基于分布式信源编码的多光谱图像/视频压缩技术研究

【摘要】：多光谱图像及视频序列由于增加了一维数据，可以提供更加丰富的信息，从而得到了广泛的应用。但是丰富的信息量是以大量的数据存储为代价的，需要进行有效的压缩才有利于存储和传输。多光谱图像及视频序列具有很强的帧间相关性。传统的图像压缩算法如3DSPIHT、MPEG-4、H.264/AVC等，在编码端利用图像的帧间相关性进行编码，导致编码器的运算复杂度远远高于解码器。而在一些特定的应用场合如深空通信、无线传感器网络、视频监控等，编码器因资源有限需要尽可能地简单，而解码器拥有较多资源可进行复杂的解码运算，这对图像压缩的结构设计提出了新的挑战。 分布式信源编码(distributed source coding, DSC)具有与传统编码标准相反的系统结构，与上述应用需求完全吻合，成为国内外的研究热点。DSC在编码端对相关信源独立编码，而在解码端利用相关性对信源进行联合解码，极大地降低了编码复杂度。但是和传统的帧间编码方法相比，DSC系统的率失真性能仍然有一定的差距。论文通过对图像数据特性和现有DSC系统不足的分析，对基于DSC的多光谱图像/视频压缩算法进行了深入的研究，以缩短与传统帧间编码算法的差距，在保持较低编码复杂度的同时达到高效的压缩。 论文的主要工作及取得的研究成果如下： 1.提出了一种基于无链表SPIHT的分布式干涉多光谱图像压缩算法。该算法将无链表SPIHT和DSC有效结合，同时去除了图像序列帧内、帧间及小波系数子带间的相关性。根据DSC的特点，提出了基于边信息的辅助重构方法，以减少量化误差，提高重构质量。实验结果表明，和一般的基于小波变换的DSC方法相比，该算法的PSNR平均提高了大约0.5dB，拟合原始光谱曲线的性能较其它传统算法也有明显的提高。 2.提出了一种基于无穷范数最小搜索和陪集码的高光谱图像无损及近无损压缩算法。该算法分析了基于陪集码的DSC算法的最优预测准则应为无穷范数最小，提出了基于无穷范数最小搜索的预测方法来逼近最优准则，并将编码框架推广到近无损压缩。实验表明，和原有的陪集码方法相比，该算法无损压缩的平均码率降低了大约0.23bpp，近无损性能也明显优于JPEG-LS。该算法具有较低的计算复杂度和较高的压缩性能，且具有一定的抗误码能力，适用于星载高光谱图像压缩。 3.提出了基于分类和陪集码的高光谱图像压缩算法。根据高光谱图像相邻波段具有相似的谱间相关性，首先利用前一波段对应位置的预测噪声对当前波段编码块的像素进行分类，将具有相似相关性的像素归于一类，然后对每一类像素分别进行陪集码编码。实验表明分类可以有效地降低码率。和不进行分类的陪集码DSC算法相比，该算法无损压缩的平均码率降低了大约0.4bpp。 4.提出了变换域Wyner-Ziv (transform domain Wyner-Ziv, TDWZ)视频编码的相关性噪声渐进细化方法。该方法在解码过程中利用已解码的比特平面和量化误差对估计的相关性噪声进行细化以提高相关性噪声的估计精度。实验结果表明该方法在高码率下可以明显提高TDWZ编解码系统的率失真性能，尤其是对于运动比较剧烈的视频序列。 5.针对基于信道码的TDWZ视频编码系统，提出了极大似然预解码方法。在解码端请求伴随式开始LDPCA解码之前，首先利用比特条件概率进行极大似然预解码。如果解码成功，则可以避免伴随式请求和LDPCA解码，进一步降低TDWZ系统的码率。实验结果表明极大似然预解码方法在几乎不增加解码复杂度的情况下，可以降低系统的码率，尤其是对于运动比较简单的视频序列。