• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

星载JPEG-LS图像压缩质量评价研究

刘向增 范立佳 徐雪灵 薛洁鹏 苗启广

刘向增, 范立佳, 徐雪灵, 薛洁鹏, 苗启广. 星载JPEG-LS图像压缩质量评价研究[J]. 微电子学与计算机, 2021, 38(9): 45-53.
引用本文: 刘向增, 范立佳, 徐雪灵, 薛洁鹏, 苗启广. 星载JPEG-LS图像压缩质量评价研究[J]. 微电子学与计算机, 2021, 38(9): 45-53.
LIU Xiangzeng, FAN Lijia, XU Xueling, XUE Jiepeng, MIAO Qiguang. Research on quality evaluation of spaceborne JPEG-LS lmage compression algorithm[J]. Microelectronics & Computer, 2021, 38(9): 45-53.
Citation: LIU Xiangzeng, FAN Lijia, XU Xueling, XUE Jiepeng, MIAO Qiguang. Research on quality evaluation of spaceborne JPEG-LS lmage compression algorithm[J]. Microelectronics & Computer, 2021, 38(9): 45-53.

星载JPEG-LS图像压缩质量评价研究

基金项目: 

国家重点研发计划 B019030051

陕西省自然科学基金 2020JM-195

详细信息
    作者简介:

    刘向增  男,(1981-),博士,副教授,硕士生导师.研究方向为计算机视觉与图像处理.E-mail: xzliu@xidian.edu.cn.com

    范立佳  男,(1982-),博士,高级工程师.研究方向为遥感卫星系统设计与影像处理

    徐雪灵  女,(1997-),硕士研究生.研究方向为计算机视觉与图像处理

    薛洁鹏  男,(1997-),硕士研究生.研究方向为计算机视觉与图像处理

    苗启广  男,(1972-),博士,教授,博士生导师.研究方向为计算机视觉、机器学习、大数据分析

  • 中图分类号: TP751; TP391

Research on quality evaluation of spaceborne JPEG-LS lmage compression algorithm

  • 摘要: 为评价星载JPEG-LS压缩算法对图像质量的影响,并为在轨压缩比的设置提供技术支撑,以高分多模卫星的应用为背景,从典型场景数据的压缩质量客观评价及典型任务的应用效果两方面构建图像压缩评测模型.通过对压缩前后图像质量的二维失真度、光谱失真度、空间失真度等客观指标的分析,以及对图像分类、目标检测、特征提取与匹配等典型应用效果的比较,为压缩算法对图像质量的影响提供客观性指标统计数据及应用性效果对比数据支撑,证实该算法可满足用户需求.同时为用户具体应用需求提供了建议,也为在轨影像数据市场的合理化分配与拓展提供了支持.
  • 图  1  JPEG-LS图像压缩算法流程图

    图  2  多光谱图像原始数据及压缩后重构样例

    图  3  总体评价方案框图

    图  4  总体评价方案框图

    图  5  应用效果评价方案框图

    图  6  全色与多光谱图像MAD指标统计图

    图  7  全色与多光谱图像PSNR统计

    图  8  全色与多光谱图像MSE统计

    图  9  多光谱图像光谱失真度统计.

    图  10  全色与多光谱图像GFP统计

    图  11  多光谱图像SPDP与SFP统计

    图  12  图像分类样例图像

    图  13  图像道路检测结果样例

    图  14  图像特征匹配结果样例

    表  1  图像数据类别及分块数量说明

    序号 类别 说明 全色 多光谱
    1 水面 陆地湖泊或河流,水面不少于30% 89 10
    2 湿地 植物与水面交织区域不少于40% 134 11
    3 海岸 海陆交界处,水面30%~70% 118 13
    4 农田 分块农田为主,规整或不规整,面积不少于70% 791 38
    5 城市 建筑为主,规整或不规整,面积不少于70% 737 54
    6 森林 平原或丘陵地带覆盖乔木区域,不少于70% 729 39
    7 草原 平原地带覆盖草本植物的非农田区域,不少于70% 102 15
    8 山地 覆盖植被或无植被的山地,不少于70% 827 52
    9 海洋 海洋水面为主,不少于70% 80 32
    10 沙漠 沙漠为主,不少于70% 84 4
    11 薄云 不少于70%被薄云(云雾明显,地物可见)覆盖 702 37
    12 厚云 不少于70%被厚云(地物不可见)覆盖 754 40
    13 混合 2或多种地形地貌的混合 1 186 71
    14 路桥 存在明显的道路或桥梁 1 036 69
    下载: 导出CSV

