含無效云區(qū)域遙感圖像在軌壓縮方法

，，

1. 中國民航大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，天津 300300 2. 中國科學(xué)院 國家空間科學(xué)中心,北京 100190

近年來，隨著國防與國民經(jīng)濟的發(fā)展需求，航天光學(xué)遙感技術(shù)在理論與工程技術(shù)上發(fā)展迅速，新的在軌光學(xué)遙感載荷不斷涌現(xiàn)，空間分辨率、時間分辨率、光譜分辨率及輻射分辨率等性能指標大幅提升，使得光學(xué)遙感圖像的信息量呈指數(shù)增長[1-2]，對應(yīng)的實時數(shù)據(jù)傳輸速率已高達數(shù)吉比特每秒。然而利用目前的通信技術(shù)進行星地圖像傳輸，傳輸率僅為500 Mbit/s左右[3]，星地圖像傳輸帶寬與遙感圖像數(shù)據(jù)量之間存在著巨大的差距和矛盾，而且差距呈現(xiàn)出擴大趨勢，嚴重制約了高分辨率光學(xué)遙感技術(shù)的應(yīng)用。遙感圖像信源數(shù)據(jù)量增大，而傳輸帶寬不變，這就需要增大對信源的壓縮倍數(shù)。然而對于現(xiàn)有的圖像有損壓縮算法來講，隨著圖像壓縮比的增大，圖像的質(zhì)量會急劇下降。所以直接利用現(xiàn)有的圖像壓縮方法不能很好的解決這個矛盾。地球上平均有1/3～1/2的地區(qū)覆蓋著云層。大部分遙感圖像中含有一定的云。對非氣象類遙感衛(wèi)星而言，由于云的遮擋，這部分幾乎不具備任何可用信息或可用信息較少，但占用了有限的星上存儲空間與星地傳輸帶寬。在壓縮過程中充分考慮并合理設(shè)計云剔除策略，減少甚至消除云無效區(qū)域的編碼消耗，可以提高壓縮性能，緩解數(shù)傳帶寬壓力。

對于包含無效區(qū)域的圖像的壓縮問題，處理策略主要分成3大類。第1類是基于預(yù)處理的填充方法，在壓縮之前按照有利于壓縮的方式填充圖像中的無效區(qū)域，不改變后續(xù)的壓縮算法。這類填充方法復(fù)雜度低，而且輸出碼流遵循原壓縮標準。無效區(qū)域的填充值的選取對于壓縮性能有很大影響，填充值的計算主要有Phagocyte[4]和ADR[5]兩種方法。Phagecyte利用指定區(qū)域窗口內(nèi)像素的算數(shù)平均迭代填充無效區(qū)域，算法簡單，在一定程度上提到了壓縮性能，并成功應(yīng)用于商業(yè)GIS產(chǎn)品中，但最終的無效區(qū)域并非單一的灰度值，無效區(qū)域的壓縮編碼仍消耗較高。由Jorge Gonalez Conejero等人提出的ADR方法利用計算出的某個單一值填充整個無效區(qū)域，降低了無效區(qū)域的壓縮編碼消耗，但該方法以整個有效數(shù)據(jù)區(qū)域像素的算數(shù)平均作為平均值，這個值并不能精確反映填充部分的邊緣信息，所以在小波變化后，填充的邊緣部分會產(chǎn)生較多的高頻信息，壓縮編碼消耗較高。第2類是基于感興趣區(qū)域(Region Of Interest,ROI)的方法，此類方法通常應(yīng)用于基于小波變換的圖像壓縮算法中，在小波變換之后通過提升感興趣區(qū)域的位平面達到優(yōu)先編碼的目的，如JPEG2000 part1中的MaxShift方法[6-8]。在輸出碼率不變的情況下，可以有效提高感興趣區(qū)域的壓縮性能。由于提升后的感興趣區(qū)域(可以看作有效區(qū)域)邊緣處的小波系數(shù)在恢復(fù)時丟失了一部分信息，所以會造成解壓縮后有效區(qū)域邊緣區(qū)域的圖像質(zhì)量較差。第3類是針對此類問題設(shè)計專用的壓縮算法。這類算法大多是通過改進主流壓縮算法流程中的某些環(huán)節(jié)，達到降低無效區(qū)域編碼消耗的目的。文獻[9]改進SPIHT算法，采用集合劃分策略，在編碼階段直接丟棄無效區(qū)域信息。文獻[10]改進EBCOT編碼方法，改進后算法可以編碼圖像內(nèi)的任意區(qū)域。這類算法一般會在編碼過程中直接跳過無效區(qū)域，這樣無效區(qū)域的編碼消耗幾乎為0，編碼性能較高。但此類算法都是通用壓縮方法，并未針對遙感圖像壓縮設(shè)計，算法設(shè)計時并未考慮空間應(yīng)用特殊性及在軌成像特點，而且復(fù)雜度較高。

