衛星遙感圖像無損壓縮技術改進方法

張玉山 張如意

(上海衛星工程研究所,上海 201109)

隨著衛星遙感圖像數據速率的提高，對星地數傳帶寬的要求也越來越高，星上圖像壓縮技術用來緩解衛星數傳帶寬有限和數據量增大的矛盾，同時降低衛星遙感圖像對衛星存儲資源的需求。圖像壓縮算法分為無損壓縮和有損壓縮兩種，無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生變化并且信息損失不可控，可能會丟失衛星圖像中包含的重要遙感信息，不利于地面數據的后續應用。對壓縮恢復圖像信息無損要求高的應用來講，一般應選擇無損或近無損壓縮方式。

無損壓縮算法主要包括預測類和變換類，預測類以JPEG-LS為代表，變換類以JPEG2000為代表。JPEG2000采用了小波變換技術，算法比較復雜，可實現無損壓縮和有損壓縮。JEPG-LS無損壓縮算法是JPEG工作組制定的新一代圖像無損壓縮標準，是一種復雜度相對較低、壓縮性能較高的算法，JEPG-LS可實現無損壓縮和近無損壓縮[1-2]。

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

基于預測原理的JPEG-LS無損壓縮算法存在著固有的誤碼擴散現象，即受信道誤碼影響，地面解壓縮后數據中會產生更多的隨機比特錯誤，此現象影響了其在衛星工程中的應用效果[4-6]。

某些衛星遙感圖像應用對實時性的要求較高，基于整幅圖像緩存的預測會產生較大的處理時延，難以滿足地面應用系統的實時性應用要求。本文首先介紹了標準無損壓縮JPEG-LS算法，針對標準算法在衛星星上壓縮應用中存在的誤碼擴散和處理時延方面的不足，提出了JPEG-LS改進算法，即采取分塊壓縮的措施來抑制誤碼擴散同時解決圖像實時壓縮的需求，最后利用風云四號(FY-4)衛星掃描圖像對改良的無損壓縮算法進行了驗證。目前FY-4衛星上還沒有采用壓縮技術，因此利用FY-4衛星圖像在地面進行壓縮技術驗證具有重要理論意義和工程應用價值。

1 標準無損壓縮算法及改良

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行上下文建模，然后預測、熵編碼。

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

(2)預測是根據已知的鄰域像素對當前像素進行預測，預測的目的是去除空間冗余。預測結果要根據預測修正值進行修正，預測修正值和當前像素真實值相減得到預測殘差，殘差值再經過量化、取模，然后進行上下文環境參數更新、誤差映射。對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，其中正數映射成0～4096的偶數，負數映射成0～4096的奇數。

(3)熵編碼是對預測殘差值進行編碼，熵編碼的目的是去除統計冗余。熵編碼時，需要根據殘差累計值和上下文發生次數計算熵編碼過程參數K值，然后利用K值和誤差映射值進行限長熵編碼。

在對當前像素值和預測值的差值即預測殘差值進行量化時，無損壓縮只能無損量化、不允許近似量化，近無損壓縮允許最大為近無損度Near值的近似量化。例如，在真實預測殘差值為-1、0、1時，近無損度Near值為1的預測殘差值量化結果均為0。在解壓縮時，通過獲取壓縮碼流中的預測殘差熵編碼值及上下文環境參數，可還原出圖像像素值，即在無損壓縮時可保證圖像壓縮前、解壓縮后像素灰度值完全一致，在近無損壓縮時可保證圖像壓縮前、解壓縮后像素灰度值相差最大為Near值[7-9]。

本文在傳統預測編碼的上下文建模、殘差預測、熵編碼的基礎上，采用圖像分塊壓縮措施來抑制誤碼擴散、降低處理時延，改進的算法流程如圖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

下面從誤碼擴散抑制能力、時延提升幅度、無損壓縮比變化3個方面對改進的壓縮算法進行研究。

對圖像進行分塊處理，可將誤碼擴散限制在一個分塊內。分塊大小的選取需要同時考慮壓縮比、誤碼擴散抑制能力、處理時延等方面。本文選取8×32、8×64、16×32、16×64像素4種圖像分塊大小，對標準JPEG-LS無損壓縮算法和改進壓縮算法的誤碼擴散抑制能力、處理時延、壓縮比變化等內容進行了對比，誤碼抑制能力對比結果如圖3和表1所示，處理時延對比結果如圖4和表2所示，壓縮比對比結果如圖5和表3所示。