    表  2  客观评价指标

    指标分类 计算公式 物理含义及说明
    二维失真度 ${\rm{MSE}} = \frac{1}{{{n_x}{n_y}{n_\lambda }}}{\sum\limits_{x, y, \lambda } {\left( {{e_I}\left( {x, y, \lambda } \right)} \right)} ^2}$ 图像的像素值的平均差异,其中x, y, λ分别表示行,列和波段序号,nx, ny, nλ表示行,列和波段数,I,$\tilde I$,I(x, y, λ),分别表示原始图像,重构后图像,λ波段(x, y)处的值,eI(x, y, λ)=I(x, y, λ)-$\tilde I$(x, y, λ)为λ波段(x, y)处的误差.
    ${\rm{PSNR}} = 10{\log _{10}}\frac{{{I^2}_{\max }}}{{{\rm{MSE}}}}$ 峰值信噪比,用于衡量图像质量的重要指标,主要评价与原始图像的信息量差异.
    ${\rm{MAD}} = {L_\infty }\left( {I - \tilde I} \right) = \mathop {\max }\limits_{x, y, \lambda } \left\{ {\left| {{e_I}\left( {x, y, \lambda } \right)} \right|} \right\}$ 最大绝对误差,主要衡量图像差异最大的程度
    光谱失真度 ${\rm{MSS}} = \mathop {\max }\limits_{x, y} \left\{ {\sqrt {{\rm{RMS}}{{\rm{E}}^2}_{x, y} + {{\left( {1 - {\rm{cor}}{{\rm{r}}^2}_{x, y}} \right)}^2}} } \right\}$ 图像谱段方向的谱相似性,${\rm{RMSE}} = \frac{1}{{C \times {2^{2b}}}}{\sum\limits_{x, y, \lambda } {\left( {{e_I}\left( {x, y, \lambda } \right)} \right)} ^2}$为谱段方向的归一化均方差,corrx, y为谱段方向相关系数.
    ${\rm{MSA = }}\mathop {\max }\limits_{x, y} \left( {{\rm{S}}{{\rm{A}}_{x, y}}} \right)$ 最大谱向角${\rm{S}}{{\rm{A}}_{x, y}} = \arccos \left( {\frac{{\sum\nolimits_\lambda {I\left( {x, y, \lambda } \right) \times \tilde I\left( {x, y, \lambda } \right)} }}{{\sum\nolimits_\lambda {{I^2}\left( {x, y, \lambda } \right) \times {{\tilde I}^2}\left( {x, y, \lambda } \right)} }}} \right)$
    ${\rm{MSID}} = \mathop {\max }\limits_{x, y} \left\{ {\sum\limits_\lambda {\left( {{P_\lambda } - {{\tilde P}_\lambda }} \right)\ln \left( {{P_\lambda }/{{\tilde P}_\lambda }} \right)} } \right\}$ 最大谱信息散度,其中,${P_\lambda } = I\left( {x, y, \lambda } \right)/\parallel I\left( {x, y, \lambda } \right){\parallel _{\;1}}, {{\tilde P}_\lambda } = \tilde I\left( {x, y, \lambda } \right)/\parallel \tilde I\left( {x, y, \lambda } \right){\parallel _{\;1}}$
    空间失真度 ${\rm{SPDP}} = \mathop {\min }\limits_\lambda \left\{ {Q\left( {I\left( {x, y, \lambda } \right), \tilde I\left( {x, y, \lambda } \right)} \right)} \right\}$ 空间失真度,谱段方向的最小失真度,其中Q(·, ·)为谱结构相似度,SPDP的值越大失真度越小
    ${\rm{GFP = 1}} - \frac{{\sum\limits_{x, y, \lambda } {{{\left( {I\left( {x, y, \lambda } \right) - \tilde I\left( {x, y, \lambda } \right)} \right)}^2}} }}{{\sum\limits_{x, y, \lambda } {{{\left( {I\left( {x, y, \lambda } \right)} \right)}^2}} }}$ 全保真度,为归一化MSE
    ${\rm{SFP}} = \mathop {\min }\limits_\lambda \left\{ {F\left( {I\left( {x, y, \lambda } \right), \tilde I\left( {x, y, \lambda } \right)} \right)} \right\}$ 空间保真度,先在空间方向计算图像的保真度,再在谱段方向计算图像的保真度
    下载: 导出CSV

