張玉山，李 旭，顏露新，陳立群，魏文龍

(1.上海衛(wèi)星工程研究所，上海 201109； 2.華中科技大學 自動化學院，湖北 武漢 430074)

0 引言

隨著空間對地觀測技術的高速發(fā)展，紅外遙感圖像的時間、空間、光譜分辨率不斷提高，衛(wèi)星信道帶寬有限和數(shù)據(jù)傳輸量增大之間的矛盾日益突出。通過對紅外遙感圖像壓縮處理，降低數(shù)據(jù)傳輸量，減輕數(shù)據(jù)傳輸壓力，是緩解這一矛盾的有效途徑。圖像壓縮算法一般分為無損壓縮和有損壓縮。無損壓縮后，壓縮圖像與原始圖像完全相同，沒有任何信息損失；有損壓縮后,圖像像素灰度值發(fā)生變化，且信息損失不可控，可能會丟失圖像中的重要遙感信息，不利于數(shù)據(jù)的后續(xù)應用。對于點目標遙感圖像，為確保目標信息的完整、準確，一般采用無損方式進行壓縮處理[1-2]。

紅外遙感圖像的目標檢測和提取是紅外探測跟蹤系統(tǒng)的核心技術[3-4]，如何在包含復雜背景和噪聲的大幅圖像中準確檢測并提取目標，是目前國內外圖像處理中的研究熱點[5-6]。使用星上目標檢測技術和數(shù)據(jù)壓縮技術能大幅減小數(shù)據(jù)量，減輕數(shù)傳壓力，確保系統(tǒng)信息處理的時效性。

圖像壓縮和目標檢測是2種目的不同、相互獨立的處理方法。本文在研究紅外點目標的基礎上，針對性地提出了一種融合目標檢測技術和無損-近無損壓縮技術的目標-背景分類高保真圖像壓縮方法。通過預檢測目標所在位置，在圖像中檢測出疑似目標點，并結合JPEG-LS常規(guī)編碼模式[7]，引入圖像分塊壓縮方法，對疑似目標點所在的子塊進行無損壓縮，對不包含疑似目標點的子塊進行近無損壓縮，從而在不損失目標信息的前提下，提高壓縮比，降低下傳數(shù)據(jù)率，減輕數(shù)據(jù)傳輸壓力[8-9]。

1 目標-背景分類壓縮方法

1.1 問題的提出

壓縮比是圖像壓縮性能最重要的衡量指標，其值越大越好。對于紅外點目標圖像，無損壓縮方法壓縮比不高，而有損壓縮方法易損失甚至丟失目標信息。JPEG-2000圖像壓縮標準是常用壓縮方法，具有無損、有損2種壓縮模式，有損模式具有“高壓縮比、低比特速率”優(yōu)勢[10-11]。在壓縮比相當?shù)那闆r下，JPEG-2000的重建峰值信噪比(RPSN)高于JPEG標準[12]，因此常用于有損壓縮。直接使用JPEG-2000有損壓縮會導致紅外點目標信息丟失。本文選取的遙感紅外測試圖像如圖1所示。圖中的圖像幅面大小為512×512像素，位寬為12 bit，圖像采用JPEG-LS無損壓縮，其壓縮比約為1.85。

圖1 JPEG-2000壓縮測試圖像Fig.1 JPEG-2000 compression test image

利用JPEG-2000壓縮標準對圖1中的圖像進行有損壓縮，將壓縮比設置為3。壓縮前后的目標點灰度值變化情況如圖2所示。由圖可見，JPEG-2000壓縮后的目標像素灰度值下降，即目標信息存在損失，影響后續(xù)的目標檢測識別處理性能。目前對遙感圖像的星上壓縮處理均直接采用有損或無損壓縮方法。對于紅外點目標遙感圖像，不宜采用損失點目標信息的有損壓縮算法，也不宜單一采用壓縮比不高的無損壓縮算法。

1.2 高保真壓縮方法

本文提出的紅外點目標圖像高保真壓縮流程如圖3所示。由圖可見：將圖像像素數(shù)據(jù)輸入到模板生成模塊，形成去最大中值處理的窗口，經去最大中值濾波處理后，計算出目標檢測門限值；根據(jù)門限值進行單幀疑似目標點檢測，并記錄檢疑似目標點位置；根據(jù)疑似目標點位置，對存在疑似目標點的圖像子塊進行無損壓縮，對不存在疑似目標點的背景子塊進行近無損壓縮。

圖3 紅外點目標圖像高保真壓縮流程Fig.3 Flowchart of high-fidelity compression of infrared point target image

1.2.1 去最大中值濾波

去最大中值濾波[13]由去中值濾波算法發(fā)展而來，是一種非線性空域濾波方法。該算法對鄰域中不同方向的子模板進行中值濾波，從中選擇最大中值，然后用當前像素減去最大中值，所得的差值為濾波結果。去最大中值濾波模板如圖4所示。圖中的模板過中心點對稱，4條對角線為子模板方向。

