，，

1. 中國(guó)民航大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，天津 300300 2. 中國(guó)科學(xué)院 國(guó)家空間科學(xué)中心,北京 100190

近年來(lái)，隨著國(guó)防與國(guó)民經(jīng)濟(jì)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(shí)間分辨率、光譜分辨率及輻射分辨率等性能指標(biāo)大幅提升，使得光學(xué)遙感圖像的信息量呈指數(shù)增長(zhǎng)[1-2]，對(duì)應(yīng)的實(shí)時(shí)數(shù)據(jù)傳輸速率已高達(dá)數(shù)吉比特每秒。然而利用目前的通信技術(shù)進(jìn)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(kuò)大趨勢(shì)，嚴(yán)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(duì)信源的壓縮倍數(shù)。然而對(duì)于現(xiàn)有的圖像有損壓縮算法來(lái)講，隨著圖像壓縮比的增大，圖像的質(zhì)量會(huì)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(gè)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(duì)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(chǔ)空間與星地傳輸帶寬。在壓縮過(guò)程中充分考慮并合理設(shè)計(jì)云剔除策略，減少甚至消除云無(wú)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(duì)于包含無(wú)效區(qū)域的圖像的壓縮問(wèn)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(wú)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(biāo)準(zhǔn)。無(wú)效區(qū)域的填充值的選取對(duì)于壓縮性能有很大影響，填充值的計(jì)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(wú)效區(qū)域，算法簡(jiǎn)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(wú)效區(qū)域并非單一的灰度值，無(wú)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(jì)算出的某個(gè)單一值填充整個(gè)無(wú)效區(qū)域，降低了無(wú)效區(qū)域的壓縮編碼消耗，但該方法以整個(gè)有效數(shù)據(jù)區(qū)域像素的算數(shù)平均作為平均值，這個(gè)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(huì)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(guò)提升感興趣區(qū)域的位平面達(dá)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(shí)丟失了一部分信息，所以會(huì)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(duì)此類問(wèn)題設(shè)計(jì)專用的壓縮算法。這類算法大多是通過(guò)改進(jìn)主流壓縮算法流程中的某些環(huán)節(jié)，達(dá)到降低無(wú)效區(qū)域編碼消耗的目的。文獻(xiàn)[9]改進(jìn)SPIHT算法，采用集合劃分策略，在編碼階段直接丟棄無(wú)效區(qū)域信息。文獻(xiàn)[10]改進(jìn)EBCOT編碼方法，改進(jìn)后算法可以編碼圖像內(nèi)的任意區(qū)域。這類算法一般會(huì)在編碼過(guò)程中直接跳過(guò)無(wú)效區(qū)域，這樣無(wú)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(duì)遙感圖像壓縮設(shè)計(jì)，算法設(shè)計(jì)時(shí)并未考慮空間應(yīng)用特殊性及在軌成像特點(diǎn)，而且復(fù)雜度較高。

針對(duì)遙感圖像壓縮，空間數(shù)據(jù)系統(tǒng)咨詢委員會(huì)(Consultative Committee for Space Data System, CCSDS)推出了基于小波變換的圖像壓縮標(biāo)準(zhǔn)CCSDS-122.0-B-1(又稱CCSDS-IDC)[11-13]。標(biāo)準(zhǔn)針對(duì)空間任務(wù)圖像采集特點(diǎn)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(shí)用性強(qiáng)等特點(diǎn)。所以本文在CCSDS-IDC標(biāo)準(zhǔn)基礎(chǔ)上，針對(duì)含云圖像壓縮問(wèn)題，提出了形狀自適應(yīng)CCSDS-IDC算法，改進(jìn)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(dāng)前效果最好的JPEG2000方法相當(dāng)。主要包含離散小波變換(DWT)和比特平面編碼(BPE)兩個(gè)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(diǎn)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(gè)低頻和高頻系數(shù)。

表1 CCSDS-IDC小波變換系數(shù)

與此對(duì)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(jí)，由于小波系數(shù)的對(duì)稱性，二維小波變換可以按照行、列分別進(jìn)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(shí)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(jí)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(duì)應(yīng)的64個(gè)系數(shù)組成一組，即一個(gè)塊。如圖3所示，包含1個(gè)直流系數(shù)(DC)，63個(gè)交流系數(shù)(AC)(3個(gè)父系數(shù)、12個(gè)兒子系數(shù)和48個(gè)孫子系數(shù))。

CCSDS-IDC標(biāo)準(zhǔn)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(jìn)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(gè)塊中的63個(gè)交流小波系數(shù)。

