一种基于混合熵编码的卫星序列图像无损压缩方法及系统

摘要

本发明公开了一种基于混合熵编码的卫星序列图像无损压缩方法及系统，属于图像压缩技术领域。本发明方法首先输入当前帧和参考帧图像，选用两种预测模式：帧间预测和帧内预测得到预测残差。然后将预测残差映射到非负区域，最后设计了基于算术编码和定长编码的混合自适应算术编码，根据残差数据的分布特性，对不同数据分别采用算术编码和定长编码，最后将编码结果整合输出。本发明还实现了一种基于混合熵编码的卫星序列图像无损压缩系统。本发明技术方案能根据序列图像空间冗余和时间冗余特性自动切换预测模式，使得预测像素值更接近真实值，同时本发明设计的熵编码器具有更好的编码性能，显著提高了图像无损压缩比。

说明书

技术领域

本发明属于图像压缩技术领域，更具体地，涉及一种基于混合熵编码的卫星序列图像无损压缩方法及系统。

背景技术

遥感技术在军事侦察、环境监测、地球资源管理等方面发挥着举足轻重的作用，特别是遥感图像有着直观、信息量丰富的特点。随着空间技术的发展，特别是太空军事技术的发展，对太空遥感提出了更高的要求，主要包括图像分辨率、光谱分辨率和时间分辨率的提高，导致星上图像数据量直线上升。而将图像数据从空间实时传送到地面，是大部分卫星的主要任务。在某些应用领域，需要无损压缩，因此，面临空间遥感图像数据的剧增，亟需一种具有更高压缩性能的无损压缩方法。

图像数据不仅在空间上有一定的相关性，随着帧频的提高，在时间上也存在冗余。在无损压缩方法中，不仅要解决空间和时间的冗余，还要解决编码冗余，综合两者才能提高无损压缩性能。

目前已有的无损压缩标准如JPEG-LS、JPEG2000、JPEG等或相关文献，在解决空间和时间冗余时或者计算复杂度较高，不能适应星上计算资源有限的缺陷，或者不能实现无损压缩；针对编码，不能充分发挥编码算法的性能，所以编码后的结果还存在一定信息冗余。因此，在预测和编码两方面亟需一种相辅相成的无损压缩方法。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于混合熵编码的卫星序列图像无损压缩方法及系统，其目的在于根据序列图像空间冗余和时间冗余特性自动切换帧内预测和帧间预测模式，并采用自适应混合熵编码进行编码，由此解决现有星上图像压缩技术中压缩算法复杂度高和信息冗余度高的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于混合熵编码的卫星序列图像无损压缩方法及系统，该方法包括：

(1)梯度计算：输入图像，判断是否有参考帧，若没有参考帧，则计算输入像素周边两两像素之间的帧内梯度，进入步骤(3)；否则计算输入像素周边像素点和参考帧对应像素点之间的帧间梯度并同时计算输入像素的帧内梯度；

(2)帧间预测及修正：若帧间梯度绝对值的和小于设定阈值则利用帧间梯度和参考帧对应像素预测输入点像素得到预测值，并量化帧间梯度对预测值进行修正；否则进入步骤(3)

(3)帧内预测及修正：利用输入像素点周边像素预测输入点像素得到预测值，并量化帧内梯度对预测值进行修正；

(4)残差值计算及处理：输入像素值减预测值得到残差值，将残差值限制在预设范围内，再映射到非负区域得到映射值mapErrVal；

(5)混合熵编码：利用拉布拉斯分布对区间[0,Th]进行概率初始化，拉布拉斯分布：

得到算术编码初始化概率模型，其中，P(t)为概率，σ为设定的分布参数，Th为设定值；之后若mapErrVal∈[0,Th]，则根据概率模型进行算术编码，并按整字节补齐编码结果，随后用mapErrVal更新概率模型；若mapErrVal∈(Th,MAXVAL]，则对mapErrVal进行定长编码；最后将编码结果整合输出。

进一步地，所述步骤(1)具体包括：

(11)输入图像，判断是否有参考帧，若没有参考帧，则进入步骤(12)；否则进入步骤(13)；

(12)计算输入像素的帧内梯度，

其中，P9、P3、P8和P2两两相邻，P3和P2与输入像素点边相邻，P9和P8与输入像素点角相邻，进入步骤(3)；

(13)计算帧内梯度并同时计算输入像素的帧间梯度，帧间梯度为：

其中，P5、P4和P10为参考帧中和P3、P2和P8对应像素点。

进一步地，所述步骤(2)包括：

(21)判断(|D4|+|D5|+|D6|)≤T1是否成立，其中，T1为预测阈值；若是则进入步骤(22)；否则进入步骤(3)；

(22)所述输入像素的预测值为：

其中，为预测值，P1为输入像素点在参考帧对应点的像素值；

(23)计算G(inter)＝|D4|+|D5|+|D6|，在区间[0,MAXVAL]内将G(inter)量化为10个等级，即设置10个上下文模型对预测值进行修正，其中MAXVAL为输入图像灰度的最大值，之后进入步骤(4)。

