小波变换在遥感影像压缩中的应用

张成

(成都市勘察测绘研究院，四川成都 610081)

小波变换在遥感影像压缩中的应用

张成∗

(成都市勘察测绘研究院，四川成都 610081)

解决海量遥感影像存储和传输问题的有效方法是对影像进行保真快速压缩。本文对基于小波变换的遥感影像压缩技术进行深入探讨，并通过与其他图像压缩算法相比较，比较全面地揭示出小波压缩算法的特点及其在遥感影像压缩中的应用。

图像压缩；小波变换

1 引 言

随着新型传感技术的高速发展，遥感影像在空间、时间和光谱分辨率上都有了显著提高，与此同时，影像数据量正在呈几何级数增长。如何对这些日益庞大的海量遥感数据进行方便的存储和高效、快速的传输，成为行业迫切需要解决的难题之一。图像压缩技术是解决这一问题的有效途径，对影像数据进行压缩，可以实现遥感影像的海量存储以及快速、实时传输。如何在保持信号少量失真的前提下，研究高效率的图像压缩算法已成为遥感技术发展的一项关键技术。

小波变换具有多分辨率分析的特点，在时、频两域都具有表征信号局部特征的能力。利用小波变换可以一次变换整幅影像，不仅可以达到很高的压缩比，而且压缩后的影像对视觉质量几乎没有可感知的损失。目前，基于小波变换对遥感影像进行压缩的算法和应用都十分活跃。

2 小波变换及压缩原理

小波变换的基本思想是通过一个小波基在时间上平移和尺度上伸缩，获得一种能自动适应各种频率成分的有效信号分析手段。将一幅影像经过一次小波变换后分解为4个子影像:其中，LL代表原始影像的低频特征分量，它包含原始影像的基本内容；LH、HL和HH分别表示垂直向下、水平向右和斜对角线的高频特征分量，即边缘、纹理和轮廓等特征[1]。

图1是单波段的成都天府广场遥感影像，图2是对该影像进行小波变换后得到的四个特征分量，从图1可以看出，LL子带包含了原始影像的大部分数据，其余三个分量包含很少的细节信息。下一级的小波变换都是在上一级变换产生的低频子带(LL)的基础上再进行小波变换。小波变换压缩原理就是把原始影像数据分解为不同频率分量的子带数据，然后分别对不同频率分量的数据实施不同的编码算法，就实现了对原始影像的压缩。

图1 成都天府广场影像(单波段)

图2 小波变换后各方向的特征分量

3 与其他压缩算法比较

常见的图像压缩算法有LZW算法和JPEG压缩编码标准。LZW算法原理是把每一个第一次出现的字符串用一个数值来编码，在重构时再将这个数值还原为原来的字符串[2]，GIF文件采用的就是这种压缩算法；JPEG是国际标准化组织(ISO)和CCITT联合制定的静态图像的压缩编码标准。它的压缩原理是把原始图像分成8×8的小块，对每个小块进行DCT(离散余弦变换)变换后得到高、低频分量，由于低频分量包含了图像的主要信息，高频与之相比，信息量很少，故忽略高频分量，从而得到压缩的目的[3]。

小波压缩算法与LZW、JPEG压缩算法相比，具有如下特点:

(1)具有较高的压缩比。其压缩比决定于图像内容和彩色深度，对于灰度图像压缩率为15∶1～20∶1，对全彩色图像可以达到30∶1～50∶1，压缩后对视觉质量没有可感知的损失。

(2)具有多分辨率、无缝的特征，多尺度分解提供了不同尺度下图像的信息，可以多种分辨率显示影像数据。多分辨率、无缝的特性保证了小波压缩文件可以在各种媒体，尤其是Internet上有更快的传播速度和更优的显示效果。

(3)不存在“块失真”，在图像内的任一处都有一致的分辨率和很好的质量。JPEG技术把图像分成了8×8的像素块，每64个像素在各个方向上都会有边界，这样在进行压缩时就不可避免地出现了“块失真”的现象。