掃描編碼過(guò)程中，BPE共包含Stage0～Stage4的5個(gè)階段。Stage0對(duì)直流系數(shù)進(jìn)行RICE編碼，Stage1按比特平面掃描編碼3個(gè)父系數(shù)，Stage2按比特平面掃描編碼12個(gè)子系數(shù)，Stage3按比特平面掃描編碼48個(gè)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(duì)無(wú)效區(qū)域的編碼方法。本文為了提高包含無(wú)效區(qū)域(云區(qū)域)遙感圖像的壓縮性能，對(duì)CCSDS-IDC的DWT和BPE進(jìn)行改進(jìn)，提出形狀自適應(yīng)CCSDS-IDC(SA-CCSDS-IDC)方法來(lái)盡量減少無(wú)效區(qū)域壓縮成本。改進(jìn)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(duì)原始圖像中有效區(qū)域像素進(jìn)行3級(jí)形狀自適應(yīng)小波變換(Shape Adaptive Discrete Wavelet Transform， SA-DWT)，為了標(biāo)識(shí)小波變換后有效區(qū)域內(nèi)各個(gè)小波系數(shù)的位置信息，對(duì)掩膜圖像進(jìn)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(guò)程直接跳過(guò)無(wú)效區(qū)域。為了解碼時(shí)正確恢復(fù)各個(gè)像素之間的位置關(guān)系，對(duì)二值的掩膜圖像利用鏈碼進(jìn)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(guò)程中，首先通過(guò)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(jìn)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(guò)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(guò)無(wú)效的云區(qū)域像素點(diǎn)。SA-DWT的基本思想是：進(jìn)行一維小波變換時(shí)，利用云掩膜信息，對(duì)圖像一行中連續(xù)的任意長(zhǎng)度像素段進(jìn)行小波變換，變換時(shí)，主要考慮以下兩個(gè)問(wèn)題：1)經(jīng)過(guò)SA-DWT后的小波系數(shù)個(gè)數(shù)不能增加，應(yīng)該與原有有效區(qū)域的像素個(gè)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(gè)特性：邊緣擴(kuò)展和采樣策略。

(1)邊緣擴(kuò)展

(9,7)小波是一種奇對(duì)稱雙正交小波，在進(jìn)行變換時(shí)，為保證無(wú)損重建，圖像的邊緣處可采用鏡像擴(kuò)展方式，如圖6所示。當(dāng)連續(xù)的像素段比較短時(shí)，擴(kuò)展時(shí)開始像素與結(jié)尾像素會(huì)相互影響，需要從開始像素到結(jié)束像素遞歸交替地?cái)U(kuò)展邊緣處的像素點(diǎn)。所以邊界擴(kuò)展更為復(fù)雜，需要特殊處理。圖7給了當(dāng)連續(xù)像素段的長(zhǎng)度為2時(shí)的擴(kuò)展實(shí)例。

(2)下采樣策略

對(duì)任意長(zhǎng)度的像素段進(jìn)行小波變換后，產(chǎn)生低通和高通兩個(gè)子帶系數(shù)。不同的采樣系數(shù)方式，會(huì)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(duì)于局部下采樣來(lái)講，同一行中的每一個(gè)單獨(dú)的連續(xù)像素段，從起始像素開始進(jìn)行偶采樣或奇采樣，而對(duì)于全局下采樣, 總是從當(dāng)前行的由于連續(xù)像素段的長(zhǎng)起始像素開始進(jìn)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(dāng)長(zhǎng)度為奇數(shù)時(shí)，如果進(jìn)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(xiàn)[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(duì)DWT進(jìn)行形狀自適應(yīng)的改進(jìn)外，BPE階段同樣需要改進(jìn)。在編碼過(guò)程中，改進(jìn)后的SA-BPE直接跳過(guò)無(wú)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(guò)程中，將DWT后的小波系數(shù)按照子帶分成多個(gè)塊，并在各個(gè)塊之間進(jìn)行獨(dú)立掃描和處理。改進(jìn)后的BPE，跳過(guò)無(wú)效區(qū)域，直接編碼有效區(qū)域，如圖9所示。

原CCSDS-IDC算法對(duì)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(zhǎng)度是固定的(3 bit或者4 bit)。但是經(jīng)過(guò)SA-DWT后，高頻系數(shù)個(gè)數(shù)不再和低頻系數(shù)個(gè)數(shù)相同，這樣每個(gè)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(shí)，對(duì)缺失的小波填充0來(lái)處理。在對(duì)這些掃描結(jié)果進(jìn)行熵編碼時(shí)，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(jì)了大量遙感圖像的位平面掃描數(shù)據(jù)，依據(jù)統(tǒng)計(jì)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(jì)算進(jìn)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(guò)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(jì)特性發(fā)成了變化，這樣原CCSDS-IDC的編碼表不在是統(tǒng)計(jì)上最優(yōu)的。所以本文對(duì)123幅含云遙感圖像的SA-BPE的掃描結(jié)果進(jìn)行統(tǒng)計(jì)，利用Huffman編碼重新設(shè)計(jì)了轉(zhuǎn)義字及掃描字的編碼查找表。