进一步地，所述步骤(3)包括：

(31)预测值为：

(32)对D1、D2和D3进行量化得到上下文索引值，通过上下文索引值对预测值进行修正。

进一步地，所述步骤(4)包括：

(41)计算输入像素的预测残差值P为输入像点像素值；

(42)若errVal<0，则更新errVal＝errVal+RANGE；再次判断errVal≥((RANGE+1)/2)是否成立，是则更新errVal＝errVal-RANGE，其中，RANGE＝MAXVAL+1；

(43)将errVal映射到非负区域，映射值为：

按照本发明的另一方面，提供了一种基于混合熵编码的卫星序列图像无损压缩系统，所述系统包括：

梯度计算模块，用于输入图像，判断是否有参考帧，若没有参考帧，则计算输入像素周边两两像素之间的帧内梯度，进入帧内预测及修正模块；否则计算输入像素周边像素点和参考帧对应像素点之间的帧间梯度并同时计算输入像素的帧内梯度；

帧间预测及修正模块，用于判断，若帧间梯度绝对值的和小于设定阈值，则利用帧间梯度和参考帧对应像素预测输入点像素得到预测值，并量化帧间梯度对预测值进行修正；否则进入帧内预测及修正模块；

帧内预测及修正模块，用于利用输入像素点周边像素预测输入点像素得到预测值，并量化帧内梯度对预测值进行修正；

残差值计算及处理模块，用于输入像素值减预测值得到残差值，将残差值限制在预设范围内，再映射到非负区域得到映射值mapErrVal；

混合熵编码模块，用于利用拉布拉斯分布对区间[0,Th]进行概率初始化，拉布拉斯分布：

得到算术编码初始化概率模型，其中，P(t)为概率，σ为设定的分布参数，Th为设定值；之后若mapErrVal∈[0,Th]，则根据概率模型进行算术编码，并按整字节补齐编码结果，随后用mapErrVal更新概率模型；若mapErrVal∈(Th,MAXVAL]，则对mapErrVal进行定长编码；最后将编码结果整合输出。

进一步地，所述梯度计算模块具体包括：

参考帧判断单元，用于输入图像，判断是否有参考帧，若没有参考帧，则进入帧内梯度计算单元；否则进入帧间帧内梯度计算单元；

帧内梯度计算单元，用于计算输入像素的帧内梯度，

其中，P9、P3、P8和P2两两相邻，P3和P2与输入像素点边相邻，P9和P8与输入像素点角相邻，进入帧内预测及修正模块；

帧间帧内梯度计算单元，用于计算帧内梯度并同时计算输入像素的帧间梯度，帧间梯度为：

其中，P5、P4和P10为参考帧中和P3、P2和P8对应像素点。

进一步地，其特征在于，所述帧间预测及修正模块包括：

预测判断单元，用于判断(|D4|+|D5|+|D6|)≤T1是否成立，其中，T1为预测阈值；若是则进入帧间预测单元；否则进入帧内预测及修正模块；

帧间预测单元，用于计算帧间预测值，所述输入像素的预测值为：

其中，为预测值，P1为输入像素点在参考帧对应点的像素值；

帧间预测修正单元，用于计算G(inter)＝|D4|+|D5|+|D6|，在区间[0,MAXVAL]内将G(inter)量化为10个等级，即设置10个上下文模型对预测值进行修正，其中MAXVAL为输入图像灰度的最大值，之后进入残差值计算及处理模块。

进一步地，所述帧内预测及修正模块包括：

帧内预测单元，用于计算帧内预测值，预测值为：

帧内预测修正单元，用于对D1、D2和D3进行量化得到上下文索引值，通过上下文索引值对预测值进行修正。

进一步地，所述残差值计算及处理模块包括：

残差计算单元，用于计算输入像素的预测残差值P为输入像点像素值；

残差限定单元，用于将残差值限定在预设范围内，若errVal<0，则更新errVal＝errVal+RANGE；再次判断errVal≥((RANGE+1)/2)是否成立，是则更新errVal＝errVal-RANGE，其中，RANGE＝MAXVAL+1；

