基于目标区域提取与方向波的SAR图像压缩方法

摘要

本发明公开了一种基于目标区域提取和方向波的SAR图像压缩方法，主要解决现有方法中对图像目标区域和背景区域使用相同的变换压缩策略导致边缘信息码流分配较少，重要信息丢失的问题。其实现步骤是：利用变差系数提取SAR图像的纹理图；对SAR图像进行四叉树分块，利用纹理图将图像块划分为目标区域和背景区域；利用纹理图探测目标区域变换方向对，并对分块图像进行剪枝处理；对目标区域使用Directionlets变换，对背景区域使用小波变换；使用SPIHT编码方法分别对目标区域和背景区域系数编码本发明。本发明具有对目标区域和背景区域采用不同变换压缩策略，很好保护目标区域信息的优点，可用于SAR图像实时传输与存储。

说明书

技术领域

本发明属于图像压缩技术领域，涉及对SAR图像的压缩，可用于SAR图像的 实时传输与存储。

背景技术

合成孔径雷达SAR技术在国民经济，地质勘探以及军事中起着至关重要的作用， SAR图像处理是合成孔径雷达技术的重要组成部分。由于SAR图像具有海量数据， 给数据的存储与传输造成了很大的压力，因此对SAR图像进行有效的压缩是SAR 图像应用中一个迫切的需求。SAR利用地物表面对电磁波的后向散射进行成像，由 于这个成像机理，图像会受到相干斑噪声的影响，图像的像素间相关性较低，图像 熵值较大，这是影响SAR图像压缩的重要因素。

JPEG技术在量化误差较大时会产生明显的“马赛克”块效应，导致严重的视觉 失真。基于小波变换的图像压缩方法广泛用于对SAR图像的压缩，如JPEG2000技术 等。由一维小波张成的二维可分离小波，采用的是各向同性变换，只有水平、垂直 和对角三种方向，从而不能有效刻画图像中线奇异的几何特征。因此用小波捕捉图 像边缘时相当于用“点”表达“线”，这种维度的差异严重影响了小波的逼近效率， 导致了小波在描述图像边缘时浪费大量的系数，在低比特率情况下会产生振铃效应， 特别是在图像强边缘附近和纹理区域。近些年来发展起来的一些工具对小波方法进 行了改进，如Ding等人在文章：Adaptive directional lifting-based wavelet transform for image coding中提出了ADL变换，Li等人在文章：Remote-Sensing Image Compression Using Two-Dimensional Oriented Wavelet Transform中提出了OWT变换等，这些变换 工具有效地利用了图像的方向信息，可以更有效地捕捉图像中存在的各种几何特征， 如边缘曲线、轮廓结构等。有效提升了压缩算法性能。以上这些方法的共性在于： 对于整幅SAR图像采用相同的变换压缩策略。但是由于SAR图像中景物区域不同， 图像所包含的边缘信息以及其重要性存在很大的区别，在压缩中对于SAR图像的不 同区域使用相同的变换压缩策略会导致在压缩中这些边缘信息所分配的码流相对较 少，从而引起重要信息得不到保护而丢失，造成图像压缩质量的降低。

发明内容

本发明的目的在于克服上述现有技术的不足，提出一种基于目标区域提取与方 向波的SAR图像压缩方法，以降低在图像压缩过程的重要信息损失，提高SAR图 像的压缩质量。

实现本发明目的的技术原理，是利用SAR图像变差系数提取图像的纹理信息， 根据图像纹理信息将图像分为目标区域和背景区域，采取不同的变换策略对不同区 域进行分解：对目标区域使用Velisavljevic′V等人提出的新的多尺度几何分析工具 Directionlets即方向波变换，以提取更多的图像方向信息，对背景区域使用小波变换 (DWT)。之后使用SPIHT分别对目标区域和背景区域系数编码，并对目标区域分配 更多码流，从而实现目标区域的高质量压缩。其实现步骤包括如下：

(1)输入一幅SAR图像，计算SAR图像变差系数，利用变差系数生成SAR图 像的纹理图；

(2)对SAR图像进行四叉树分块，利用纹理图判断各图像块是否为目标区域图 像块：如果该图像块在纹理图中所对应空间位置区域包含的目标像素点数大于该图 像块总像素数的1/4，则该图像块为目标区域图像块，否则为背景区域图像块；

(3)利用纹理图从给定的一组方向中对目标区域图像块进行方向波的变换方 向对选择，分别计算纹理图在这些方向上像素差值的平方和，选择其中最小的两个 结果所对应的方向作为方向波的变换方向对；