針對遙感圖像壓縮，空間數(shù)據(jù)系統(tǒng)咨詢委員會(Consultative Committee for Space Data System, CCSDS)推出了基于小波變換的圖像壓縮標準CCSDS-122.0-B-1(又稱CCSDS-IDC)[11-13]。標準針對空間任務(wù)圖像采集特點及應(yīng)用的特殊性，在現(xiàn)有壓縮方法的基礎(chǔ)上，綜合考慮算法的壓縮性能與算法復(fù)雜度，具有復(fù)雜度較低、壓縮性能較高、功能全面、性能優(yōu)異、實用性強等特點。所以本文在CCSDS-IDC標準基礎(chǔ)上，針對含云圖像壓縮問題，提出了形狀自適應(yīng)CCSDS-IDC算法，改進后，含云遙感圖像壓縮性能得到了較大提高。

1 CCSDS-IDC算法

CCSDS-IDC壓縮算法模型與傳統(tǒng)基于DWT的壓縮算法類似，如圖1所示，其壓縮性能與當前效果最好的JPEG2000方法相當。主要包含離散小波變換(DWT)和比特平面編碼(BPE)兩個部分。離散小波變換將圖像變換到小波域，去除圖像像素間的相關(guān)性，比特平面編碼根據(jù)重要程度掃描和編碼小波系數(shù)。

1.1 離散小波變換

9/7浮點DWT的兩組濾波器系數(shù)為：

{h-4,h-3,h-2,h-1,h0,h1,h2,h3,h4}

{g-3,g-2,g-1,g0,g1,g2,g3}

系數(shù)如表1所示。變換公式為：

(1)

(2)

式中：j=1,2…,N,Cj和Dj分別為第j個低頻和高頻系數(shù)。

表1 CCSDS-IDC小波變換系數(shù)

與此對應(yīng)的小波反變換公式為：

(3)

(4)

式中：q和p分別為綜合濾波器低通和高通系數(shù)。

CCSDS-IDC算法的小波變換為3級，由于小波系數(shù)的對稱性，二維小波變換可以按照行、列分別進行。變換后，圖像的低頻子帶包含了圖像的大部分信息。編碼時為低頻子帶和高頻子帶間分配不同比例的碼字，起到壓縮的效果。3級二維變換示意如圖2所示。

1.2 位平面編碼

位平面編碼將低頻子帶和各高頻子帶中對應(yīng)的64個系數(shù)組成一組，即一個塊。如圖3所示，包含1個直流系數(shù)(DC)，63個交流系數(shù)(AC)(3個父系數(shù)、12個兒子系數(shù)和48個孫子系數(shù))。

CCSDS-IDC標準中，BPE編碼包含DC編碼和AC編碼兩部分。DC編碼采用CCSDS-RICE算法進行；AC是BPE編碼的核心所在，按照比特平面的重要程度，掃描編碼一個塊中的63個交流小波系數(shù)。

掃描編碼過程中，BPE共包含Stage0～Stage4的5個階段。Stage0對直流系數(shù)進行RICE編碼，Stage1按比特平面掃描編碼3個父系數(shù)，Stage2按比特平面掃描編碼12個子系數(shù)，Stage3按比特平面掃描編碼48個孫子系數(shù)，Stage4掃描量化編碼比特平面中的非重要系數(shù)。編碼順序示意如圖4所示。

2 形狀自適應(yīng)CCSDS-IDC算法

CCSDS-IDC算法未給出針對無效區(qū)域的編碼方法。本文為了提高包含無效區(qū)域(云區(qū)域)遙感圖像的壓縮性能，對CCSDS-IDC的DWT和BPE進行改進，提出形狀自適應(yīng)CCSDS-IDC(SA-CCSDS-IDC)方法來盡量減少無效區(qū)域壓縮成本。改進后得到的SA-CCSDS-IDC算法流程示意如圖5所示。首先根據(jù)掩膜圖像信息對原始圖像中有效區(qū)域像素進行3級形狀自適應(yīng)小波變換(Shape Adaptive Discrete Wavelet Transform， SA-DWT)，為了標識小波變換后有效區(qū)域內(nèi)各個小波系數(shù)的位置信息，對掩膜圖像進行Lazy小波變換，并用變換后的結(jié)果指導(dǎo)形狀自適應(yīng)位平面編碼(Shape Adaptive Bit Plane Encoding，SA-BPE)，在掃描和編碼過程直接跳過無效區(qū)域。為了解碼時正確恢復(fù)各個像素之間的位置關(guān)系，對二值的掩膜圖像利用鏈碼進行形狀編碼，并將編碼后的結(jié)果與SA-BPE有效區(qū)域編碼信息融合到一起，最終形成壓縮碼流并輸出。圖像解壓縮過程中，首先通過解碼形狀信息恢復(fù)云掩膜，然后根據(jù)掩膜解碼比特平面信息，將結(jié)果進行形狀自適應(yīng)小波反變換，最終恢復(fù)出原始圖像的有效區(qū)域部分。

