卫星遥感图像无损压缩技术改进方法

张玉山 张如意

(上海卫星工程研究所,上海 201109)

随着卫星遥感图像数据速率的提高，对星地数传带宽的要求也越来越高，星上图像压缩技术用来缓解卫星数传带宽有限和数据量增大的矛盾，同时降低卫星遥感图像对卫星存储资源的需求。图像压缩算法分为无损压缩和有损压缩两种，无损压缩解压缩后图像与原始图像完全相同，没有任何信息损失。有损压缩解压缩后图像像素灰度值发生变化并且信息损失不可控，可能会丢失卫星图像中包含的重要遥感信息，不利于地面数据的后续应用。对压缩恢复图像信息无损要求高的应用来讲，一般应选择无损或近无损压缩方式。

无损压缩算法主要包括预测类和变换类，预测类以JPEG-LS为代表，变换类以JPEG2000为代表。JPEG2000采用了小波变换技术，算法比较复杂，可实现无损压缩和有损压缩。JEPG-LS无损压缩算法是JPEG工作组制定的新一代图像无损压缩标准，是一种复杂度相对较低、压缩性能较高的算法，JEPG-LS可实现无损压缩和近无损压缩[1-2]。

无损压缩性能最重要的衡量指标为压缩比，压缩比越大越好。根据CCSDS-IDC绿皮书[3]，对12 bit/像素量化的多组典型场景图像，JPEG-LS、JPEG2000、CCSDS、CCSDS/Rice等算法的平均无损压缩比分别为2.15、2.13、2.10、1.91。由此可知，JPEG-LS无损压缩比最高。因此，本文选取JPEG-LS算法对卫星遥感图像进行无损压缩性能研究。

基于预测原理的JPEG-LS无损压缩算法存在着固有的误码扩散现象，即受信道误码影响，地面解压缩后数据中会产生更多的随机比特错误，此现象影响了其在卫星工程中的应用效果[4-6]。

某些卫星遥感图像应用对实时性的要求较高，基于整幅图像缓存的预测会产生较大的处理时延，难以满足地面应用系统的实时性应用要求。本文首先介绍了标准无损压缩JPEG-LS算法，针对标准算法在卫星星上压缩应用中存在的误码扩散和处理时延方面的不足，提出了JPEG-LS改进算法，即采取分块压缩的措施来抑制误码扩散同时解决图像实时压缩的需求，最后利用风云四号(FY-4)卫星扫描图像对改良的无损压缩算法进行了验证。目前FY-4卫星上还没有采用压缩技术，因此利用FY-4卫星图像在地面进行压缩技术验证具有重要理论意义和工程应用价值。

1 标准无损压缩算法及改良

JPEG-LS压缩流程如图1所示。

图1 JPEG-LS压缩算法流程图
Fig.1 Step of JPEG-LS coding

JPEG-LS压缩算法首先需要进行上下文建模，然后预测、熵编码。

(1)上下文建模是JPEG-LS编码的基础，使用的建模方法是基于对上下文的认识。在上下文建模时，需要根据像素重建值计算上下文模板的局部梯度，梯度值与门限值进行比较后映射得到上下文索引。

(2)预测是根据已知的邻域像素对当前像素进行预测，预测的目的是去除空间冗余。预测结果要根据预测修正值进行修正，预测修正值和当前像素真实值相减得到预测残差，残差值再经过量化、取模，然后进行上下文环境参数更新、误差映射。对12 bit/像素量化的图像，误差映射模块的功能是把残差值从-2048～2048映射到0～4096之间，其中正数映射成0～4096的偶数，负数映射成0～4096的奇数。

(3)熵编码是对预测残差值进行编码，熵编码的目的是去除统计冗余。熵编码时，需要根据残差累计值和上下文发生次数计算熵编码过程参数K值，然后利用K值和误差映射值进行限长熵编码。

在对当前像素值和预测值的差值即预测残差值进行量化时，无损压缩只能无损量化、不允许近似量化，近无损压缩允许最大为近无损度Near值的近似量化。例如，在真实预测残差值为-1、0、1时，近无损度Near值为1的预测残差值量化结果均为0。在解压缩时，通过获取压缩码流中的预测残差熵编码值及上下文环境参数，可还原出图像像素值，即在无损压缩时可保证图像压缩前、解压缩后像素灰度值完全一致，在近无损压缩时可保证图像压缩前、解压缩后像素灰度值相差最大为Near值[7-9]。

