基于稀疏分解的高光譜圖像壓縮方法

引言

高光譜圖像壓縮技術已經(jīng)成為圖像處理應用領域中最熱點的領域之一，在許多領域都具備實際應用價值與發(fā)展前景。但是，由于人類對高光譜信息需求的增大以及圖像傳感器呈現(xiàn)出的多元化發(fā)展趨勢，所采集的高光譜圖像信息量大幅增長，而且空間的高頻譜分辨率也日益增加，使成像光譜信息呈現(xiàn)了多維度、海量化的發(fā)展趨勢，大大增加了信息采集、保存與傳播的成本，這直接影響到高光譜圖像壓縮技術在對地探測研究工作中的應用。

基于此，設計了基于稀疏分解的高光譜圖像壓縮方法，根據(jù)稀疏分解法中的Hilbert-Huang變換模型分離算法進行圖像的稀疏分解，接著采用二維散點圖對圖像信息進行預處理。據(jù)圖像信息的處 理結(jié)果，利用匹配追蹤算法搭建高光譜圖像壓縮優(yōu)化模型，最后實現(xiàn)高光譜圖像的壓縮。

基于稀疏分解的高光譜圖像壓縮方法設計

稀疏分解法是一種非遞歸且自主的信號處理方法。本文采用稀疏分解法中的Hilbert-Huang變換模型分離算法，將采集到的圖像數(shù)據(jù)進行有機分解，并得到很多具有不同主要頻 率的固有模型狀態(tài)，分離后的各模型緊密關聯(lián)于其對應的主 要頻率，不存在模型狀態(tài)混亂重疊的問題，具有良好的降噪穩(wěn)定性。

圖1 局部光譜信號的高光譜圖像

為便于二維散點圖利用圖像對光譜信號進行 直觀的測量與辨識，同時也為降低在模型分割過程中的計算 工作量，將光譜信號以高光譜圖像的形式加以處理，并通過 方差算法對高光譜圖像進行模糊處理，對圖像進行模糊化處 理的表達式為：

式中：Gg(i,j)為模糊圖像在(i,j)處的模糊值，R(i,j)為電阻 在(i,j)處的電阻率，邊際譜圖像模糊度處理后形成64×64的模糊圖像，數(shù)據(jù)存儲形式為二維模糊矩陣，像素點模糊值的范圍為0～300。

完成上述處理后，考慮到高光譜圖像中可能存在一定的 光譜冗余信息，此部分信息會影響圖像的壓縮處理效果。因 此，有必要采取措施，進行圖像的稀疏分解處理。處理過程 中，利用冗余詞典，對圖像進行稀疏分割，初始化隨機詞典， 提取圖像中所包含的影像譜曲線像素。

降維后，對特征圖進行特征提取，得到與高光譜圖像相 對應的特征像素點。在提取特征過程中還需要剔除干擾項， 避免閾值特征值過大，降低其對高光譜圖像特征信息的提取 能力，提高圖像分辨率。

3、搭建高光譜圖像壓縮優(yōu)化模型

根據(jù)上文的圖像數(shù)據(jù)處理結(jié)果，進行壓縮模型的搭建。稀疏分解是一種新的圖像描述和表達理論，匹配追蹤算法（matching pursuit, MP）是稀疏分解最基礎使用算法之一。通過綜合計算在原有算法基礎上，推導出適合正交匹配追蹤計算的經(jīng)典計算方法（orthogonal matchingpursuit, OMP）。推導出的正交匹配追蹤算法，先對內(nèi)積作為向量時彼此之間 的相似性進行核對，并標定出度量準則，然后使用內(nèi)積方法 從源數(shù)據(jù)中選取與殘差最為接近的因子，使用最小二乘法對 源數(shù)據(jù)求解，將原始數(shù)據(jù)投影在殘差因子上，并從源數(shù)據(jù)中 去除投影伴隨的數(shù)據(jù)，做到殘差因子的時時更新[ 7]。選取因 子到更新殘差因子的過程，隨源數(shù)據(jù)迭代而變化，直至所有 源數(shù)據(jù)選取完執(zhí)行終止命令。