(4)对四叉树进行剪枝处理：将变换方向对和图像块大小均相同的相邻目标区 域图像块进行合并，将背景区域图像块进行合并；

(5)对合并后的目标区域进行Directionlets变换，对合并后的背景区域进行 DWT变换；

(6)使用SPIHT编码方法，对目标区域和背景区域的变换系数进行不同bpp的 编码，编码后即完成对SAR图像的压缩，其中bpp是每个像素所占比特数。

本发明与现有的技术相比具有以下优点：

1、利用SAR图像变差系数生成的纹理图来自适应地探测目标区域，能够有效 划分目标区域和背景区域且计算复杂度小；

2、与JPEG2000-ROI相比，目标区域和背景区域使用不同的变换策略，对目标 区域使用Directionlets变换，能更加有效地捕获目标区域的方向信息，减小重要信 息损失；

3、对目标区域和背景区域分别进行编码，使码流分配更加灵活；

仿真结果表明，本方法在评价指标方面高于JPEG2000-ROI方法。

附图说明

图1是本发明的流程示意图；

图2是本发明仿真所用的四幅测试图像；

图3是本发明对测试图2提取的纹理图；

图4是本发明对测试图2的目标区域检测结果；

图5是本发明中给定的一组方向示意图；

图6是本发明与现有方法DWT-SPIHT及JPEG2000-ROI对四幅测试图像的平均 率失真性能比较图。

具体实施方式

参照图1，本发明的实现步骤如下：

步骤1，输入测试图像，计算其变差系数，生成纹理图。

输入测试图像，选取以任意一个像素点p为中心，窗口大小为s的局部图像块， 计算像素点p的变差系数C_p：

$C_p=\frac{{\sigma }_{\mathrm{block}}}{{\mu }_{\mathrm{block}}},$

其中，σ_block和μ_block分别为该局部图像块中所有像素的方差和均值，分别使用最 大似然估计方法计算得到，本发明中所使用局部图像块的窗口大小s为15×15。

由输入图像所有像素点的变差系数得到输入图像的纹理图，输入图像为图2所示 的四幅真实SAR图像，每幅SAR图像大小为1024×1024，图像位深为16位，分别是： 如2(a)所示的Tokyo-A图，如2(b)所示的Tokyo-B图，如2(c)所示的India-A图，如2(d) 所示的India-B图。以图2(b)为例，得到的纹理图如图3所示。

步骤2，对输入图像进行四叉树分块，计算其纹理图像素值的阈值T_D。

对输入图像进行四叉树分块，分块大小为64×64，为纹理图像素值设置一个阈 值T_D，

T_D＝1.25×mean(image)，

其中image为纹理图，mean(·)为均值函数。

步骤3，利用纹理图像素阈值检测分块图像中的目标区域图像块。

将纹理图中的像素值分别与阈值T_D比较，大于阈值的像素点标记为目标像素 点，计算每一个图像块在纹理图中所对应空间位置区域包含的目标像素点数，如果 目标像素点数大于图像块中总像素数的1/4，则将此图像块标记为目标区域图像块， 其他图像块为背景区域图像块。以图2(b)为例，其目标区域图像块检测结果如图4所 示，其中边界为白色的图像块为目标区域图像块。

步骤4，利用步骤1生成的纹理图判断目标区域图像块的变换方向对。

(4a)给定一组为±30°，±45°，±60°，0°，90°的方向，如图5所示。

(4b)沿其中一个方向计算纹理图中各目标区域图像块中每个像素点和其相邻 像素点之间的差值，并求出该图像块中所有像素点在该方向上的差值的平方和；

(4c)分别求出纹理图中各目标区域图像块在其他方向上的像素差值的平方和；

(4d)将求出的目标区域图像块在各方向上的差值平方和中最小的两个对应的 方向作为该图像块的方向波变换方向对，变换方向对中的两个方向分别称为变换方 向和队列方向。

步骤5，利用步骤4得到的变换方向对，将四叉树分块图像进行剪枝处理：

(5a)将变换方向对和图像块大小均相同的相邻目标区域图像块进行合并，合并 后的目标区域图像块的变换方向对与其所合并的子块的变换方向对相同；

(5b)将背景区域图像块进行合并，对合并后的背景区域图像块进行DWT变换， 得到背景区域的小波系数。

步骤6，利用合并后的目标区域图像块构造生成矩阵M_Λ。

根据合并后的目标区域图像块的变换方向对，构造生成矩阵M_Λ，

$M_{\Lambda }=\begin{array}{c}\left(\begin{array}{cc}{x}_1& y_1\\ x_2& y_2\end{array}\right)\end{array}=\left(\begin{array}{c}{d}_1\\ d_2\end{array}\right),$

