(zhǔn)精度，但是由于其復(fù)雜度過(guò)高，難以滿足星上壓縮的低復(fù)雜度要求；并且這些方法不以提高壓縮性能為目的，缺乏與壓縮算法的結(jié)合，如在編碼框架下如何選擇譜段配準(zhǔn)模型和基準(zhǔn)譜段等，因而不適合于星上未配準(zhǔn)多光譜圖像的壓縮。

本文從壓縮的角度出發(fā)，分析并提出一種基于譜段重排的整像素譜段配準(zhǔn)預(yù)處理算法，采用線性平移譜段配準(zhǔn)模型(僅考慮整像素平移)，以歸一化互信息作為相似性測(cè)度，算法簡(jiǎn)單，滿足星上壓縮的要求。

2.1 適合壓縮的譜段配準(zhǔn)模型

衛(wèi)星(如HJ-1A/B)所搭載的多光譜相機(jī)通常采用CCD線陣掃描方式，其獲取的原始多光譜圖像的各譜段之間不可避免地存在偏移[7]。文獻(xiàn)[7]根據(jù)相機(jī)成像原理對(duì)譜段配準(zhǔn)模型進(jìn)行了詳細(xì)的分析，嚴(yán)格來(lái)講配準(zhǔn)模型是非線性的，故論文采用多階非線性模型，并獲得了0.1像素級(jí)的配準(zhǔn)精度。但是，一方面非線性模型過(guò)于復(fù)雜，實(shí)際中大部分譜段之間的偏移關(guān)系近似為線性；另一方面，就壓縮性能而言，即使配準(zhǔn)精度從整像素提高到亞像素(大大增加了復(fù)雜度)，壓縮性能的改善卻并不明顯，而且亞像素配準(zhǔn)中往往需要進(jìn)行插值，會(huì)給壓縮過(guò)程引入額外的誤差，不利于配準(zhǔn)圖像的壓縮。因此考慮到星上壓縮的要求，本文采用如下的整像素線性平移譜段配準(zhǔn)模型：

考慮到各譜段間的偏移量變化較小，并且在同一譜段內(nèi)近似為常數(shù)[7]，因此在譜段配準(zhǔn)時(shí)無(wú)需逐點(diǎn)計(jì)算偏移量，而是通過(guò)選擇若干信息量最豐富(即方差最大)的圖像塊來(lái)進(jìn)行配準(zhǔn)，這樣可以在保證配準(zhǔn)精度的前提下降低算法的復(fù)雜度。由于配準(zhǔn)偏移量?jī)H在水平或垂直方向，且是整像素級(jí)的，其求解過(guò)程可以采用簡(jiǎn)單的塊匹配搜索算法實(shí)現(xiàn)。在搜索偏移量的過(guò)程中，因?yàn)闅w一化互信息不受多光譜圖像各譜段像素灰度關(guān)系的制約，也不需要對(duì)圖像進(jìn)行分割和預(yù)處理(如特征點(diǎn)提取等)，魯棒性更好，更適合于多光譜圖像，所以本文采用歸一化互信息作為相似性測(cè)度。

2.2 基準(zhǔn)譜段的選擇

譜段配準(zhǔn)是星上多光譜圖像壓縮的預(yù)處理步驟，故基準(zhǔn)譜段的選擇應(yīng)與壓縮方案緊密相關(guān)。下面分析如何選擇基準(zhǔn)譜段。

本文所采用的壓縮方案是基于譜間一階線性預(yù)測(cè)，即根據(jù)參考譜段對(duì)當(dāng)前編碼譜段進(jìn)行線性預(yù)測(cè)，并對(duì)預(yù)測(cè)殘差進(jìn)行熵編碼。由于星上原始多光譜圖像沒有配準(zhǔn)，使得參考譜段和當(dāng)前編碼譜段的相關(guān)性很差，導(dǎo)致預(yù)測(cè)編碼的性能低。在這種情況下，如果以參考譜段為基準(zhǔn)，利用譜段配準(zhǔn)將當(dāng)前編碼譜段對(duì)齊到參考譜段，則可以顯著提高其譜間相關(guān)性，改善預(yù)測(cè)編碼性能。因此，對(duì)于預(yù)測(cè)編碼方案來(lái)說(shuō)，其配準(zhǔn)預(yù)處理中的基準(zhǔn)譜段并不是隨意選取的，而是應(yīng)當(dāng)選取為當(dāng)前編碼譜段的參考譜段。