圖4 去最大中值濾波模板Fig.4 Maximum median filter template

去最大中值濾波背景抑制過程可表示為

g(x,y)=f(x,y)-max{med1,

med2,med3,med4}

(1)

式中：f(x,y)為坐標為(x，y)像素點的灰度值；

med1=med{f(x-2,y),f(x-1,y),

f(x,y),f(x+1,y),f(x+2,y)}

(2)

med2=med{f(x-2,y-2),f(x-1,y-1),

f(x,y),f(x+1,y+1),f(x+2,y+2)}

(3)

med3=med{f(x,y-2),f(x,y-1),f(x,y),

f(x,y+1),f(x,y+2)}

(4)

med4=med{f(x+2,y-2),f(x+1,y-1),

f(x,y),f(x-1,y+1),f(x-2,y+2)}

(5)

1.2.2 門限計算及目標判斷

根據(jù)去最大中值濾波處理后的結果，統(tǒng)計濾波圖像的標準差及均值，計算圖像分割門限值，即

Th=kσ+μ

(6)

式中:Th為門限值；μ為濾波圖像的均值；σ為濾波圖像的標準差；k為標準差倍數(shù)，其值越小說明檢測虛警率越高，對應的目標檢測率越高。為獲得疑似點目標的檢測結果，對圖像進行二值化：將大于Th的像素設置為1，表示該像素為目標點；將小于Th的像素設置為0，表示該像素為背景點。

1.2.3 分類壓縮

在JPEG-LS常規(guī)編碼方式下引入子塊壓縮方法[14-15]，圖像分塊原理如圖5所示。圖中的分塊過程將圖像劃分為互不重疊的子塊patchi，每個子塊獨立進行無損(Near=0)或近無損(Near=1，2，3)壓縮。分類壓縮方法對每個圖像子塊分別進行無損或近無損壓縮，提高了壓縮的靈活性和算法的并行性。另外，以子塊為單位的分塊壓縮，可將信道傳輸誤碼抑制在1個壓縮子塊內，避免誤碼在全圖內擴散。

圖5 圖像分塊示意Fig.5 Schematic diagram of image patches

根據(jù)目標檢測的結果，對圖像子塊patchi進行分類壓縮。若當前子塊patchi含有疑似目標點，則當前子塊判定為疑似目標子塊，其近無損度Neari設置為0；若當前子塊patchi不含疑似目標點，則當前子塊patchi判定為背景子塊，其近無損度Neari設置為1，2，3。

2 實驗結果與分析

2.1 實驗設置

實驗采用8組仿真測試圖像，每組包括10幅圖像，總共80幅測試圖像。測試圖像均利用真實在軌遙感圖像特性生成，包含了不同輻亮度的云背景和目標特性。

對8組12 bit像素量化、512×512像素大小的紅外點目標圖像進行壓縮測試，分別采取JPEG-LS無損方法、近無損方法和本文方法進行圖像壓縮，壓縮參數(shù)設置見表1。

表1 壓縮方法參數(shù)設置

本文方法中標準差倍數(shù)k設置為10。利用本文壓縮方法，對8組實驗數(shù)據(jù)分別設置不同壓縮參數(shù)進行測試，驗證不同壓縮參數(shù)對壓縮比性能影響，壓縮參數(shù)設置見表2。表2中“設置3”與表1中“本文方法”參數(shù)設置相同；與“設置3”相比，“設置1”中子塊尺寸減小為8×32像素，近無損度參數(shù)設置不變；“設置2”中背景子塊近無損度參數(shù)減小到1，子塊尺寸不變。

年末人口總量約束：據(jù)GM(1,1)預測結果顯示，2040年研究區(qū)年末總人口數(shù)為182.416萬人。模擬年限內人均城市建設用地規(guī)模為0.0087萬人/hm2，相應地，人均農用地面積和人均其他土地面積為0.0008萬人 /hm2、0.0338 萬人 /hm2，即：

表2 本文壓縮方法參數(shù)設置

2.2 壓縮比性能

采用表1中的參數(shù)對8組圖像進行測試，壓縮比結果見表3。由表3可見：本文方法的壓縮比介于JPEG-LS無損和近無損壓縮比之間，較JPEG-LS無損壓縮約提高43.86%，提升幅度較大。

采用表2中參數(shù)設置，對8組測試圖像分別進行不同參數(shù)的壓縮性能測試，壓縮比結果見表4。由表可知：增加背景子塊近無損度Near參數(shù)可提升圖像整體壓縮比；子塊大小對分類壓縮整體壓縮比的影響與圖像中疑似目標點的空間分布有關，本文選取的8×32像素子塊和16×64像素子塊壓縮比結果相當。