(4)可以压缩非常大的图像，可压缩的图像大小决定于计算机的存储器大小。

4 试验结果及分析

为了验证小波压缩算法的特性，本文设计了几个试验对小波压缩算法进行测试。

4.1 试验1:三种压缩算法比较

原始影像是18200×17199像素、3个波段、1 m分辨率、文件大小为895 MB的数字正射影像，面积约1 024 km2，区域为成都市中心城区。对该试验数据，分别采用三种不同的压缩算法，其压缩效率及效果比较表见表1。三种算法压缩后影像在Photoshop下进行锐化处理后效果图如图3(单波段，局部)所示。

小波压缩、LZW和JPEG图像压缩的比较表 表1

从表1可以看出，小波变换压缩比最高，JPEG次之，LZW最差。说明为了保存相同的影像质量，LZW和JPEG压缩文件要比小波变换要大得多。从图3可以看出，小波压缩与LZW压缩后影像相比，几何边缘及纹理均比较清晰，质量并没受损，但较之小波压缩，LZW压缩比率较低；小波压缩与JPEG压缩相比，在同样高压缩比的情况下，使用JPEG压缩，几何边缘及纹理模糊，且出现明显的“块失真”现象。

图3 经过三种不同的压缩算法压缩后的影像(从上到下依次为:小波变换、LZW、JPEG)

4.2 试验2:小波压缩性能测试

本试验采取了几种不同数据源的遥感影像作为试验数据，对小波压缩性能进行测试，试验结果如表2所示。从表2可以看出，针对各种不同的遥感数据源，小波压缩的压缩效果都非常显著，这大大方便了遥感影像的存储、传输，有利于节省存储空间和传输信道，有很强的实用价值。

几种不同的遥感影像压缩前后文件大小对比 表2

5 应用现状

目前小波压缩技术已经在国内外的图像处理软件和GIS软件中得到了广泛的应用。其中，应用最广、比较成熟的算法是基于离散小波变换(DWT)的多分辨率无缝影像数据库MrSID(Multiresolution Seamless Image Database)技术。它利用离散小波变换对图像进行压缩、拼接和镶嵌，通过局部转换，使图像内部任何一部分都具有一致的分辨率和非常好的图像质量[4]。MrSID使高质量的海量遥感影像的存储与传输成为可能，大大促进并推动了遥感影像数据GIS中的应用。

6 结 论

遥感数据压缩是遥感研究领域内的一个重要课题。本文从分析小波变换的空间聚类特性出发，与其他两种常用的图像压缩算法相比较，并通过试验证明，小波压缩算法具有压缩比高、多分辨率、无缝及压缩效果好的特点。结合行业应用现状再次证明，小波压缩技术在遥感影像压缩中具有很强的实用性和可行性。

[1] 程正兴.小波分析算法与应用[M].西安:西安交通大学出版社，1998

[2] 张春田，苏育挺，张静.数字图像压缩编码.北京:清华大学出版社，2006

[3] William B.Pennebaker，Joan L.Mitchell.JPEG静止图像数据压缩标准[M].北京:学苑出版社，1996

[4] 欧贵文，欧嘉致，滕寿威等.MrSID技术在GIS中的应用[C].99′中国GIS年会论文集，1999

Remote Sensing Image Compression Based on Wavelet Transform

Zhang Cheng
(Chengdu Institute of Survey and Investigation，Chengdu 610081，China)

One of the efficient solutions for data transmission and storage of huge remote sensing images is the high fidelity and rapid compression.This paper discusses the algorithm of wavelet image compression.Compared with other image compression algorithms，experimental results show that wavelet image compression is superior to LZW and JPEG in high compression ratio and high image quality，and is widely used in the field of remote sensing and geography information system.

remote sensing image compression；wavelet transform

1672－8262(2011)02－100－03

P237

B

2010—08—20

张成(1966—)，男，高级工程师，长期从事城市勘测技术工作。