2.1 形狀自適應(yīng)小波變換

經(jīng)過云剔除后的遙感圖像中的有效區(qū)域不再是規(guī)則的矩形，為提高壓縮性能，利用形狀自適應(yīng)小波變換，在小波變換階段直接跳過無效的云區(qū)域像素點。SA-DWT的基本思想是：進行一維小波變換時，利用云掩膜信息，對圖像一行中連續(xù)的任意長度像素段進行小波變換，變換時，主要考慮以下兩個問題：1)經(jīng)過SA-DWT后的小波系數(shù)個數(shù)不能增加，應(yīng)該與原有有效區(qū)域的像素個數(shù)相同。2)SA-DWT應(yīng)該保留原始DWT中影響編碼性能的一些特性，如空間相關(guān)性，變換的局部特性及子帶間的自相似性等。相比傳統(tǒng)DWT，SA-DWT主要包含兩個特性：邊緣擴展和采樣策略。

(1)邊緣擴展

(9,7)小波是一種奇對稱雙正交小波，在進行變換時，為保證無損重建，圖像的邊緣處可采用鏡像擴展方式，如圖6所示。當連續(xù)的像素段比較短時，擴展時開始像素與結(jié)尾像素會相互影響，需要從開始像素到結(jié)束像素遞歸交替地擴展邊緣處的像素點。所以邊界擴展更為復(fù)雜，需要特殊處理。圖7給了當連續(xù)像素段的長度為2時的擴展實例。

(2)下采樣策略

對任意長度的像素段進行小波變換后，產(chǎn)生低通和高通兩個子帶系數(shù)。不同的采樣系數(shù)方式，會產(chǎn)生不同的效果。SA-DWT的采樣方式主要有兩種：局部下采樣和全局下采樣，如圖8所示。對于局部下采樣來講，同一行中的每一個單獨的連續(xù)像素段，從起始像素開始進行偶采樣或奇采樣，而對于全局下采樣, 總是從當前行的由于連續(xù)像素段的長起始像素開始進行采樣。度是不固定的，有可能是奇數(shù)，也有可能是偶數(shù)。當長度為奇數(shù)時，如果進行全局下采樣, 有可能造成高通系數(shù)比低通系數(shù)多，這樣更多小波系數(shù)信息位于高頻系數(shù)中，這非常不利于壓縮編碼，但這種方式可以保持小波系數(shù)間的相位關(guān)系不變。根據(jù)文獻[14]，利用局部下采樣策略可以得到更優(yōu)的編碼壓縮性能。故本文為提高剔除云后的有效區(qū)域的壓縮性能，采用局部下采樣策略。

2.2 形狀位平面編碼

除了對DWT進行形狀自適應(yīng)的改進外，BPE階段同樣需要改進。在編碼過程中，改進后的SA-BPE直接跳過無效區(qū)域的小波系數(shù)，可以大大提高編碼的效率。CCSDS-IDC編碼過程中，將DWT后的小波系數(shù)按照子帶分成多個塊，并在各個塊之間進行獨立掃描和處理。改進后的BPE，跳過無效區(qū)域，直接編碼有效區(qū)域，如圖9所示。

原CCSDS-IDC算法對位平面掃描后得到掃描字和轉(zhuǎn)義字，這些掃描結(jié)果和小波系數(shù)位置關(guān)系有關(guān)，而且長度是固定的(3 bit或者4 bit)。但是經(jīng)過SA-DWT后，高頻系數(shù)個數(shù)不再和低頻系數(shù)個數(shù)相同，這樣每個家族塊中的小波系數(shù)有可能缺失。本文SA-BPE在塊內(nèi)掃描時，對缺失的小波填充0來處理。在對這些掃描結(jié)果進行熵編碼時，由于熵編碼本身算法復(fù)雜度較高，CCSDS為折中算法復(fù)雜度和算法壓縮性能，統(tǒng)計了大量遙感圖像的位平面掃描數(shù)據(jù)，依據(jù)統(tǒng)計編碼結(jié)果給出了固定的編碼表，及利用查找編碼表代替熵編碼計算進行掃描結(jié)果的編碼，大大降低了算法復(fù)雜度。但本文SA-BPE掃描過程中，人為地在缺失像素的位置添加了0，使掃描結(jié)果的統(tǒng)計特性發(fā)成了變化，這樣原CCSDS-IDC的編碼表不在是統(tǒng)計上最優(yōu)的。所以本文對123幅含云遙感圖像的SA-BPE的掃描結(jié)果進行統(tǒng)計，利用Huffman編碼重新設(shè)計了轉(zhuǎn)義字及掃描字的編碼查找表。

