衛(wèi)星遙感圖像無(wú)損壓縮技術(shù)改進(jìn)方法

張玉山 張如意

(上海衛(wèi)星工程研究所,上海 201109)

隨著衛(wèi)星遙感圖像數(shù)據(jù)速率的提高，對(duì)星地?cái)?shù)傳帶寬的要求也越來(lái)越高，星上圖像壓縮技術(shù)用來(lái)緩解衛(wèi)星數(shù)傳帶寬有限和數(shù)據(jù)量增大的矛盾，同時(shí)降低衛(wèi)星遙感圖像對(duì)衛(wèi)星存儲(chǔ)資源的需求。圖像壓縮算法分為無(wú)損壓縮和有損壓縮兩種，無(wú)損壓縮解壓縮后圖像與原始圖像完全相同，沒有任何信息損失。有損壓縮解壓縮后圖像像素灰度值發(fā)生變化并且信息損失不可控，可能會(huì)丟失衛(wèi)星圖像中包含的重要遙感信息，不利于地面數(shù)據(jù)的后續(xù)應(yīng)用。對(duì)壓縮恢復(fù)圖像信息無(wú)損要求高的應(yīng)用來(lái)講，一般應(yīng)選擇無(wú)損或近無(wú)損壓縮方式。

無(wú)損壓縮算法主要包括預(yù)測(cè)類和變換類，預(yù)測(cè)類以JPEG-LS為代表，變換類以JPEG2000為代表。JPEG2000采用了小波變換技術(shù)，算法比較復(fù)雜，可實(shí)現(xiàn)無(wú)損壓縮和有損壓縮。JEPG-LS無(wú)損壓縮算法是JPEG工作組制定的新一代圖像無(wú)損壓縮標(biāo)準(zhǔn)，是一種復(fù)雜度相對(duì)較低、壓縮性能較高的算法，JEPG-LS可實(shí)現(xiàn)無(wú)損壓縮和近無(wú)損壓縮[1-2]。

無(wú)損壓縮性能最重要的衡量指標(biāo)為壓縮比，壓縮比越大越好。根據(jù)CCSDS-IDC綠皮書[3]，對(duì)12 bit/像素量化的多組典型場(chǎng)景圖像，JPEG-LS、JPEG2000、CCSDS、CCSDS/Rice等算法的平均無(wú)損壓縮比分別為2.15、2.13、2.10、1.91。由此可知，JPEG-LS無(wú)損壓縮比最高。因此，本文選取JPEG-LS算法對(duì)衛(wèi)星遙感圖像進(jìn)行無(wú)損壓縮性能研究。

基于預(yù)測(cè)原理的JPEG-LS無(wú)損壓縮算法存在著固有的誤碼擴(kuò)散現(xiàn)象，即受信道誤碼影響，地面解壓縮后數(shù)據(jù)中會(huì)產(chǎn)生更多的隨機(jī)比特錯(cuò)誤，此現(xiàn)象影響了其在衛(wèi)星工程中的應(yīng)用效果[4-6]。

某些衛(wèi)星遙感圖像應(yīng)用對(duì)實(shí)時(shí)性的要求較高，基于整幅圖像緩存的預(yù)測(cè)會(huì)產(chǎn)生較大的處理時(shí)延，難以滿足地面應(yīng)用系統(tǒng)的實(shí)時(shí)性應(yīng)用要求。本文首先介紹了標(biāo)準(zhǔn)無(wú)損壓縮JPEG-LS算法，針對(duì)標(biāo)準(zhǔn)算法在衛(wèi)星星上壓縮應(yīng)用中存在的誤碼擴(kuò)散和處理時(shí)延方面的不足，提出了JPEG-LS改進(jìn)算法，即采取分塊壓縮的措施來(lái)抑制誤碼擴(kuò)散同時(shí)解決圖像實(shí)時(shí)壓縮的需求，最后利用風(fēng)云四號(hào)(FY-4)衛(wèi)星掃描圖像對(duì)改良的無(wú)損壓縮算法進(jìn)行了驗(yàn)證。目前FY-4衛(wèi)星上還沒有采用壓縮技術(shù)，因此利用FY-4衛(wèi)星圖像在地面進(jìn)行壓縮技術(shù)驗(yàn)證具有重要理論意義和工程應(yīng)用價(jià)值。

