A study of different compression algorithms for multispectral images
(多光谱图像不同压缩算法的研究)
遥感卫星通过分析发射和反射的无线电波来获取有关区域的信息。地球成像卫星捕获的高分辨率图像占用更多的机载存储空间，并消耗大量的带宽用于下行传输。多光谱传感器表示通常小于15的多个波段中的图像的信息。多光谱图像压缩算法的目标是在保持图像质量的同时减小图像的尺寸。本文研究了用于多光谱图像压缩的各种算法。
介绍
传感器系统在处理传递到网络核心和接收器的数据量方面面临困难。定制的算法有助于解决这样的问题，特别是对于网络节点。这些算法还用于电池强度、微电子、医疗保健和其他应用的研究。
卫星有大量的应用，从天气，通信，军事，间谍，地球观测，成像卫星等，从卫星传感器拍摄的图像可以是全色，多光谱或高光谱的性质。全色图像是灰度图像，只有一个波段。多光谱图像通常具有3至10个光谱带，而高光谱具有数百个带。扫描仪在电磁频谱的特定区域中起作用。由于多光谱图像描绘了多次阅读地球的相同空间区域，因此获得的信息是立方体的形式。三种主要类型的探测器是线探测器、拂扫式探测器和推扫式探测器。线检测器中的传感器在特定时间只能检测一个对象。拂帚也被称为横跨轨道，其中使用可以振荡或旋转的镜子。随当卫星向前移动时，这些线与遥感卫星的路径成直角扫描。推扫式或沿轨道扫描仪不使用任何扫描镜。通过记录从单元接收的能量来扫描连续的扫描线。较大的传感器用于构建高分辨率图像，使得其不可避免地用于压缩。该信息被多次捕获以产生最终图像。多光谱传感器（MSS）可以观察250-2200 nm范围内的波长。单个频带的多个图像必须被合并以形成单个多频带图像用于进一步处理。MSS的应用包括区分土地上的特征及其模式。
生成多谱段图像的地球观测卫星有Landsat、SPOT、RapidEye和Worldview-2。
相关文献
Ahmed Hagag等人和W.J. Sori等人提出的方法不仅压缩了多光谱图像，而且保持了图像质量。在压缩过程中采用了离散小波变换（DWT）和熵编码技术。在该过程之前，消除子带。其余的波段使用JPEG2000压缩，其中包含主成分分析（PCA），并使用增强型专题制图仪（ETM+）进行确认。首先计算相关系数，然后将其分为两组，三个最相关和剩余带。使用频带排序算法确定三个最相关的频带，然后使用PCA压缩剩余频带。该方法被证明比传统方法更有效。
Santos等人介绍了易受CCSDS影响的两个IP核的创建、表示和执行。CCSDS 121.0-B-1专门设计了有效无损的多光谱和高光谱图像压缩。虽然这是基于预测编码，但CCSDS 121.0-B-2依赖于Rice自适应编码。代码通过VHDL编写，可以在FPGA或ASIC上配置。两个IP核都可以定制，以降低系统的复杂性。图1所示的SHyLoC将能够以更高的生产率实现两个IP核。
卫星图像中的空间、光谱和时间数据的一部分本质上是冗余的。由于存在更多类似数据的范围，图像可以进行压缩以保存板载存储器。针对多光谱和高光谱图像提出的三种方法都是基于波段的重新排序。相对于相关系数测量光谱带之间的相似性。考虑0到1的范围，如果相关系数为1，则输入频带相同。接下来，根据最小或最大生成树，频带被重新排序。对于存储和传输数据量有限的传感器，应采用复杂度较低的算法进行有效压缩，以减少传输时间和带宽。
多光谱图像可以被视为一个3D矩阵，其中它具有两个空间维度和一个光谱维度。提出了一种复杂度较低的压缩技术，该技术依赖于CNN，并包括非负塔克分解（Nonnegative Tucker Decomposition (NTD)）。使用CNN谱变换来强制输入谱图像，以将大尺度张量转换为小尺度张量。然后通过离散余弦变换（Discrete Cosine Transform (DCT)）去除空间相关性。最终，熵编码器用于在压缩的最终步骤处对输出核心张量进行编码。在0.25bpp比特率下，由于该算法具有较高的率失真执行能力，重构图像显示出上级的质量。与其他方法相比，该方法提高了速度和效率。
Kong等人提出了一种创新的整体多光谱图像压缩结构，该结构依赖于加权特征通道残差网络，可去除图像中的空间和光谱重复。图2中的该结构包括前向和反向编码网络;优化器;量化器和逆量化器沿着编码器和解码器。Landsat 8和Worldview-3卫星的多光谱图像被用作数据集。
图2中的该结构包括前向和反向编码网络;优化器;量化器和逆量化器沿着编码器和解码器。Landsat 8和Worldview-3卫星的多光谱图像被用作数据集。最初，图像作为输入被提供给前向编码网络，在前向编码网络中导出重要的空间和频谱特性。量化器将数据从浮点类型转换为整数类型。对整数数据进行熵编码，消除统计重复信息，得到压缩后的编码。然后将码流传递到熵解码器、逆量化器和逆解码器以重新生成多光谱图像。特征数据的熵由优化器控制。该算法的性能优于联合图像专家组（JPEG），JPEG 2000和3D-SPIHT（集分层树分割）。Davidson等人和M. Orlandic´等人检查了CCSDS-123的无损压缩算法及其图3中的两个实现。其中一个是一般的实现，而另一个是只针对多光谱地球观测图像。
