摘   要： 對(duì)CCSDS算法進(jìn)行了優(yōu)化，提出了OCPC算法。該算法采用兩種預(yù)測(cè)模式根據(jù)像素點(diǎn)位置自適應(yīng)地選擇預(yù)測(cè)方法，并且編碼采用Golomb Rice編碼方法，編碼中仍然采用自適應(yīng)編碼K的計(jì)算方法。最后對(duì)OCPC算法的壓縮特性進(jìn)行了驗(yàn)證，取得了優(yōu)越的壓縮性能。
關(guān)鍵詞： 圖像壓縮；CCSDS圖像壓縮算法；OCPC算法

   高光譜遙感是指在光譜從紫外到中紅外波段范圍內(nèi)將其劃分為許多非常窄而且連續(xù)的波段來(lái)進(jìn)行采集的遙感系統(tǒng)，獲得的圖像具有很高的光譜分辨率[1]。海量的高光譜數(shù)據(jù)給傳輸帶來(lái)了巨大的壓力，研究低復(fù)雜度、低存儲(chǔ)和高性能的高光譜圖像壓縮編碼方法是高光譜成像技術(shù)的重要研究課題。本文主要針對(duì)高光譜圖像的無(wú)損壓縮進(jìn)行了相關(guān)領(lǐng)域的研究，并對(duì)空間數(shù)據(jù)系統(tǒng)咨詢委員會(huì)(CCSDS)最新發(fā)布的CCSDS高光譜圖像無(wú)損壓縮算法標(biāo)準(zhǔn)進(jìn)行優(yōu)化。
1 CCSDS算法簡(jiǎn)介
    CCSDS無(wú)損壓縮算法包括圖1所示的兩個(gè)功能模塊，一個(gè)模塊是預(yù)測(cè)器模塊，用來(lái)減少高光譜圖像數(shù)據(jù)冗余；另一個(gè)模塊是編碼器模塊，對(duì)降低冗余后的數(shù)據(jù)進(jìn)行編碼[2-3]。

    預(yù)測(cè)器的核心就是局部和的選取和局部差的選擇。局部和的計(jì)算決定了預(yù)測(cè)模式，精簡(jiǎn)模式預(yù)測(cè)中選擇的預(yù)測(cè)方法為列向局部和，如圖2(a)所示；全模式預(yù)測(cè)中采用的是鄰域預(yù)測(cè)像素點(diǎn)選取規(guī)則，可以選擇的預(yù)測(cè)方法為周邊局域和，如圖2(b)所示。

2 CCSDS算法的優(yōu)化
    針對(duì)高光譜圖像的譜間相關(guān)性和空間相關(guān)性，為了取得較好的壓縮性能，本文提出優(yōu)化組合預(yù)測(cè)編碼OCPC(Optimized Combination Processing Coding)算法進(jìn)行高光譜圖像的無(wú)損壓縮。這種優(yōu)化的無(wú)損壓縮算法根據(jù)當(dāng)前像素點(diǎn)的位置進(jìn)行預(yù)測(cè)模式的自適應(yīng)選擇，計(jì)算預(yù)測(cè)值與真實(shí)像素值之間的差分結(jié)果，并將差分結(jié)果進(jìn)行Golomb Rice編碼后輸出。OCPC算法有效地解決了圖像邊界預(yù)測(cè)問(wèn)題，取得了更好的壓縮特性。
2.1 預(yù)測(cè)器的優(yōu)化
    OCPC算法的核心就是兩種預(yù)測(cè)模式和Golomb Rice編碼，圖4所示為OCPC算法的整個(gè)體系結(jié)構(gòu)。
    OCPC算法中預(yù)測(cè)器包含精簡(jiǎn)模式預(yù)測(cè)和全模式預(yù)測(cè)兩種預(yù)測(cè)模式。精簡(jiǎn)模式預(yù)測(cè)用于處理高光譜圖像中的第一行、第一列和最后一列像素值；全模式預(yù)測(cè)用于處理高光譜圖像中其他區(qū)域的像素值。該算法的處理流程如下。
    (1)輸入高光譜圖像數(shù)據(jù)，判斷當(dāng)前像素點(diǎn)位置，若當(dāng)前位置為第一行、第一列或者最后一列，則跳至步驟(7)；否則,計(jì)算全模式Z譜段周邊局部和，并得到?滓z,y,x。
    (2)由步驟(1)計(jì)算的局部和和輸入圖像值可得到中心局部差和周邊局部差，這里要得到P個(gè)譜段的中心局部差值，因此要對(duì)譜段進(jìn)行判定，直到Z-P個(gè)譜段中心局部差全部獲取為止。
    (3)由步驟(2)得到的P個(gè)中心局部差和3個(gè)周邊局部差可得到局域差矢量。
    (4)為了得到每個(gè)元素均為整數(shù)的局部差矢量，需要對(duì)其進(jìn)行加權(quán)，由此計(jì)算出預(yù)測(cè)中心局部差z(t)。
    (5)由步驟(4)的預(yù)測(cè)中心局部差對(duì)權(quán)重進(jìn)行權(quán)重更新，得到實(shí)時(shí)的權(quán)重更新矢量。
    (6)預(yù)測(cè)誤差映射器負(fù)責(zé)對(duì)步驟(5)的預(yù)測(cè)中心局部差進(jìn)行預(yù)測(cè)誤差映射。
    (7)精簡(jiǎn)模式預(yù)測(cè)P個(gè)譜段的列向局部和，得到P個(gè)譜段的中心局域差，由P個(gè)中心局部差元素得到局域差矢量，然后對(duì)該矢量進(jìn)行加權(quán)，由此計(jì)算出預(yù)測(cè)中心局部差，預(yù)測(cè)中心局部差一方面由預(yù)測(cè)誤差映射器進(jìn)行預(yù)測(cè)誤差映射，另一方面用于權(quán)重更新，預(yù)測(cè)誤差映射用于后續(xù)的編碼。
    (8)計(jì)算K值，對(duì)預(yù)測(cè)誤差映射值進(jìn)行Golomb Rice編碼，壓縮碼流輸出。