其中，x₁，x₂，y₁，y₂是构成生成矩阵M_Λ的四个整数元素值，x₁和y₁由变换方向的 斜率确定，x₂和y₂由队列方向的斜率确定，向量d₁和d₂分别为沿变换方向和队列方 向的向量；

步骤7，利用生成矩阵M_Λ将合并后的目标区域图像块划分为|det(M_Λ)|个陪集。

基于整数格理论通过生成矩阵M_Λ将合并后的目标区域图像块划分为关于整数 格Λ的|det(M_Λ)|个陪集，每一个陪集对应一个位移矢量s_k＝(s_k1，s_k2)，其中Λ是由合 并后的图像块生成的整数格，表达式为Λ＝{c₁d₁+c₂d₂，c₁，c₂∈Z}，|det(M_Λ)|是生成 矩阵M_Λ的行列式的绝对值，k＝0，1，2，...，|det(M_Λ)|-1，s_k1，s_k2∈Z，Z为整数域。

步骤8，利用各陪集计算目标区域的Directionlets变换系数。

将各陪集沿变换方向和队列方向进行各向异性小波变换AWT(n₁，n₂)，得到目标 区域图像块的Directionlets变换系数，其中n₁，n₂分别指的是沿变换方向和队列方向 的变换次数且n₁，n₂均为整数。

步骤9，使用SPIHT编码方法，分别对目标区域和背景区域的变换系数进行编 码。

使用由Said A等人在文献“A new fast and efficient image codec based on set partitioning in hierarchical trees[J]”中提出的SPIHT编码方法，分别对目标区域的 Directionlets系数和背景区域的小波系数进行编码，在编码中给定了SAR图像压缩的 bpp后，通过设置一个质量因子Q来调节分配的码流大小，其中，

Q＝tbate/bbate，

bpp是每个像素所占比特数，tbate为目标区域压缩的bpp，bbate为背景区域压 缩的bpp；Q的值越大，越多的码流会分配给目标区域；

假设编码时SAR图像压缩给定的bpp为br，目标区域像素点数为tp，同质区域 像素点数为bp，总像素点数为wp，则它们满足如下公式：

tbate·tp+bbate·bp＝br·wp。

本发明的优点由以下仿真实验进一步的说明。

1.仿真数据

测试图像为图2中四幅真实SAR图像，图像大小均为1024×1024，图像位深均为 16位。其中，图2(a)所示为Tokyo-A图，图2(b)所示为Tokyo-B图，图2(c)所示为India-A 图，图2(d)所示为India-B图。

2.仿真内容

本实验目的是在不同bpp下，采用现有的DWT-SPIHT，JPEG2000-ROI方法及 本发明提出的方法对图2中四幅真实SAR图像的目标区域和背景区域分别进行压 缩，对压缩结果重构后的信噪比SNR值进行比较。

3.仿真结果

表1和表2分别为在1bpp和2bpp下，三种压缩方法对测试图像进行压缩重构后 的SNR值比较，其中TG指的是目标区域，BG指的是背景区域。

图6给出了本发明与DWT-SPIHT，JPEG2000-ROI方法在不同bpp下，分别对四 幅测试图像进行压缩重构得到的SNR值变化曲线，其中图6(a)是输入图像为Tokyo-A 图时所得SNR值变化曲线，图6(b)是输入图像为Tokyo-B图时所得SNR值变化曲线， 图6(c)是输入图像为India-A图时所得SNR值变化曲线，图6(d)是输入图像为India-B图 时所得SNR值变化曲线。

表1.1bpp下压缩重构后实验结果比较

表2.2bpp下压缩重构后实验结果比较

4.仿真结果分析

由表1和表2可见，对于测试图像，本发明在1bpp和2bpp下，压缩重构后的图 像目标区域和背景区域的SNR值均高于JPEG2000-ROI，和DWT-SPIHT方法相比， 本发明提高了目标区域的压缩质量。

由图6可见，本发明在bpp较大情况下目标区域的压缩质量明显高于其他两种方 法，对SAR图像中感兴趣区域的信息进行了很好的保护。