1 標(biāo)準(zhǔn)無(wú)損壓縮算法及改良

JPEG-LS壓縮流程如圖1所示。

圖1 JPEG-LS壓縮算法流程圖
Fig.1 Step of JPEG-LS coding

JPEG-LS壓縮算法首先需要進(jìn)行上下文建模，然后預(yù)測(cè)、熵編碼。

(1)上下文建模是JPEG-LS編碼的基礎(chǔ)，使用的建模方法是基于對(duì)上下文的認(rèn)識(shí)。在上下文建模時(shí)，需要根據(jù)像素重建值計(jì)算上下文模板的局部梯度，梯度值與門限值進(jìn)行比較后映射得到上下文索引。

(2)預(yù)測(cè)是根據(jù)已知的鄰域像素對(duì)當(dāng)前像素進(jìn)行預(yù)測(cè)，預(yù)測(cè)的目的是去除空間冗余。預(yù)測(cè)結(jié)果要根據(jù)預(yù)測(cè)修正值進(jìn)行修正，預(yù)測(cè)修正值和當(dāng)前像素真實(shí)值相減得到預(yù)測(cè)殘差，殘差值再經(jīng)過量化、取模，然后進(jìn)行上下文環(huán)境參數(shù)更新、誤差映射。對(duì)12 bit/像素量化的圖像，誤差映射模塊的功能是把殘差值從-2048～2048映射到0～4096之間，其中正數(shù)映射成0～4096的偶數(shù)，負(fù)數(shù)映射成0～4096的奇數(shù)。

(3)熵編碼是對(duì)預(yù)測(cè)殘差值進(jìn)行編碼，熵編碼的目的是去除統(tǒng)計(jì)冗余。熵編碼時(shí)，需要根據(jù)殘差累計(jì)值和上下文發(fā)生次數(shù)計(jì)算熵編碼過程參數(shù)K值，然后利用K值和誤差映射值進(jìn)行限長(zhǎng)熵編碼。

在對(duì)當(dāng)前像素值和預(yù)測(cè)值的差值即預(yù)測(cè)殘差值進(jìn)行量化時(shí)，無(wú)損壓縮只能無(wú)損量化、不允許近似量化，近無(wú)損壓縮允許最大為近無(wú)損度Near值的近似量化。例如，在真實(shí)預(yù)測(cè)殘差值為-1、0、1時(shí)，近無(wú)損度Near值為1的預(yù)測(cè)殘差值量化結(jié)果均為0。在解壓縮時(shí)，通過獲取壓縮碼流中的預(yù)測(cè)殘差熵編碼值及上下文環(huán)境參數(shù)，可還原出圖像像素值，即在無(wú)損壓縮時(shí)可保證圖像壓縮前、解壓縮后像素灰度值完全一致，在近無(wú)損壓縮時(shí)可保證圖像壓縮前、解壓縮后像素灰度值相差最大為Near值[7-9]。

本文在傳統(tǒng)預(yù)測(cè)編碼的上下文建模、殘差預(yù)測(cè)、熵編碼的基礎(chǔ)上，采用圖像分塊壓縮措施來(lái)抑制誤碼擴(kuò)散、降低處理時(shí)延，改進(jìn)的算法流程如圖2所示。