在預(yù)測(cè)編碼中，通常是按照譜段輸入順序依次編碼，即在編碼當(dāng)前譜段時(shí)，以它的前一譜段作為參考譜段，這是因?yàn)橐话闱闆r下相鄰譜段的相關(guān)性更強(qiáng)，但是對(duì)于未配準(zhǔn)多光譜圖像則不盡然，所以不能直接將前一譜段作為參考譜段并按照原始譜段輸入順序進(jìn)行編碼。為了解決該問題，本文對(duì)文獻(xiàn)[12]提出的基于Prim算法的譜段重排方法進(jìn)行了改進(jìn)，利用譜段重排，為每一個(gè)編碼譜段找到譜間相關(guān)性最強(qiáng)的最優(yōu)參考譜段，并找到一個(gè)更優(yōu)的編碼順序?qū)Ω髯V段進(jìn)行編碼。Prim算法是尋找無(wú)向權(quán)值圖中最小生成樹的經(jīng)典算法[12]。本文方法與文獻(xiàn)[12]方法均以Prim算法為基礎(chǔ)，其主要不同之處在于起始編碼譜段的選擇：文獻(xiàn)[12]直接將輸入的第一個(gè)譜段作為起始編碼譜段；而本文則選擇方差最小的譜段作為起始編碼譜段。

經(jīng)過(guò)上述譜段重排，就可以將最優(yōu)參考譜段選為基準(zhǔn)譜段，從而對(duì)當(dāng)前編碼譜段進(jìn)行低復(fù)雜度的整像素譜段配準(zhǔn)預(yù)處理，不僅可以提高譜間相關(guān)性，進(jìn)而改善預(yù)測(cè)編碼性能，還可以降低譜段配準(zhǔn)算法的復(fù)雜度。需要說(shuō)明的是，由于每個(gè)編碼譜段的最優(yōu)參考譜段通常是不同的，因而本文配準(zhǔn)算法中的基準(zhǔn)譜段不是一成不變的。

2.3 算法描述

本文提出的基于譜段重排的整像素譜段配準(zhǔn)預(yù)處理算法的步驟簡(jiǎn)述如下：

1) 對(duì)輸入的多光譜圖像進(jìn)行譜段重排。

①選擇起始編碼譜段，初始化Prim算法中的無(wú)向權(quán)值圖。

由于起始編碼譜段采用譜內(nèi)預(yù)測(cè)編碼(沒有參考譜段)，其輸出碼率遠(yuǎn)大于其他譜段，而多光譜圖像的譜段數(shù)目較少(比如4個(gè))，此時(shí)起始編碼譜段對(duì)整體編碼性能的影響不能忽略，應(yīng)選擇輸出碼率最小，即信息量最少或熵最小的譜段。但由于熵的計(jì)算量大，而方差在一定程度上也可以反映信息量的大小，為了降低計(jì)算量，本文選擇方差最小的譜段作為起始編碼譜段：

②更新無(wú)向權(quán)值圖，直到所有譜段都被處理過(guò)，輸出最優(yōu)譜段編碼順序，記為{1,2,…,b}，以及相應(yīng)的最優(yōu)參考譜段，記為{1,2,…,a}。