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

圖4 處理時延減小數量級Fig.4 Logarithm of the delay improved

由此可見，與標準算法的全圖緩存壓縮相比，改進算法在采用16×64分塊時可將誤碼降低4個數量級。

表2 處理時延減小數量級

由此可見，與標準算法的全圖緩存壓縮相比，改進算法在采用16×64分塊時可將處理時延減小5個數量級。

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

由此可見，與標準算法的全圖緩存壓縮相比，改進算法在采用16×64分塊時無損壓縮比下降約10%。

綜上，與標準算法相比，改進算法在無損壓縮比降低10%的代價下，可將誤碼降低4個數量級、處理時延減小5個數量級，可滿足衛星星上實時壓縮的需求。

2 改進無損壓縮算法的應用

本文采用改進的無損壓縮算法，利用FY-4衛星圖像對其性能進行仿真測試。測試采用的分塊大小為16×64像素，圖像包括掃描成像輻射計輸出的14個通道的圖像數據，此數據為地面應用系統接收到的原始數據，根據數據幀格式解析得到，包括世界時4:00、16:00兩組。

2.1 FY-4衛星圖像

2016年11月美國地球靜止環境業務衛星-R(GOES-R)發射成功，其裝載的先進基線成像儀(ABI)是掃描型輻射成像儀，采用了無損壓縮技術來降低數據速率[10]。2016年12月，我國第二代靜止軌道氣象衛星FY-4發射成功。FY-4衛星的綜合指標與GOES-R衛星相當，部分指標甚至優于GOES-R衛星。但是，FY-4衛星上還沒有采用圖像壓縮技術，因此，對FY-4衛星主載荷掃描成像輻射計的遙感圖像進行無損壓縮性能研究，既能驗證改進無損壓縮算法的性能，同時具有重要的工程應用價值。

FY-4衛星的成像儀器為掃描成像輻射計，掃描方式為逐行掃描，每15 min可同時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個波段，13個波段量化位數為12位、1個波段量化位數為16位，圖像參數如表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(UTC)4:00、16:00的兩組FY-4衛星圖像，采用改進的無損壓縮算法進行了研究，研究包括無損和近無損壓縮。近無損壓縮本質上屬于無損壓縮范疇，不同于有損壓縮信息損失的不可控，近無損壓縮產生的信息損失可控。近無損壓縮產生的信息損失可用近無損度Near值來量化，近無損度的定義為解壓縮后圖像像素灰度值與壓縮前圖像對應像素灰度值的最大差值的絕對值。無損壓縮沒有任何信息損失，即Near值為0，近無損壓縮近無損度Near值一般控制在3以內。測試圖像如圖6所示。

圖6 風云四號衛星遙感圖像Fig.6 Remote sensing image of FY-4 satellite

2.2 第一組測試數據

采用改進壓縮算法對世界時4:00圖像數據進行無損壓縮、近無損壓縮性能測試，測試結果如圖7和表5所示。

圖7 風云四號遙感圖像分塊壓縮測試結果(世界時4:00)Fig.7 Result base on FY-4 image using the improved compression algorithm(UTC 4:00)

圖像編號波段編號無損近無損1近無損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

由本組測試數據可知(UTC 4:00)，可見光波段圖像無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 第二組測試數據

采用改進壓縮算法對世界時16:00圖像數據進行無損壓縮、近無損壓縮性能測試，測試結果如圖8和表6所示。

圖8 風云四號遙感圖像分塊壓縮測試結果(世界時16:00)Fig.8 Compress result of Remote sensing image of FY-4 satellite(UTC 16:00)

由本組測試數據可知(UTC 16:00)，可見光波段圖像無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4:00和16:00的兩組圖像無損壓縮測試結果對比如圖9所示。

表6 風云四號衛星圖像分塊壓縮測試結果(世界時16:00)

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

采用改進壓縮算法，針對FY-4衛星UTC4:00圖像，平均無損壓縮比為1.94，近無損度平均壓縮比可達2.85；針對FY-4衛星 UTC 16:00圖像，平均無損壓縮比為2.38、近無損平均壓縮比可達3.87。

3 結論

本文針對JPEG-LS無損壓縮算法存在的不足，提出了改進無損壓縮算法，并利用FY-4衛星在軌遙感圖像從誤碼擴散抑制、處理時延、無損壓縮比三個方面進行了驗證，結論如下。

(1)與標準無損壓縮算法相比，改進算法可將誤碼降低4個數量級，可有效抑制誤碼擴散。

(2)與整圖緩存的標準無損壓縮算法相比，改進算法的壓縮時延可降低5個數量級以上，可滿足衛星實時壓縮的處理要求。

(3)在沒有任何信息損失的條件下，改進算法可獲得1.94的最低平均無損壓縮比，即可將衛星遙感圖像星地數傳數據量壓縮一半左右。

References)

[1] 杜列波.星載遙感圖像JPEG2000壓縮算法的去量化[D].長沙:國防科技大學，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. 多通道衛星云圖的圖像處理技術研究[D].哈爾濱:哈爾濱工程大學，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際標準[M].北京: 北京郵電大學出版社，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.幾種圖像無損壓縮與編碼方法研究[D].西安:中國科學院西安光學精密機械研究所，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，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. 美國下一代靜止氣象衛星[J].國際太空，2013(9)：20

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