2.3 形狀編碼

對(duì)于SA-CCSDS-IDC算法，經(jīng)過(guò)云檢測(cè)后的地物區(qū)域的形狀往往是不規(guī)則的，需要在編碼過(guò)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(shí)定位該區(qū)域，精確恢復(fù)地物的形狀信息。

鏈碼是一種簡(jiǎn)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(diǎn)(x,y)為起點(diǎn)開始掃描編碼，將相鄰輪廓點(diǎn)的相對(duì)位置關(guān)系用0～7的8個(gè)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(diǎn)。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(jìn)一步提高壓縮性能，可以首先將輪廓進(jìn)行修正，增加拐點(diǎn)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(gè)改進(jìn)的鏈碼來(lái)編碼輪廓信息。相鄰的3個(gè)輪廓點(diǎn)之間有一定的約束關(guān)系，已知前2個(gè)輪廓點(diǎn)，第3個(gè)輪廓點(diǎn)的可能鄰域信息只有4個(gè)不同的鏈碼。這樣就可以在保證無(wú)失真的編碼輪廓的同時(shí)，只采用2比特來(lái)編碼圖像邊緣輪廓。

3 試驗(yàn)結(jié)果及分析

3.1 測(cè)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(dòng)光學(xué)傳感器，探測(cè)器陣列橫向排列于光學(xué)焦平面上即垂直于衛(wèi)星運(yùn)動(dòng)方向，在衛(wèi)星完成向前飛行的過(guò)程中縱向?qū)Φ孛鎾呙?，從而得到地面目?biāo)的一個(gè)二維條帶狀圖像，在軌壓縮處理也是按照條帶完成的。以當(dāng)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(guò)插值、采樣等變換后，得到條帶狀的模擬測(cè)試圖像。圖像測(cè)試集包括不同場(chǎng)景、不同云量的共計(jì)123張測(cè)試圖。圖11列出了部分典型測(cè)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(wú)效區(qū)域。表2給出了部分測(cè)試集中圖像的一些參數(shù)，包括圖像分辨率、無(wú)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(chǎng)景越復(fù)雜。

3.2 結(jié)果及性能分析

利用以上測(cè)試圖像集，測(cè)試和比較了本文給出的針對(duì)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(guò)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(cè)試圖像的壓縮性能測(cè)試結(jié)果。

表2 典型測(cè)試圖像參數(shù)

表3 典型測(cè)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(guò)對(duì)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(guò)ADR填充后的CCSDS-IDC方法解壓后的圖像質(zhì)量均有提高。對(duì)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(dāng)?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(duì)于Cloud_2圖像，JPEG2000在壓縮32倍時(shí)的PSNR為38.81 dB，而SA-CCSDS-IDC方法在壓縮64倍時(shí)的PSNR為39.40 dB，這說(shuō)明圖像質(zhì)量相當(dāng)?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(guò)整個(gè)圖像測(cè)試集進(jìn)行測(cè)算，在圖像質(zhì)量固定的條件下，對(duì)于地物探測(cè)場(chǎng)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(shí)間延長(zhǎng)75%，衛(wèi)星將可獲得更多有價(jià)值數(shù)據(jù)，有效提升遙感衛(wèi)星工作效能。

表4 典型測(cè)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(cè)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(shì)。

表6 典型測(cè)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(cè)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(cè)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(cè)試圖像的云區(qū)域占比是逐漸下降的。通過(guò)下圖可以看出，云區(qū)域占比的越大，在各個(gè)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(chǎng)景越復(fù)雜，本文改進(jìn)方法性能提升程度越高，由于Cloud_4圖像灰度方差較大，場(chǎng)景復(fù)雜，所以經(jīng)過(guò)云剔除處理后壓縮性能提高更多，與Cloud_3接近。

為進(jìn)一步說(shuō)明本文兩種改進(jìn)算法對(duì)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(guò)ADR填充的CCSDS-IDC算法與本文SA-CCSDS-IDC算法解壓后圖像細(xì)節(jié)展示。可以看出，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(xì)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(xì)節(jié)。

4 結(jié)束語(yǔ)

遙感圖像中含有大量的云無(wú)效區(qū)域，占用了大量的數(shù)傳帶寬。在壓縮過(guò)程中剔除云無(wú)效區(qū)域，可以進(jìn)一步提高壓縮性能。本文在CCSDS-IDC算法基礎(chǔ)上，針對(duì)云剔除后的遙感圖像形狀不固定的特點(diǎn)，改進(jìn)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(cè)試集，對(duì)方法進(jìn)行了比較分析，試驗(yàn)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(duì)算法進(jìn)行硬件FPGA實(shí)現(xiàn)，并在實(shí)際空間任務(wù)中得到應(yīng)用。