残差映射单元，用于将errVal映射到非负区域，映射值为：

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下技术特征及有益效果：

(1)本发明根据空间和时间冗余特性，建立时空上下文对帧间和帧内预测值进行修正，在JPEG-LS帧内上下文的基础上丰富了上下文环境情况，优化了预测模型，使得预测值更加接近像素真实值，更大程度的减小空间和时间冗余；

(2)本发明设计的基于算术编码的混合自适应算术编码能更好的适应编码对象的分布特性，更加发挥算术编码的性能，使得编码结果进一步接近信源的熵，提高无损压缩比；

(3)按照本发明提出的基于混合熵编码的卫星序列图像无损压缩方法，能有效解决星地传输带宽与大数据量的矛盾。在获得高压缩比的同时，实现复杂度也能满足星上计算能力的要求。

附图说明

图1是本发明的方法流程图；

图2本发明实施例菱形搜索算法示意图；

图3为本发明实施例帧间和帧内的预测模板；

图4为拉布拉斯分布示意图；

图5为本发明实施例预测值直方图；

图6为本发明实施例预测值映射后的直方图；

图7为本发明实施例混合自适应算术编码框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本实施方案有如下流程：

(1)梯度计算：输入图像，判断是否有参考帧，若没有参考帧，则计算输入像素周边两两像素之间的帧内梯度，进入步骤(3)，否则计算输入像素周边像素点和参考帧对应像素点之间的帧间梯度并同时计算输入像素的帧内梯度；

(11)输入图像，判断是否有参考帧，若没有参考帧，则进入步骤(12)；否则进入步骤(13)；所述参考帧即为当前帧的前几帧中任意一帧，优选前一帧，一组图像序列中的第一帧没有参考帧；

(12)计算输入像素的帧内梯度，

其中，P9、P3、P8和P2两两相邻，P3和P2与输入像素点边相邻，P9和P8与输入像素点角相邻，进入步骤(3)；

(13)计算帧内梯度并同时计算输入像素的帧间梯度，帧间梯度为：

D4＝P3-P5

D5＝P2-P4

D6＝P8-P10，

其中，P5、P4和P10为参考帧中和P3、P2和P8对应像素点；所述对应像素点采用图2所示菱形搜索方法，依据最小绝对差和准则计算相邻两帧之间的运动矢量，运动矢量加所选像素点坐标记为参考帧对应像素点；按如图3所示本发明实施例帧间和帧内的预测模板进行梯度计算。

(2)帧间预测及修正：若帧间梯度绝对值的和小于设定阈值则利用帧间梯度和参考帧对应像素预测输入点像素得到预测值，并量化帧间梯度对预测值进行修正；否则进入步骤(3)；

(21)判断(|D4|+|D5|+|D6|)≤T1是否成立，其中，T1为预测阈值；若是则进入步骤(22)；否则进入步骤(3)；

(22)所述输入像素的预测值为：

其中，为预测值，P1为输入像素点在参考帧对应点的像素值；

(23)计算G(inter)＝|D4|+|D5|+|D6|，在区间[0,MAXVAL]内将G(inter)量化为10个等级，即设置10个上下文模型对预测值进行修正，其中，MAXVAL为输入图像灰度的最大值，之后进入步骤(4)。

(3)帧内预测及修正：利用输入像素点周边像素预测输入点像素得到预测值，并量化帧内梯度对预测值进行修正；

(31)预测值为：

(32)对D1、D2和D3进行量化得到上下文索引值，通过上下文索引值对预测值进行修正；如图4所示为本实施例预测值集合的直方图。

(4)残差值计算及处理：输入像素值减预测值得到残差值，将残差值限制在预设范围内，再映射到非负区域得到映射值mapErrVal；如图5所示为实施例的映射值；

(41)计算输入像素的预测残差值P为输入像点像素值；

(42)若errVal<0，则更新errVal＝errVal+RANGE；再次判断errVal≥((RANGE+1)/2)是否成立，是则更新errVal＝errVal-RANGE，其中，RANGE＝MAXVAL+1；

(43)将errVal映射到非负区域，映射值为：

(5)混合熵编码：如图6所示，实施例混合自适应算术编码具体为：利用拉布拉斯分布对区间[0,Th]进行概率初始化，得到算术编码初始化概率模型，拉布拉斯分布为：

如图7所示为拉布拉斯分布的分布曲线；其中，P(t)为概率，σ为设定的分布参数，Th为设定值；之后若mapErrVal∈[0,Th]，则根据概率模型进行算术编码，并按整字节补齐编码结果，随后用mapErrVal更新概率模型；若mapErrVal∈(Th,MAXVAL]，则对mapErrVal进行定长编码；最后将编码结果整合输出。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。