圖2 改良的JPEG-LS壓縮算法流程圖
Fig.2 Step of improved JPEG-LS coding

下面從誤碼擴(kuò)散抑制能力、時(shí)延提升幅度、無(wú)損壓縮比變化3個(gè)方面對(duì)改進(jìn)的壓縮算法進(jìn)行研究。

對(duì)圖像進(jìn)行分塊處理，可將誤碼擴(kuò)散限制在一個(gè)分塊內(nèi)。分塊大小的選取需要同時(shí)考慮壓縮比、誤碼擴(kuò)散抑制能力、處理時(shí)延等方面。本文選取8×32、8×64、16×32、16×64像素4種圖像分塊大小，對(duì)標(biāo)準(zhǔn)JPEG-LS無(wú)損壓縮算法和改進(jìn)壓縮算法的誤碼擴(kuò)散抑制能力、處理時(shí)延、壓縮比變化等內(nèi)容進(jìn)行了對(duì)比，誤碼抑制能力對(duì)比結(jié)果如圖3和表1所示，處理時(shí)延對(duì)比結(jié)果如圖4和表2所示，壓縮比對(duì)比結(jié)果如圖5和表3所示。

圖3 誤碼抑制能力提升數(shù)量級(jí)Fig.3 Logarithm of the error-bit propagation improved

圖4 處理時(shí)延減小數(shù)量級(jí)Fig.4 Logarithm of the delay improved

由此可見，與標(biāo)準(zhǔn)算法的全圖緩存壓縮相比，改進(jìn)算法在采用16×64分塊時(shí)可將誤碼降低4個(gè)數(shù)量級(jí)。

表2 處理時(shí)延減小數(shù)量級(jí)

由此可見，與標(biāo)準(zhǔn)算法的全圖緩存壓縮相比，改進(jìn)算法在采用16×64分塊時(shí)可將處理時(shí)延減小5個(gè)數(shù)量級(jí)。

圖5 不同分塊條件下的無(wú)損壓縮比Fig.5 Ratio of the different small piece compression

由此可見，與標(biāo)準(zhǔn)算法的全圖緩存壓縮相比，改進(jìn)算法在采用16×64分塊時(shí)無(wú)損壓縮比下降約10%。

綜上，與標(biāo)準(zhǔn)算法相比，改進(jìn)算法在無(wú)損壓縮比降低10%的代價(jià)下，可將誤碼降低4個(gè)數(shù)量級(jí)、處理時(shí)延減小5個(gè)數(shù)量級(jí)，可滿足衛(wèi)星星上實(shí)時(shí)壓縮的需求。

2 改進(jìn)無(wú)損壓縮算法的應(yīng)用

本文采用改進(jìn)的無(wú)損壓縮算法，利用FY-4衛(wèi)星圖像對(duì)其性能進(jìn)行仿真測(cè)試。測(cè)試采用的分塊大小為16×64像素，圖像包括掃描成像輻射計(jì)輸出的14個(gè)通道的圖像數(shù)據(jù)，此數(shù)據(jù)為地面應(yīng)用系統(tǒng)接收到的原始數(shù)據(jù)，根據(jù)數(shù)據(jù)幀格式解析得到，包括世界時(shí)4:00、16:00兩組。

2.1 FY-4衛(wèi)星圖像

2016年11月美國(guó)地球靜止環(huán)境業(yè)務(wù)衛(wèi)星-R(GOES-R)發(fā)射成功，其裝載的先進(jìn)基線成像儀(ABI)是掃描型輻射成像儀，采用了無(wú)損壓縮技術(shù)來(lái)降低數(shù)據(jù)速率[10]。2016年12月，我國(guó)第二代靜止軌道氣象衛(wèi)星FY-4發(fā)射成功。FY-4衛(wèi)星的綜合指標(biāo)與GOES-R衛(wèi)星相當(dāng)，部分指標(biāo)甚至優(yōu)于GOES-R衛(wèi)星。但是，F(xiàn)Y-4衛(wèi)星上還沒有采用圖像壓縮技術(shù)，因此，對(duì)FY-4衛(wèi)星主載荷掃描成像輻射計(jì)的遙感圖像進(jìn)行無(wú)損壓縮性能研究，既能驗(yàn)證改進(jìn)無(wú)損壓縮算法的性能，同時(shí)具有重要的工程應(yīng)用價(jià)值。

FY-4衛(wèi)星的成像儀器為掃描成像輻射計(jì)，掃描方式為逐行掃描，每15 min可同時(shí)獲取整幅紅外波段和可見光波段的地球圓盤圖，圖像共包括14個(gè)波段，13個(gè)波段量化位數(shù)為12位、1個(gè)波段量化位數(shù)為16位，圖像參數(shù)如表4所示。