2) 初始化配準(zhǔn)參數(shù)，并設(shè)=2。

3) 以最優(yōu)參考譜段a為基準(zhǔn)譜段，對(duì)當(dāng)前待配準(zhǔn)譜段b進(jìn)行配準(zhǔn)。

①選擇信息最豐富的圖像塊。

將a和b按相同的方式劃分為若干個(gè)互不重疊的塊，選擇a中方差最大的塊作為參考?jí)K，而b中相應(yīng)位置的塊記為當(dāng)前塊。

②搜索配準(zhǔn)偏移量。

在搜索窗口[-,]內(nèi)對(duì)當(dāng)前塊平移，計(jì)算平移后的當(dāng)前塊和參考?jí)K的歸一化互信息，即：

(4)

③對(duì)當(dāng)前待配準(zhǔn)譜段進(jìn)行配準(zhǔn)。

為了不丟失圖像數(shù)據(jù)信息，在配準(zhǔn)時(shí)要將待配準(zhǔn)譜段中平移出去的行或列再循環(huán)移回空白處。

4)=+1，并返回步驟3)，直到所有譜段都被處理完，輸出已配準(zhǔn)多光譜圖像。

由于上述譜段配準(zhǔn)僅針對(duì)參考譜段和當(dāng)前譜段，而經(jīng)過(guò)譜段重排后當(dāng)前譜段和參考譜段的相關(guān)性得到提高，因此在搜索配準(zhǔn)偏移量時(shí)搜索窗口大小可以取較小的值，從而可降低譜段配準(zhǔn)算法的計(jì)算復(fù)雜度。

3 預(yù)測(cè)模式選擇

經(jīng)過(guò)配準(zhǔn)預(yù)處理后，有可能某個(gè)譜段與其參考譜段的相關(guān)性仍然不高，此時(shí)宜進(jìn)行譜內(nèi)預(yù)測(cè)。因此本文在壓縮方案中加入譜內(nèi)/空譜預(yù)測(cè)模式選擇，即比較當(dāng)前編碼譜段在兩種預(yù)測(cè)模式下的預(yù)測(cè)殘差，自適應(yīng)地選擇預(yù)測(cè)殘差方差較小的預(yù)測(cè)模式進(jìn)行預(yù)測(cè)，從而為每個(gè)編碼譜段選擇最優(yōu)的預(yù)測(cè)器，進(jìn)一步提高預(yù)測(cè)性能。

其中譜內(nèi)預(yù)測(cè)采用中值預(yù)測(cè)?？兆V預(yù)測(cè)是指首先利用參考譜段對(duì)當(dāng)前編碼譜段進(jìn)行譜間一階線性預(yù)測(cè)，即：

(6)

式中，、為圖像寬度和高度。然后計(jì)算相應(yīng)的譜間預(yù)測(cè)殘差，再對(duì)進(jìn)行譜內(nèi)中值預(yù)測(cè)。

4 基于二次迭代調(diào)整的碼率控制

為了滿足衛(wèi)星通信對(duì)固定鏈路帶寬的要求，需要精確控制JPEG-LS有損壓縮輸出碼率，且不能超過(guò)目標(biāo)碼率。文獻(xiàn)[11]提出的碼率控制方法首先對(duì)圖像分區(qū)，通過(guò)已編碼區(qū)域的實(shí)際累積碼率和目標(biāo)碼率的累計(jì)偏差量，對(duì)編碼區(qū)域的量化步長(zhǎng)進(jìn)行動(dòng)態(tài)調(diào)整，但是該方法不能保證實(shí)際輸出碼率始終小于目標(biāo)碼率，從而將導(dǎo)致碼流溢出，無(wú)法滿足圖像傳輸中嚴(yán)格的帶寬和存儲(chǔ)限制。

為了解決這一問題，本文提出基于二次迭代調(diào)整的JPEG-LS碼率控制方法，在完成整幅圖像數(shù)據(jù)的第一次基于行調(diào)整的碼率控制后，再返回到最后行對(duì)量化步長(zhǎng)進(jìn)行二次迭代調(diào)整，使得實(shí)際碼率在盡可能接近目標(biāo)碼率的前提下，總小于目標(biāo)碼率。算法描述如下：