4、實現(xiàn)高光譜圖像壓縮

對于本文的高光譜圖像壓縮方法，先以2D 自然圖像壓縮技術作為基礎，經(jīng)過稀疏分解處理后，再進行一次有效的壓縮。

本文的高光譜圖像壓縮方法，將給定 的高光譜圖像分離成

個不重疊的圖像塊

隨后，圖像塊在給定的字典

上進行分解：

高光譜圖像壓縮編碼是利用JPEG LS無損壓縮技術實現(xiàn)的，通過分析比較， JPEG-LS無損壓縮方法具有較好的壓縮性能。利用高光譜圖像像素掃描數(shù)據(jù) 進行圖像內(nèi)部二進制數(shù)據(jù)的編碼，再利用圖像的背景信息目 標素進行壓縮目標的預測，并將其與實測圖像進行比較，從 而得到像素的誤差。在對其進行誤差分析的基礎上，當像素數(shù)據(jù)存在較大偏差時，使用Golomb算法調(diào)整像素值，并使用沖程方式進行壓縮。當像素數(shù)據(jù)之間的偏差較小時，無需 上述相關步驟，直接使用壓縮優(yōu)化模型與編碼匹配進行壓縮。按照上述方式，實現(xiàn)應用稀疏分解的高光譜圖像壓縮。

5、結(jié)論

5.1 實驗準備

采用LightDrectionDesigner高光譜圖像軟件進行實驗。實驗電壓等級和基礎功率分別為13.21 kV和20 MVA，加載 效率指標為0.84，實驗平臺的最大運行功率為600 kW。

5.2 實驗過程

為了驗證本文方法的壓縮性能，將其與三維Saab變換的高光譜圖像壓縮方法和基于光譜線性分解的高光譜圖像高 效壓縮方法進行壓縮實驗對比。此外，還采用了未考慮空間信息的逐像素稀疏解決方法（pixel-wisesparserepresentation， PWSR）以驗證光譜信息聯(lián)合利用對高光譜圖像壓縮的有效 性。這些方法中，基于三維Saab變換的高光譜圖像壓縮方法主要壓縮高光譜圖像的空間冗余，它對每個光譜波段進行三 維壓縮，并且根據(jù)比特分配原則，為每個波段賦予相同的壓 縮比，基于光譜線性分解的高光譜圖像高效壓縮方法是性能 優(yōu)越的高光譜圖像壓縮方法，它們都利用并壓縮了圖像的空 間和光譜冗余，然后用光譜線性壓縮空間冗余。本文主要從 率失真性能方面對比本文提出的方法和其他兩種高光譜圖像 壓縮方法。

5.3 實驗結(jié)果

三種方法的率失真性能對比結(jié)果如圖2所示。

圖2 三種方法的率失真性能對比圖

圖 2顯示了率失真性能的對比結(jié)果，所提出方法的率失真曲線位于其他方法的率失真曲線上方。說明本文設計方法在相同壓縮比的情況下能夠獲得更高的 SNR 值，數(shù)據(jù)失真度更低。

推薦：

便攜式地物光譜儀iSpecField-NIR/WNIR

專門用于野外遙感測量、土壤環(huán)境、礦物地質(zhì)勘探等領域的最新明星產(chǎn)品，由于其操作靈活、便攜方便、光譜測試速度快、光譜數(shù)據(jù)準確是一款真正意義上便攜式地物光譜儀。

無人機機載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機、穩(wěn)定云臺、機載控制與數(shù)據(jù)采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統(tǒng)通過獨特的內(nèi)置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質(zhì)量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學醫(yī)療、精準農(nóng)業(yè)、礦物地質(zhì)勘探等領域的最新產(chǎn)品，主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價比特點采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學設計，物鏡接口為標準C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯：劉清