    表  3  图像压缩对图像分类的影响

    原始图像 2∶1压缩 4∶1压缩
    准确率 100% 99% 97%
    下载: 导出CSV

    表  4  图像压缩对道路检测的影响

    压缩比 图像1 图像2 图像3 图像4 300组平均
    2:1 0.04% 0.03% 0.02% 0.05% 0.04%
    4:1 0.68% 0.96% 0.57% 0.62% 0.67%
    下载: 导出CSV

    表  5  图像压缩对特征提取的影响

    影响程度 2∶1压缩效果 4∶1压缩效果
    Diff_F 0.01% 0.12%
    下载: 导出CSV
  • [1] ZHANG L, ZHANG J Y, WEI W, et al. Learning discriminative compact representation for hyperspectral imagery classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(10): 8276-8289. DOI:  10.1109/TGRS.2019.2919938.
    [2] LI J, LIU Z L, TIAN S F. An efficient onboard compression method for multispectral images using distributed post-transform in the wavelet domain in conjunction with a fast spectral decorrelator[J]. Optical Review, 2019, 26(2): 247-261. DOI:  10.1007/s10043-019-00492-9.
    [3] LI L, WANG Z S. Compression quality prediction model for JPEG2000[J]. IEEE Transactions on Image Processing, 2010, 19(2): 384-398. DOI:  10.1109/TIP.2009.2034706.
    [4] YU G X, VLADIMIROVA T, SWEETING M N. Image compression systems on board satellites[J]. Acta Astronautica, 2009, 64(9/10): 988-1005. DOI:  10.1016/j.actaastro.2008.12.006.
    [5] MIELIKAINEN J, TOIVANEN P. Clustered DPCM for the lossless compression of hyperspectral Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(12): 2943-2946. DOI:  10.1109/TGRS.2003.820885.
    [6] PICKERING M R, RYAN M J. Efficient spatial-spectral compression of hyperspectral data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(7): 1536-1539. DOI:  10.1109/36.934084.
    [7] PENNA B, TILLO T, MAGLI E, et al. Transform coding techniques for lossy hyperspectral data compression[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(5): 1408-1421. DOI:  10.1109/TGRS.2007.894565.
    [8] RABBANI M, JOSHI R, An overview of the JPEG 2000 still image compression standard[J]. Signal Processing: Image Communication, 2002, 17(1): 3-48. DOI:  10.1016/S0923-5965(01)00024-8.
    [9] MIELIKAINEN J S, TOIVANEN P J, KAARNA A. Linear prediction in lossless compression of hyperspectral images[J]. Optical Engineering, 2003, 42(4): 1013-1017. DOI:  10.1117/1.1557174.
    [10] FILHO A L, D'AMORE R. A tolerant JPEG-LS image compressor foreseeing COTS FPGA implementation[J]. Microprocessors and Microsystems, 2017(49): 54-63. DOI:  10.1016/j.micpro.2017.01.008.
    [11] KRIZHEVSKY A, SUTSKEVER I, HINTON G E. ImageNet classification with deep convolutional neural networks[C]//Proceedings of the 25th International Conference on Neural Information Processing Systems. Lake Tahoe: Curran Associates Inc., 2012: 1097-1105. DOI: 10.5555/2999134.2999257.
    [12] ZHOU L C, ZHANG C, WU M. D-LinkNet: LinkNet with pretrained encoder and dilated convolution for high resolution satellite imagery road extraction[C]//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Salt Lake City: IEEE, 2018: 192-196. DOI: 10.1109/CVPRW.2018.00034.
    [13] LIU X Z, AI Y F, TIAN B, et al. Robust and fast registration of infrared and visible images for Electro-Optical pod[J]. IEEE Transactions on Industrial Electronics, 2019, 66(2): 1335-1344. DOI: 10.1109/ TIE.2018.2833051.
  • 加载中
图(14) / 表(5)
计量
  • 文章访问数:  54
  • HTML全文浏览量:  29
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-03
  • 修回日期:  2021-02-24
  • 刊出日期:  2021-09-05

目录

    /

    返回文章
    返回