1) 參數(shù)初始化。初始化量化步長(zhǎng)Near，若目標(biāo)壓縮比小于或者等于4，則Near=0，否則Near=4；初始化迭代次數(shù)Times=0和迭代次數(shù)門限max=40，初始化行索引=1；

2) 根據(jù)Near值對(duì)輸入第行預(yù)測(cè)殘差數(shù)據(jù)進(jìn)行JPEG-LS量化編碼，得到已編碼數(shù)據(jù)的累積碼率；

3) 對(duì)Near進(jìn)行一次調(diào)整，即計(jì)算已編碼數(shù)據(jù)的累積碼率和目標(biāo)碼率的差值，通過(guò)分析和step的對(duì)應(yīng)關(guān)系對(duì)Near進(jìn)行第一次調(diào)整[11]；

4) 存儲(chǔ)二次迭代調(diào)整所需信息，如果第行屬于倒數(shù)第2至倒數(shù)第1行中的某一行，存儲(chǔ)第行第一次調(diào)整后的Near值，轉(zhuǎn)至下一行，執(zhí)行步驟2)；如果第行是倒數(shù)第+1行，存儲(chǔ)該行的上下文信息CX，轉(zhuǎn)至下一行，執(zhí)行步驟2)；

5 實(shí)驗(yàn)結(jié)果與分析

選取了4幅HJ-1A/B星上原始的未配準(zhǔn)多光譜圖像作為仿真測(cè)試圖像。每幅多光譜圖像均包含紅、綠、藍(lán)和近紅外4個(gè)譜段，圖像的空間分辨率均為1 024×1 024，采用10 bit存儲(chǔ)。配準(zhǔn)算法中搜索窗口大小=16，初始偏移量為[-16,-16]，分塊大小為256×256像素；碼率控制算法中=4。

5.1 配準(zhǔn)前后相關(guān)系數(shù)比較

由表1可見，本文提出的譜段配準(zhǔn)預(yù)處理算法明顯提高了編碼譜段與參考譜段的譜間相關(guān)性，進(jìn)而可以減小編碼譜段的預(yù)測(cè)殘差，提高編碼性能。

表1 配準(zhǔn)前后相關(guān)系數(shù)比較

5.2 無(wú)損壓縮性能比較

為了驗(yàn)證本文提出的譜段配準(zhǔn)預(yù)處理算法對(duì)提高預(yù)測(cè)編碼性能的作用，比較本文算法采用和不采用譜段配準(zhǔn)得到的無(wú)損壓縮比，同時(shí)和其他3種現(xiàn)有的壓縮算法進(jìn)行對(duì)比，試驗(yàn)結(jié)果如圖2所示。對(duì)比算法包括：1) JPEG-LS，對(duì)各譜段獨(dú)立無(wú)損壓縮；2) 差分JPEG-LS，先對(duì)相鄰譜段進(jìn)行差分處理，再采用JPEG-LS對(duì)殘差無(wú)損壓縮；3) JPEG-LS_DPCM，先進(jìn)行譜間一階線性預(yù)測(cè)，再對(duì)預(yù)測(cè)殘差進(jìn)行JPEG-LS無(wú)損壓縮。

圖2 無(wú)損壓縮性能比較

由圖2可見，采用譜段配準(zhǔn)的壓縮算法得到的無(wú)損壓縮比明顯優(yōu)于不采用譜段配準(zhǔn)的算法，這是因?yàn)槲磁錅?zhǔn)圖像的譜間相關(guān)性較弱，直接進(jìn)行譜間去相關(guān)(包括差分和譜間一階線性預(yù)測(cè))的效果很差，使得差分JPEG-LS和JPEG-LS_DPCM的無(wú)損壓縮比最低，甚至低于JPEG-LS獨(dú)立壓縮；而本文算法盡管也采用了譜間一階線性預(yù)測(cè)，但由于在空譜預(yù)測(cè)之后增加了模式選擇，所以即使不采用譜段配準(zhǔn)，其性能也優(yōu)于差分JPEG-LS和JPEG-LS_DPCM，與JPEG-LS獨(dú)立壓縮相當(dāng)，但仍然遠(yuǎn)低于采用譜段配準(zhǔn)的情況。由此可見，采用本文提出的譜段配準(zhǔn)預(yù)處理算法可以顯著提高無(wú)損壓縮性能。