在白天和黑夜地球受到的光照差別較大，掃描成像輻射計(jì)的可見光波段和近紅外波段圖像特性變化較大。因此，本文選取了在地面接收到的世界時(shí)(UTC)4:00、16:00的兩組FY-4衛(wèi)星圖像，采用改進(jìn)的無(wú)損壓縮算法進(jìn)行了研究，研究包括無(wú)損和近無(wú)損壓縮。近無(wú)損壓縮本質(zhì)上屬于無(wú)損壓縮范疇，不同于有損壓縮信息損失的不可控，近無(wú)損壓縮產(chǎn)生的信息損失可控。近無(wú)損壓縮產(chǎn)生的信息損失可用近無(wú)損度Near值來(lái)量化，近無(wú)損度的定義為解壓縮后圖像像素灰度值與壓縮前圖像對(duì)應(yīng)像素灰度值的最大差值的絕對(duì)值。無(wú)損壓縮沒有任何信息損失，即Near值為0，近無(wú)損壓縮近無(wú)損度Near值一般控制在3以內(nèi)。測(cè)試圖像如圖6所示。

圖6 風(fēng)云四號(hào)衛(wèi)星遙感圖像Fig.6 Remote sensing image of FY-4 satellite

2.2 第一組測(cè)試數(shù)據(jù)

采用改進(jìn)壓縮算法對(duì)世界時(shí)4:00圖像數(shù)據(jù)進(jìn)行無(wú)損壓縮、近無(wú)損壓縮性能測(cè)試，測(cè)試結(jié)果如圖7和表5所示。

圖7 風(fēng)云四號(hào)遙感圖像分塊壓縮測(cè)試結(jié)果(世界時(shí)4:00)Fig.7 Result base on FY-4 image using the improved compression algorithm(UTC 4:00)

圖像編號(hào)波段編號(hào)無(wú)損近無(wú)損1近無(wú)損21可見光11.762.212.502可見光21.902.412.773可見光31.932.472.854紅外12.443.374.085紅外22.082.713.176紅外32.232.953.457紅外42.362.773.098紅外52.002.623.069紅外62.493.524.3010紅外72.303.153.7911紅外82.152.893.3812紅外92.082.753.2213紅外102.132.843.3714紅外111.982.583.02可見光平均壓縮比1.882.392.74紅外平均壓縮比2.242.913.38全波段平均壓縮比1.942.482.85

由本組測(cè)試數(shù)據(jù)可知(UTC 4:00)，可見光波段圖像無(wú)損壓縮比最低為可見光1波段的1.76、最高為可見光3波段的1.93，紅外波段圖像的無(wú)損壓縮比最低為紅外11波段的1.98、最高為紅外6波段的2.49。

2.3 第二組測(cè)試數(shù)據(jù)

采用改進(jìn)壓縮算法對(duì)世界時(shí)16:00圖像數(shù)據(jù)進(jìn)行無(wú)損壓縮、近無(wú)損壓縮性能測(cè)試，測(cè)試結(jié)果如圖8和表6所示。

圖8 風(fēng)云四號(hào)遙感圖像分塊壓縮測(cè)試結(jié)果(世界時(shí)16:00)Fig.8 Compress result of Remote sensing image of FY-4 satellite(UTC 16:00)

由本組測(cè)試數(shù)據(jù)可知(UTC 16:00)，可見光波段圖像無(wú)損壓縮比最低為可見光1波段的2.20，最高為可見光3波段的2.61，紅外波段圖像的無(wú)損壓縮比最低為紅外11波段的2.01，最高為紅外3波段的3.22。

世界時(shí)4:00和16:00的兩組圖像無(wú)損壓縮測(cè)試結(jié)果對(duì)比如圖9所示。

表6 風(fēng)云四號(hào)衛(wèi)星圖像分塊壓縮測(cè)試結(jié)果(世界時(shí)16:00)