最初，图像被划分成区块以增强吞吐量。在运行时，可以利用图像的最大尺寸和图块的数量并行地压缩各个图块。可以使用CUDA编程模型访问各种类型的存储器。高光谱图像的加速度被发现是5.5倍和56.4倍的多光谱图像。这种实现的唯一限制是寄存器的不受控制的使用。
两种变换被称为扩展剪切波变换（EST）和Tetrolet变换（TT），以近似多光谱图像的稀疏特征。TT算法保持图像的局部特征，EST算法保持图像的全局平滑特征。真假彩色合成沿着短波红外彩色合成是常用的彩色合成。获得相应的多光谱带，然后通过在ENVI包中堆叠层来合并以构建彩色合成图像。增强后，图像被导出，然后MATLAB编码以提取各个波段。在27幅512 × 512的不同频率的图像上成功地测试了混合变换。CR、PSNR、Kappa系数和MSSIM是作为结果图像的度量而计算的参数。
Xiao等人对Feng Yun二号气象卫星云的多光谱图像进行了多波段分割。首先，对各个块执行KL变换，量化，最后熵编码。8-位256 × 256的图像作为数据集。首先，对各个块执行KL变换，量化，最后熵编码。8-位256 × 256的图像作为数据集。不必要的光谱被去除，并且大部分能量包含在两个光谱带中。根据特征值，计算CR和PSNR。观察到，当本征值接近值8时，恢复的图像与输入图像大致相同。观察到的瓶颈是特征向量具有高复杂度，从而降低了处理速度。
多光谱图像需要大量的存储空间，因此必须进行压缩。H.S. Prashantha等人提出了两种变换，DCT和DWT。图4中所示的这两个变换之间的比较基于所计算的参数CR和PSNR。在DCT技术中，多光谱图像的各个波段被划分为8 × 8块。这些块被应用DCT，然后被掩蔽以得到结果压缩图像。
在DWT的情况下，不需要对多光谱图像的各个波段进行分割。直接选择和过滤分解级别。在应用阈值之后，我们获得压缩图像。已经理解，当与DCT相比时，DWT具有更高的PSNR和CR。
一种使用3D DWT和霍夫曼编码的近无损压缩方法被应用于Booathiraja和Kalavathi的多光谱图像压缩。LANDSAT卫星的多光谱图像被用作原始图像。如图5所示，这些图像由七个不同波长的波段组成。
小波变换采用双正交小波，通过高通滤波和低通滤波进行滤波。使用滤波过程获得近似和细节系数。在下一步骤中，给出阈值。小于阈值的系数被截断为零。所得系数使用霍夫曼编码进行编码，其中其被进一步压缩。压缩后的比特流可以被解码并应用逆3D DWT以获得重建的原始图像。已经观察到,比其它小波双正交的小波给上级结果。CR, BPP, PSNR、MSE和SSIM参数计算来评估该方法。SSIM结果发现0.9932约等于1这意味着解压图像几乎是一样的输入图像。因此达到近无损图像压缩。
从机载卫星向基站发送多光谱图像时的带宽受到限制。为了压缩这样的图像，在Olaru和Craus中提出了并行化方案。该压缩方法的结构主要由预测器和编码器组成。线性自适应预测和GPO2编码。输入图像被划分成单独的块，这些块被并行处理，如图6所示。
然后将这些块传递到分配可用处理器核的数据管理器。该实现基于主-工作者架构，其中主向工作者发送块并协调活动。当工作被分配时，它本身就成为一个工人。光谱带的数量越少，实现的并行性越大。
现代遥感（RS）传感器，特别是多通道传感器，具有提供丰富信息的潜力。但是，由于数据量巨大，由于难以处理、传输、存储和传播这些数据，因此需要特定的技术。因此，压缩技术在图像处理中起着至关重要的作用，因为它有助于数据的传播，传输和存储。无损压缩在其输出中是不合适的，因此有损和近有损压缩变得突出，因为它们以图像损失为代价提供所需的大值压缩比。有损压缩技术适用于多通道图像，包括几个要求，如牵引曲线（获取和分析）、压缩比、缩放因子、量化步长和每像素比特数。在最佳操作点（OOP）附近具有高质量的压缩数据和相对高的压缩比以用于有噪声图像的有损压缩是有益的。第二个考虑是多通道遥感数据，这是基于仅在3维压缩中采用的逐分量压缩来考虑的。所进行的研究表明，图像将具有不可见的小尺度信号噪声。图像分量必须具有一定程度的相关性，并且三维压缩在高压缩比的手段中可能是有利的。
近年来，卫星图像越来越受欢迎，具有许多应用。由于更高的空间分辨率和测量波段的进步，未来的数据负担将增加。因此，卫星图像的处理、传输和存储也在不断发展，其中压缩技术起着重要的作用。有损图像压缩的优点导致高压缩比的实现。遥感应用中图像质量的退化程度对图像压缩策略起着举足轻重的作用。HEVC是一种用于高和中分辨率图像和视频的有损压缩技术，可用于各种多光谱卫星图像。在多光谱图像数据中，HEVC静止图像帧间编码在与JPEG 2000解决方案相比时给出了有效的结果。
结论
多光谱图像由包括空间和光谱特征的几个波段组成，使其成为3D图像。这样的图像需要更高的存储器和更多的存储空间。已经实现了许多有损和无损压缩技术。本文中讨论的一些是DWT、DCT、预测编码、频带重新排序、子带去除、CNN、平铺、并行化和其他变换。