5.3 有損壓縮性能比較

圖3分別給出了本文算法(包含配準(zhǔn)和不配準(zhǔn)兩種情況)在3倍和4倍壓縮下恢復(fù)圖像的峰值信噪比(PSNR)和實(shí)際輸出碼率(bit/像素)，并與另外兩種方法進(jìn)行了比較，一種是碼率可控的JPEG-LS獨(dú)立有損壓縮(JPEG-LS_RT)，另一種是JPEG-LS_DPCM_ RT，即“譜間一階線性預(yù)測(cè)+碼率可控的JPEG-LS”聯(lián)合有損壓縮，均采用文獻(xiàn)[10]提出的分區(qū)一次調(diào)整的碼率控制方法，并且都沒有進(jìn)行譜段配準(zhǔn)預(yù)處理。

由圖3a和圖3b可以看出，采用譜段配準(zhǔn)預(yù)處理算法可以提高有損壓縮性能，因此本文算法(配準(zhǔn)情況下)在低倍有損壓縮下可以獲得更優(yōu)的率失真性能，與另兩種方法相比，重建圖像的平均PSNR提高1.3 dB以上。同時(shí)可以看出，本文提出的基于二次迭代調(diào)整的碼率控制算法并沒有降低恢復(fù)圖像質(zhì)量。

a. 3倍壓縮平均PSNR

b. 4倍壓縮平均PSNR

c. 3倍壓縮平均碼率

d. 4倍壓縮平均碼率

圖3 有損壓縮性能比較

由圖3c和圖3d可以看到，另兩種方法都有實(shí)際碼率超過(guò)目標(biāo)碼率的情況，尤其是JPEG-LS_RT的碼率偏差較大。本文算法則在分區(qū)一次調(diào)整的基礎(chǔ)上，對(duì)量化步長(zhǎng)進(jìn)行了二次迭代調(diào)整，盡管有時(shí)輸出碼率會(huì)略微下降，但確保了輸出碼率嚴(yán)格低于目標(biāo)碼率，并且總體上輸出碼率仍非常接近目標(biāo)碼率。

另外，由于本文算法僅對(duì)少數(shù)行進(jìn)行了簡(jiǎn)單的二次迭代調(diào)整，并沒有增加太多編碼復(fù)雜度，其平均編碼運(yùn)行時(shí)間僅僅比分區(qū)一次調(diào)整方法增加了6 ms左右，如表2所示。

表2 平均編碼時(shí)間比較

6 結(jié)束語(yǔ)

針對(duì)星上原始多光譜圖像由于未配準(zhǔn)導(dǎo)致的譜間相關(guān)性差、圖像重構(gòu)質(zhì)量低，以及采用“譜間線性預(yù)測(cè)+JPEG-LS”對(duì)其進(jìn)行有損壓縮時(shí)碼率控制不準(zhǔn)確等問題，本文提出一種針對(duì)星上未配準(zhǔn)多光譜圖像的壓縮方案，通過(guò)譜段配準(zhǔn)預(yù)處理、模式選擇、碼率控制等技術(shù)的有機(jī)結(jié)合，提高了多光譜圖像的譜間相關(guān)性，改善了壓縮性能，同時(shí)該算法兼容了無(wú)損和有損壓縮，有損壓縮下其實(shí)際輸出碼率能夠在非常接近目標(biāo)碼率的前提下嚴(yán)格低于目標(biāo)碼率，且整體重構(gòu)質(zhì)量明顯優(yōu)于其他方法。

[1] 吳錚, 何明一, 馮燕, 等. 基于誤差補(bǔ)償預(yù)測(cè)樹的多光譜遙感圖像無(wú)損壓縮方法[J]. 遙感學(xué)報(bào), 2005, 9(2): 143- 147.