本文在传统预测编码的上下文建模、残差预测、熵编码的基础上，采用图像分块压缩措施来抑制误码扩散、降低处理时延，改进的算法流程如图2所示。

图2 改良的JPEG-LS压缩算法流程图
Fig.2 Step of improved JPEG-LS coding

下面从误码扩散抑制能力、时延提升幅度、无损压缩比变化3个方面对改进的压缩算法进行研究。

对图像进行分块处理，可将误码扩散限制在一个分块内。分块大小的选取需要同时考虑压缩比、误码扩散抑制能力、处理时延等方面。本文选取8×32、8×64、16×32、16×64像素4种图像分块大小，对标准JPEG-LS无损压缩算法和改进压缩算法的误码扩散抑制能力、处理时延、压缩比变化等内容进行了对比，误码抑制能力对比结果如图3和表1所示，处理时延对比结果如图4和表2所示，压缩比对比结果如图5和表3所示。

图3 误码抑制能力提升数量级Fig.3 Logarithm of the error-bit propagation improved

图4 处理时延减小数量级Fig.4 Logarithm of the delay improved

由此可见，与标准算法的全图缓存压缩相比，改进算法在采用16×64分块时可将误码降低4个数量级。

表2 处理时延减小数量级

由此可见，与标准算法的全图缓存压缩相比，改进算法在采用16×64分块时可将处理时延减小5个数量级。

图5 不同分块条件下的无损压缩比Fig.5 Ratio of the different small piece compression

由此可见，与标准算法的全图缓存压缩相比，改进算法在采用16×64分块时无损压缩比下降约10%。

综上，与标准算法相比，改进算法在无损压缩比降低10%的代价下，可将误码降低4个数量级、处理时延减小5个数量级，可满足卫星星上实时压缩的需求。

2 改进无损压缩算法的应用

本文采用改进的无损压缩算法，利用FY-4卫星图像对其性能进行仿真测试。测试采用的分块大小为16×64像素，图像包括扫描成像辐射计输出的14个通道的图像数据，此数据为地面应用系统接收到的原始数据，根据数据帧格式解析得到，包括世界时4:00、16:00两组。

2.1 FY-4卫星图像

2016年11月美国地球静止环境业务卫星-R(GOES-R)发射成功，其装载的先进基线成像仪(ABI)是扫描型辐射成像仪，采用了无损压缩技术来降低数据速率[10]。2016年12月，我国第二代静止轨道气象卫星FY-4发射成功。FY-4卫星的综合指标与GOES-R卫星相当，部分指标甚至优于GOES-R卫星。但是，FY-4卫星上还没有采用图像压缩技术，因此，对FY-4卫星主载荷扫描成像辐射计的遥感图像进行无损压缩性能研究，既能验证改进无损压缩算法的性能，同时具有重要的工程应用价值。

FY-4卫星的成像仪器为扫描成像辐射计，扫描方式为逐行扫描，每15 min可同时获取整幅红外波段和可见光波段的地球圆盘图，图像共包括14个波段，13个波段量化位数为12位、1个波段量化位数为16位，图像参数如表4所示。

在白天和黑夜地球受到的光照差别较大，扫描成像辐射计的可见光波段和近红外波段图像特性变化较大。因此，本文选取了在地面接收到的世界时(UTC)4:00、16:00的两组FY-4卫星图像，采用改进的无损压缩算法进行了研究，研究包括无损和近无损压缩。近无损压缩本质上属于无损压缩范畴，不同于有损压缩信息损失的不可控，近无损压缩产生的信息损失可控。近无损压缩产生的信息损失可用近无损度Near值来量化，近无损度的定义为解压缩后图像像素灰度值与压缩前图像对应像素灰度值的最大差值的绝对值。无损压缩没有任何信息损失，即Near值为0，近无损压缩近无损度Near值一般控制在3以内。测试图像如图6所示。

图6 风云四号卫星遥感图像Fig.6 Remote sensing image of FY-4 satellite

2.2 第一组测试数据

采用改进压缩算法对世界时4:00图像数据进行无损压缩、近无损压缩性能测试，测试结果如图7和表5所示。

图7 风云四号遥感图像分块压缩测试结果(世界时4:00)Fig.7 Result base on FY-4 image using the improved compression algorithm(UTC 4:00)

图像编号波段编号无损近无损1近无损21可见光11.762.212.502可见光21.902.412.773可见光31.932.472.854红外12.443.374.085红外22.082.713.176红外32.232.953.457红外42.362.773.098红外52.002.623.069红外62.493.524.3010红外72.303.153.7911红外82.152.893.3812红外92.082.753.2213红外102.132.843.3714红外111.982.583.02可见光平均压缩比1.882.392.74红外平均压缩比2.242.913.38全波段平均压缩比1.942.482.85