2.3 形狀編碼

對于SA-CCSDS-IDC算法，經(jīng)過云檢測后的地物區(qū)域的形狀往往是不規(guī)則的，需要在編碼過程中編碼地物區(qū)域邊緣所圍成的區(qū)域形狀信息。輪廓像素編碼后，就可以在解碼時定位該區(qū)域，精確恢復(fù)地物的形狀信息。

鏈碼是一種簡單有效的輪廓信息編碼方法[15]。鏈碼的編碼流程如下：以輪廓上的任意一點(x,y)為起點開始掃描編碼，將相鄰輪廓點的相對位置關(guān)系用0～7的8個數(shù)字，每種位置關(guān)系用3比特表示，分別是000～111，如圖10所示。然后順序掃描編碼其他輪廓點。這種編碼輪廓的方法可以精確的表示輪廓，并起到壓縮的作用。若需要進一步提高壓縮性能，可以首先將輪廓進行修正，增加拐點位置的輪廓像素，使輪廓的8鄰域轉(zhuǎn)化成4鄰域，這樣位置關(guān)系就可以用2比特表示。這在一定程度上造成了原輪廓的失真。本文結(jié)合以上兩種方式，采用一個改進的鏈碼來編碼輪廓信息。相鄰的3個輪廓點之間有一定的約束關(guān)系，已知前2個輪廓點，第3個輪廓點的可能鄰域信息只有4個不同的鏈碼。這樣就可以在保證無失真的編碼輪廓的同時，只采用2比特來編碼圖像邊緣輪廓。

3 試驗結(jié)果及分析

3.1 測試圖像集

目前高分辨率光學(xué)遙感衛(wèi)星的主要成像載荷是推掃式被動光學(xué)傳感器，探測器陣列橫向排列于光學(xué)焦平面上即垂直于衛(wèi)星運動方向，在衛(wèi)星完成向前飛行的過程中縱向?qū)Φ孛鎾呙?，從而得到地面目標的一個二維條帶狀圖像，在軌壓縮處理也是按照條帶完成的。以當前在軌商業(yè)光學(xué)遙感衛(wèi)星QuickBird及OrbView遙感全色圖像為基礎(chǔ)，通過插值、采樣等變換后，得到條帶狀的模擬測試圖像。圖像測試集包括不同場景、不同云量的共計123張測試圖。圖11列出了部分典型測試圖像的原圖及其云區(qū)域掩膜圖像，包括Cloud_1、Cloud_2、Cloud_3、Cloud_4及Cloud_5，其中云區(qū)域掩膜中黑色代表地物區(qū)域，白色代表云無效區(qū)域。表2給出了部分測試集中圖像的一些參數(shù)，包括圖像分辨率、無效區(qū)域占比、灰度均值、灰度方差?；叶确讲钤谝欢ǔ潭壬峡梢苑磻?yīng)圖像的復(fù)雜程度，灰度方差越大，圖像場景越復(fù)雜。

3.2 結(jié)果及性能分析

利用以上測試圖像集，測試和比較了本文給出的針對含云遙感圖像壓縮的SA-CCSDS-IDC方法相比未經(jīng)云剔除的原始CCSDS-IDC算法、JPEG2000算法和經(jīng)過ADR填充后的CCSDS-IDC算法的壓縮性能，表3～表7給出了Cloud_1 ～ Cloud_5典型測試圖像的壓縮性能測試結(jié)果。

表2 典型測試圖像參數(shù)

表3 典型測試圖像參數(shù)Cloud_1不同方案不同壓縮倍數(shù)下的壓縮性能PSNR

通過對比分析以上結(jié)果，可以得出以下結(jié)論：

1)在所有壓縮倍數(shù)下，本文SA-CCSDS-IDC方法相比未經(jīng)云剔除處理的CCSDS-IDC、JPEG2000方法及經(jīng)過ADR填充后的CCSDS-IDC方法解壓后的圖像質(zhì)量均有提高。對于Cloud_1圖像，在壓縮倍數(shù)為4、8、16、32、64、128、256下，相比原始CCSDS-IDC算法，解壓縮后圖像PSNR分別提高了5.87 dB、5.88 dB、4.16 dB、3.50 dB、2.73 dB、2.75 dB、2.50 dB，圖像壓縮性能得到了很大的提升。