WU Zheng, HE Ming-yi, FENG Yan, et al. Lossless compression of multispectral imagery by error compensated prediction tree[J]. Journal of Remote Sensing, 2005, 9(2): 143-147.

[2] RICCI M, MAGLI E. Predictor analysis for onboard lossy predictive compression of multispectral and hyperspectral images[J]. Journal of Applied Remote Sensing, 2013, 7: 074591.

[3] LIU Yan-yan, GAO Yin-han, LI Jin, et al. A compression algorithm for multi-spectral tdiccd image[J]. Spectroscopy and Spectral Analysis, 2013, 33(3): 844-849.

[4] JIA Wen, MA Cai-wen, ZHAO Jun-suo. FIVQ algorithm for interference hyper-spectral image compression[J]. Optics Communications, 2014, 322: 97-104.

[5] YU Guo-xia, VLADIMIROVA T, MARTIN N. Sweeting image compression systems on board satellites[J]. Acta Astronautica, 2009, 64(9/10): 988-1005.

[6] VAUGHN V D, WILKLNSON T S. System considerations for multispectral image compression designs[J]. IEEE Signal Processing Magazine, 1995, 12(1): 19-31.

[7] LU Hao, LIU Tuan-jie, ZHAO Hai-qing. High-accuracy band to band registration method for multi-spectral images of HJ-1A/B[J]. Journal of Electronics (China), 2012, 29(5): 361-367.

[8] KERN J P, PATTICHIS M S. Robust multispectral image registration using mutual-information models[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(5): 1494-1505.

[9] HONG G, ZHANG Y. Wavelet-based image registration technique for high-resolution remote sensing images[J]. Computers & Geosciences, 2008, 34(12): 1708-1720.

[10] YE Yuan-xin, SHAN Jie. A local descriptor based registration menthod for multispectral remote sensing images with non-linear intensity differences[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 90: 83-95.

[11] 崔倩. JPEG-LS碼率控制算法研究[D]. 西安: 西安電子科技大學(xué), 2011.

CUI Qian. Study of rate control for JPEG-LS[D]. Xi’an: Xidian University, 2011.

[12] ZHANG J, LIU Gui-zhong. An efficient reordering prediction-based lossless compression algorithm for hyperspectral images[J]. IEEE Geoscience and Remote Sensing Letters, 2007, 4(2): 283-287.

編 輯 稅 紅

Compression for Satellite Multispectral Images Based on Band to Band Registration Pre-Processing and Twice-Iterated Rate Control

WANG Ke-yan1, SONG Juan2, LI Yun-song1, and GUO Jie1

(1. State Key Lab of Integrated Service Networks, Xidian University Xi’an 710071; 2. School of Software, Xidian University Xi’an 710071)

Based on the framework of inter-band linear prediction and JPEG-LS, a compression scheme for unregistered satellite multispectral images is proposed. First of all, an integer-pixel band to band registration pre-processing method based on band reordering is presented according to the compression scheme to improve the poor spectral correlation and the compression performance of the multispectral images. Secondly, a rate control method based on twice-iterated adjustment is proposed to guarantee the output rate below the target rate strictly while approaching the target rate, so as to meet the transmission requirement better. Experimental results show that our proposed scheme is compatible with lossless and lossy compression, and outperforms other methods with simple implementation.

band reordering; band to band registration; multispectral image compression; rate control

TN919.8

A

10.3969/j.issn.1001-0548.2017.01.002

2015-04-15；

2015-11-25

國(guó)家自然科學(xué)基金(61301291, 61222101, 61401324)；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(K5051301015)；高等學(xué)校創(chuàng)新引智基地項(xiàng)目(B08038)；陜西省重點(diǎn)科技創(chuàng)新團(tuán)隊(duì)計(jì)劃(2013KCT-02)

王柯儼(1980-)，女，博士，副教授，主要從事多/高光譜圖像壓縮及處理方面的研究.