2.3 檢測參數(shù)對壓縮比影響

2.3.1 標準差倍數(shù)k對疑似目標的檢測影響

不同標準差倍數(shù)k可檢測出的疑似目標點數(shù)實驗結果見表5。由表可見：本文方法在采用不同的標準差倍數(shù)k可檢出的疑似目標點數(shù)目不同，隨著k值的增大，檢測出的疑似目標點數(shù)減少。k值如果設置過大可能會造成目標點丟失。本組實驗中，在全部目標點均可正確檢出的前提下，k最大值為25，此時可檢測出的疑似目標點數(shù)的平均值為77個，對應的單幀過門限率為2.94×10-4。

表3壓縮比結果比對

Tab.3 Compression ratio results

表4 本文方法不同參數(shù)壓縮比結果

2.3.2 標準差倍數(shù)k對壓縮比的影響

采用本文方法對不同k值下的8組測試圖像進行壓縮比實驗，子塊大小設置為16×64像素、目標子塊采用無損壓縮、背景子塊采用近無損壓縮(Near=3)，實驗結果見表6。由表可見：本文方法的壓縮比隨著k值增大而增大，k為25時，壓縮比為2.83，比k為2時的壓縮比提升了23%。

表5 不同檢測參數(shù)k對應的疑似目標點個數(shù)

表6 本文方法不同檢測參數(shù)k對應的壓縮比

2.3.3 小結

檢測參數(shù)k與檢出點數(shù)及壓縮比的關系如圖6所示。由圖可知，隨著k值的增大，目標檢測門限值增大，檢出的疑似目標點數(shù)減少，無損目標子塊個數(shù)減少，近無損背景子塊個數(shù)增加，壓縮比提升。當k=10時，測試圖像平均可檢出179個疑似目標點，平均壓縮比為2.66。

圖6 檢測參數(shù)k與檢測點數(shù)及壓縮比關系曲線Fig.6 Relationship among detection parameter k, number of detected points and compression ratio

2.4 目標信息保真性能

為驗證本文方法的點目標保真能力，對近無損壓縮(Near=3)和本文方法的壓縮重建誤差進行了對比測試分析。近無損壓縮保真性能分析結果如圖7所示。由圖可見：采用近無損壓縮的重建圖像與原圖相比在全圖范圍都存在誤差，且全圖重建誤差在(-3，3)范圍內呈近似均勻分布；原圖中紅色方框表示8個實際目標點，它們所在子塊壓縮前后灰度值一致像素數(shù)僅占目標子塊像素總數(shù)的12.9%，即壓縮前后目標信息存在明顯丟失。

圖7 近無損壓縮(Near=3)保真性能Fig.7 Fidelity performance of near-lossless compression (Near=3)

圖8 本文方法的目標保真性能Fig.8 Objective fidelity performance of method proposed in this paper

采用本文方法壓縮保真性能分析實驗結果如圖8所示。由圖可見：經去最大中值濾波處理后，實際目標點全部被檢測出，并檢測到若干疑似目標點。對疑似目標點所在子塊進行無損壓縮，重建誤差為0，即目標壓縮前后信息無丟失。對背景子塊進行近無損壓縮，重建誤差可控，背景圖像信息保真性能好。在工程應用中，可能存在一定的漏檢概率，利用本文方法處理后，漏檢最壞結果是解壓縮后該漏檢點與真實點目標的偏差在3個灰度值以內。

本文方法中，點目標檢測算法性能直接決定了壓縮后圖像的目標保真性能。若出現(xiàn)目標點漏檢，其所在區(qū)域被視為背景區(qū)進行近無損壓縮，也會帶來信息損失。點目標檢測作為圖像壓縮前的預處理手段，可采用較高的單幀虛警率(如k為2時，對應單幀虛警率為2.63×10-3)，以保證較高的目標檢測率。8組測試圖像的平均過門限率為9.94×10-4，檢測概率為100%。

3 結束語

本文結合了點目標檢測與無損-近無損壓縮技術，提出了一種目標-背景分類的高保真圖像壓縮方法。根據(jù)點目標檢測結果，將圖像分為目標子塊和背景子塊，對它們分別進行無損壓縮和近無損壓縮，并通過紅外遙感圖像進行實驗。結果表明：在點目標信息無損的前提下，采取紅外點目標高保真壓縮方法，壓縮比和采用常規(guī)的全圖無損壓縮方法相比提高了40%以上。該方法可用于遙感圖像星上實時壓縮系統(tǒng)中，從而減小數(shù)據(jù)傳輸量，減輕數(shù)據(jù)傳輸壓力。后續(xù)可采用多幀關聯(lián)的策略，進一步降低目標檢測虛警率，減少疑似目標的子塊數(shù)量，提升高保真壓縮算法的性能。