圖9 兩組圖像無(wú)損壓縮性能比對(duì)Fig.9 Compare of tow group image compress result

采用改進(jìn)壓縮算法，針對(duì)FY-4衛(wèi)星UTC4:00圖像，平均無(wú)損壓縮比為1.94，近無(wú)損度平均壓縮比可達(dá)2.85；針對(duì)FY-4衛(wèi)星 UTC 16:00圖像，平均無(wú)損壓縮比為2.38、近無(wú)損平均壓縮比可達(dá)3.87。

3 結(jié)論

本文針對(duì)JPEG-LS無(wú)損壓縮算法存在的不足，提出了改進(jìn)無(wú)損壓縮算法，并利用FY-4衛(wèi)星在軌遙感圖像從誤碼擴(kuò)散抑制、處理時(shí)延、無(wú)損壓縮比三個(gè)方面進(jìn)行了驗(yàn)證，結(jié)論如下。

(1)與標(biāo)準(zhǔn)無(wú)損壓縮算法相比，改進(jìn)算法可將誤碼降低4個(gè)數(shù)量級(jí)，可有效抑制誤碼擴(kuò)散。

(2)與整圖緩存的標(biāo)準(zhǔn)無(wú)損壓縮算法相比，改進(jìn)算法的壓縮時(shí)延可降低5個(gè)數(shù)量級(jí)以上，可滿足衛(wèi)星實(shí)時(shí)壓縮的處理要求。

(3)在沒有任何信息損失的條件下，改進(jìn)算法可獲得1.94的最低平均無(wú)損壓縮比，即可將衛(wèi)星遙感圖像星地?cái)?shù)傳數(shù)據(jù)量壓縮一半左右。

References)

[1] 杜列波.星載遙感圖像JPEG2000壓縮算法的去量化[D].長(zhǎng)沙:國(guó)防科技大學(xué)，2009

DuLiebo. Quantification removing for satellite on-board remote image JPEG2000 compression algorithm[D].Changsha: National University of Defense Technolog,2009 (in Chinese)

[2] 姜波. 多通道衛(wèi)星云圖的圖像處理技術(shù)研究[D].哈爾濱:哈爾濱工程大學(xué)，2012

Jiang Bo.Image processing technology of multi-channel data of satellite cloud image[D].Harbin: Harbin Engineering University,2012 (in Chinese)

[3] CCSDS. Lossless Data Compression green book. Recommendation for space data system standards,CCSDS 121.0-G-2[R].Washington D.C.:CCSDS,2006:16-24

[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

Hu Dong. The basic methods and the international stand of static image compress[M].Beijing: Beiyou University Press,2003 (in Chinese)

[5] Aaron Kiely, Roberto Manduchi, Matthem Klimesh. Maximizing science return:Data compression and onboard science processing[M]. Germany: Springer, 2000：12-13

[6] Marcelo J, Weinberger. The LOCO-I lossless image compression algorithm[J]. IEEE Transactions on Image Processing, 2000,9(8):2-5

[7] David S Taubman, Michael W Marcellin. The basic methods,stand and usage of JPEG2000 image compress[M]. Beijing: Publishing House of Electronics Industry,2004

[8] 馮希.幾種圖像無(wú)損壓縮與編碼方法研究[D].西安:中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所，2008

Feng Xi.Comparison of several lossless image compression and coding algorithms[D]. Xi’an: Chinese Academy of Sciences, Xi’an Institute of Optical Precision Mechanism,2008 (in Chinese)

[9] 許貴.星載遙感圖像壓縮中的變換算法研究[D].南京：南京理工大學(xué)，2009

Xu Gui.The study on transform algorithm of the satellite remote sensing image compression[D]. Nanjing:Nanjing University of Science and Technology,2009 (in Chinese)

[10] 龔燃. 美國(guó)下一代靜止氣象衛(wèi)星[J].國(guó)際太空，2013(9)：20

Gong Ran.The next generation meteorological satellite of the United Sates[J]. Space International,2013(9)：20(in Chinese)