由本组测试数据可知(UTC 4:00)，可见光波段图像无损压缩比最低为可见光1波段的1.76、最高为可见光3波段的1.93，红外波段图像的无损压缩比最低为红外11波段的1.98、最高为红外6波段的2.49。

2.3 第二组测试数据

采用改进压缩算法对世界时16:00图像数据进行无损压缩、近无损压缩性能测试，测试结果如图8和表6所示。

图8 风云四号遥感图像分块压缩测试结果(世界时16:00)Fig.8 Compress result of Remote sensing image of FY-4 satellite(UTC 16:00)

由本组测试数据可知(UTC 16:00)，可见光波段图像无损压缩比最低为可见光1波段的2.20，最高为可见光3波段的2.61，红外波段图像的无损压缩比最低为红外11波段的2.01，最高为红外3波段的3.22。

世界时4:00和16:00的两组图像无损压缩测试结果对比如图9所示。

表6 风云四号卫星图像分块压缩测试结果(世界时16:00)

图9 两组图像无损压缩性能比对Fig.9 Compare of tow group image compress result

采用改进压缩算法，针对FY-4卫星UTC4:00图像，平均无损压缩比为1.94，近无损度平均压缩比可达2.85；针对FY-4卫星 UTC 16:00图像，平均无损压缩比为2.38、近无损平均压缩比可达3.87。

3 结论

本文针对JPEG-LS无损压缩算法存在的不足，提出了改进无损压缩算法，并利用FY-4卫星在轨遥感图像从误码扩散抑制、处理时延、无损压缩比三个方面进行了验证，结论如下。

(1)与标准无损压缩算法相比，改进算法可将误码降低4个数量级，可有效抑制误码扩散。

(2)与整图缓存的标准无损压缩算法相比，改进算法的压缩时延可降低5个数量级以上，可满足卫星实时压缩的处理要求。

(3)在没有任何信息损失的条件下，改进算法可获得1.94的最低平均无损压缩比，即可将卫星遥感图像星地数传数据量压缩一半左右。

References)

[1] 杜列波.星载遥感图像JPEG2000压缩算法的去量化[D].长沙:国防科技大学，2009

DuLiebo. Quantification removing for satellite on-board remote image JPEG2000 compression algorithm[D].Changsha: National University of Defense Technolog,2009 (in Chinese)

[2] 姜波. 多通道卫星云图的图像处理技术研究[D].哈尔滨:哈尔滨工程大学，2012

Jiang Bo.Image processing technology of multi-channel data of satellite cloud image[D].Harbin: Harbin Engineering University,2012 (in Chinese)

[3] CCSDS. Lossless Data Compression green book. Recommendation for space data system standards,CCSDS 121.0-G-2[R].Washington D.C.:CCSDS,2006:16-24

[4] 胡栋.静止图像编码的基本方法与国际标准[M].北京: 北京邮电大学出版社，2003

Hu Dong. The basic methods and the international stand of static image compress[M].Beijing: Beiyou University Press,2003 (in Chinese)

[5] Aaron Kiely, Roberto Manduchi, Matthem Klimesh. Maximizing science return:Data compression and onboard science processing[M]. Germany: Springer, 2000：12-13

[6] Marcelo J, Weinberger. The LOCO-I lossless image compression algorithm[J]. IEEE Transactions on Image Processing, 2000,9(8):2-5

[7] David S Taubman, Michael W Marcellin. The basic methods,stand and usage of JPEG2000 image compress[M]. Beijing: Publishing House of Electronics Industry,2004

[8] 冯希.几种图像无损压缩与编码方法研究[D].西安:中国科学院西安光学精密机械研究所，2008

Feng Xi.Comparison of several lossless image compression and coding algorithms[D]. Xi’an: Chinese Academy of Sciences, Xi’an Institute of Optical Precision Mechanism,2008 (in Chinese)

[9] 许贵.星载遥感图像压缩中的变换算法研究[D].南京：南京理工大学，2009

Xu Gui.The study on transform algorithm of the satellite remote sensing image compression[D]. Nanjing:Nanjing University of Science and Technology,2009 (in Chinese)

[10] 龚燃. 美国下一代静止气象卫星[J].国际太空，2013(9)：20

Gong Ran.The next generation meteorological satellite of the United Sates[J]. Space International,2013(9)：20(in Chinese)