2)在壓縮質(zhì)量相當?shù)那闆r下，SA-CCSDS-IDC方法可以在一定程度上提高圖像的壓縮倍數(shù)。對于Cloud_2圖像，JPEG2000在壓縮32倍時的PSNR為38.81 dB，而SA-CCSDS-IDC方法在壓縮64倍時的PSNR為39.40 dB，這說明圖像質(zhì)量相當?shù)那闆r下，壓縮倍數(shù)可以極大地提高，圖像壓縮后的數(shù)據(jù)量為之前的1/2。經(jīng)過整個圖像測試集進行測算，在圖像質(zhì)量固定的條件下，對于地物探測場景，壓縮比平均提高75%，數(shù)傳數(shù)據(jù)量減少42%(云占比平均43%)，可以有效減輕數(shù)傳帶寬壓力。衛(wèi)星每軌下行數(shù)傳總量固定，隨著數(shù)據(jù)量的減小，單軌成像時間延長75%，衛(wèi)星將可獲得更多有價值數(shù)據(jù)，有效提升遙感衛(wèi)星工作效能。

表4 典型測試圖像參數(shù)Cloud_2不同方案不同壓縮倍數(shù)下的壓縮性能PSNR

表5 典型測試圖像參數(shù)Cloud_3不同方案不同壓縮倍數(shù)下的壓縮性能PSNR

3)隨著壓縮倍數(shù)的提高，本文SA-CCSDS-IDC算法圖像壓縮性能的提高程度呈下降趨勢。

表6 典型測試圖像參數(shù)Cloud_4不同方案不同壓縮倍數(shù)下的壓縮性能PSNR

表7 典型測試圖像參數(shù)Cloud_5不同方案不同壓縮倍數(shù)下的壓縮性能PSNR

圖12給出了不同測試圖像組(不同顏色曲線)在不同碼率下的本文方法的PSNR提升情況，可以看出，在較低碼速率下，本文算法在壓縮性能上并不能獲得較大的提高。另外，Cloud_1到Cloud_5這5幅測試圖像的云區(qū)域占比是逐漸下降的。通過下圖可以看出，云區(qū)域占比的越大，在各個不同壓縮倍數(shù)情況下，本文SA-CCSDS-IDC算法的壓縮性能提升程度越大，即壓縮性能提升程度與云區(qū)域占比正相關(guān)。另外，圖像場景越復(fù)雜，本文改進方法性能提升程度越高，由于Cloud_4圖像灰度方差較大，場景復(fù)雜，所以經(jīng)過云剔除處理后壓縮性能提高更多，與Cloud_3接近。

為進一步說明本文兩種改進算法對于壓縮后圖像質(zhì)量的提升情況，圖13給出了Cloud_2圖像壓縮倍數(shù)為4和64情況下，CCSDS-IDC算法、經(jīng)過ADR填充的CCSDS-IDC算法與本文SA-CCSDS-IDC算法解壓后圖像細節(jié)展示?？梢钥闯?，在壓縮4倍的情況下，由于3種方法的PSNR均比較高，主觀視覺上并沒有明顯的區(qū)別；在壓縮64倍的情況，CCSDS-IDC的細節(jié)丟失明顯，ADR+CCSDS-IDC次之，本文方法圖像質(zhì)量最高，保留了原圖像中的大部分細節(jié)。

4 結(jié)束語

遙感圖像中含有大量的云無效區(qū)域，占用了大量的數(shù)傳帶寬。在壓縮過程中剔除云無效區(qū)域，可以進一步提高壓縮性能。本文在CCSDS-IDC算法基礎(chǔ)上，針對云剔除后的遙感圖像形狀不固定的特點，改進了小波變換和位平面編碼，使其能夠根據(jù)云掩膜圖像自適應(yīng)地壓縮編碼圖像中的有效區(qū)域。利用圖像測試集，對方法進行了比較分析，試驗結(jié)果表明，本文SA-CCSDS-IDC方法壓縮性能明顯優(yōu)于原CCSDS-IDC方法，適用于含云遙感圖像在軌壓縮應(yīng)用。下一步擬對算法進行硬件FPGA實現(xiàn)，并在實際空間任務(wù)中得到應(yīng)用。