3 OCPC算法的壓縮特性驗(yàn)證
    根據(jù)上述優(yōu)化處理后的OCPC算法，本節(jié)對(duì)該算法用C語(yǔ)言實(shí)現(xiàn)，并在VC++ 6.0開(kāi)發(fā)平臺(tái)上對(duì)高光譜圖像進(jìn)行測(cè)試，包括無(wú)損壓縮與解壓縮處理，輸出壓縮后的碼流數(shù)據(jù)與重建后的圖像[5-6]，同時(shí)得到壓縮比，并與優(yōu)化前的CCSDS無(wú)損壓縮算法和JPEG-LS壓縮算法進(jìn)行無(wú)損壓縮效果對(duì)比。
　基于C語(yǔ)言的OCPC算法的總體實(shí)現(xiàn)框架如下，ReducedMode( )為精簡(jiǎn)模式預(yù)測(cè)編碼函數(shù)，F(xiàn)ullMode( )為全模式預(yù)測(cè)編碼函數(shù)。
　    for(y==0;y<Ny;y++)
        for(x==0;x<Nx;x++)
　    {
　        if(y==0‖x==0‖x==Nx-1)
　　             ReducedMode(src,dst,height,width,bands);
　　        else if
　　             FullMode(src,dst,height,width,bands);
　　      end if;
    }
    通過(guò)VC++ 6.0平臺(tái)對(duì)該算法的C程序進(jìn)行編譯、鏈接和運(yùn)行,生成.exe可執(zhí)行文件。在PC命令行處調(diào)用可執(zhí)行文件，對(duì)圖5(a)中的高光譜圖像進(jìn)行壓縮處理，本次壓縮處理采用10個(gè)預(yù)測(cè)譜段進(jìn)行預(yù)測(cè)編碼處理。為了驗(yàn)證該算法的壓縮性能，特針對(duì)圖5(a)壓縮處理后的數(shù)據(jù)進(jìn)行解壓縮處理，得到解壓后的輸出圖像，如圖5(b)所示。在MATLAB軟件上通過(guò)重建的圖像與原圖像的對(duì)比可知，解壓后的圖像能夠完全恢復(fù)原圖像，驗(yàn)證了OCPC算法對(duì)高光譜圖像無(wú)損壓縮的可行性。
    為了更客觀地評(píng)價(jià)優(yōu)化處理后的OCPC算法的無(wú)損壓縮性能，另外選取3幅位寬為16 bit的Aviris星載遙感圖像,并對(duì)其進(jìn)行無(wú)損壓縮處理。將OCPC算法與CCSDS算法和JPEG-LS算法壓縮進(jìn)行比較， 3種算法壓縮效果對(duì)比如表2所示。

    從表2可以看出，采用JPEG-LS算法指標(biāo)可以實(shí)現(xiàn)7.56 bit/像素的壓縮效果，優(yōu)化前CCSDS算法可實(shí)現(xiàn)4.94 bit/像素的壓縮效果，OCPC算法可實(shí)現(xiàn)4.52 bit/像素的壓縮效果，表明OCPC算法均優(yōu)于其他兩種算法標(biāo)準(zhǔn)。特別說(shuō)明，JPEG-LS無(wú)損壓縮算法在去除空間相關(guān)性方面效果較好，只針對(duì)圖像進(jìn)行單譜段獨(dú)立壓縮，由于高光譜圖像的譜間相關(guān)性要遠(yuǎn)遠(yuǎn)高于空間相關(guān)性，因此這里JPEG-LS算法的壓縮效果與CCSDS算法壓縮效果差距較大。
    本文主要優(yōu)化了基于CCSDS最新發(fā)布的CCSDS高光譜圖像無(wú)損壓縮標(biāo)準(zhǔn)，提出了高光譜圖像無(wú)損壓縮算法OCPC算法。通過(guò)測(cè)試結(jié)果發(fā)現(xiàn)，CCSDS算法的壓縮特性具有在不影響圖像解壓效果下多譜段預(yù)測(cè)編碼的壓縮性能均優(yōu)于單譜段獨(dú)立壓縮達(dá)到的性能，并且OCPC算法的壓縮性能得到提升。
參考文獻(xiàn)
[1] 童慶禧, 張兵, 鄭蘭芳. 高光譜遙感——原理技術(shù)和應(yīng)用[M].北京：高等教育出版社，2006.
[2] Lossless Multispectral & Hyperspectral Image Compression. Recommendation for space data systems standards[S]. CCSDS 123.0-B-1.Blue Book.Issue 1.Washington D.C，CCSDS，May，2012：14-40.
[3] PEN S Y，PHILIPPE A. The new CCSDS image compression recommendation[C]. IEEE Aerospace Conference，2005：4138-4145.
[4] 胡棟. 靜止圖像編碼的基本方法與國(guó)際標(biāo)準(zhǔn)[M]. 北京：北京郵電大學(xué)出版社，2003.
[5] 鄭永奇，焦鑄，韓玉霞. 壓縮感知圖像重構(gòu)中矩陣互相關(guān)性的研究[J]. 微型機(jī)與應(yīng)用，2013,32(5)：46-49.
[6] 張曉玲，沈蘭蓀. 高光譜圖像的無(wú)損壓縮研究進(jìn)展[J].測(cè)控技術(shù)，2004，23(5)：23-27.