一種紅外點目標(biāo)圖像高保真壓縮方法

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(xué) 自動化學(xué)院，湖北 武漢 430074)

0 引言

隨著空間對地觀測技術(shù)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(yīng)用。對于點目標(biāo)遙感圖像，為確保目標(biāo)信息的完整、準(zhǔn)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(biāo)檢測和提取是紅外探測跟蹤系統(tǒng)的核心技術(shù)[3-4]，如何在包含復(fù)雜背景和噪聲的大幅圖像中準(zhǔn)確檢測并提取目標(biāo)，是目前國內(nèi)外圖像處理中的研究熱點[5-6]。使用星上目標(biāo)檢測技術(shù)和數(shù)據(jù)壓縮技術(shù)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(biāo)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(biāo)的基礎(chǔ)上，針對性地提出了一種融合目標(biāo)檢測技術(shù)和無損-近無損壓縮技術(shù)的目標(biāo)-背景分類高保真圖像壓縮方法。通過預(yù)檢測目標(biāo)所在位置，在圖像中檢測出疑似目標(biāo)點，并結(jié)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(biāo)點所在的子塊進行無損壓縮，對不包含疑似目標(biāo)點的子塊進行近無損壓縮，從而在不損失目標(biāo)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(biāo)-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(biāo)，其值越大越好。對于紅外點目標(biāo)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(biāo)信息。JPEG-2000圖像壓縮標(biāo)準(zhǔn)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(dāng)?shù)那闆r下，JPEG-2000的重建峰值信噪比(RPSN)高于JPEG標(biāo)準(zhǔn)[12]，因此常用于有損壓縮。直接使用JPEG-2000有損壓縮會導(dǎo)致紅外點目標(biāo)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(biāo)準(zhǔn)對圖1中的圖像進行有損壓縮，將壓縮比設(shè)置為3。壓縮前后的目標(biāo)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(biāo)像素灰度值下降，即目標(biāo)信息存在損失，影響后續(xù)的目標(biāo)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(biāo)遙感圖像，不宜采用損失點目標(biāo)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(biāo)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(jīng)去最大中值濾波處理后，計算出目標(biāo)檢測門限值；根據(jù)門限值進行單幀疑似目標(biāo)點檢測，并記錄檢疑似目標(biāo)點位置；根據(jù)疑似目標(biāo)點位置，對存在疑似目標(biāo)點的圖像子塊進行無損壓縮，對不存在疑似目標(biāo)點的背景子塊進行近無損壓縮。

圖3 紅外點目標(biāo)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(dāng)前像素減去最大中值，所得的差值為濾波結(jié)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(biāo)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(biāo)判斷

根據(jù)去最大中值濾波處理后的結(jié)果，統(tǒng)計濾波圖像的標(biāo)準(zhǔn)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(biāo)準(zhǔn)差；k為標(biāo)準(zhǔn)差倍數(shù)，其值越小說明檢測虛警率越高，對應(yīng)的目標(biāo)檢測率越高。為獲得疑似點目標(biāo)的檢測結(jié)果，對圖像進行二值化：將大于Th的像素設(shè)置為1，表示該像素為目標(biāo)點；將小于Th的像素設(shè)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(nèi)，避免誤碼在全圖內(nèi)擴散。

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

根據(jù)目標(biāo)檢測的結(jié)果，對圖像子塊patchi進行分類壓縮。若當(dāng)前子塊patchi含有疑似目標(biāo)點，則當(dāng)前子塊判定為疑似目標(biāo)子塊，其近無損度Neari設(shè)置為0；若當(dāng)前子塊patchi不含疑似目標(biāo)點，則當(dāng)前子塊patchi判定為背景子塊，其近無損度Neari設(shè)置為1，2，3。

2 實驗結(jié)果與分析

2.1 實驗設(shè)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(biāo)特性。

對8組12 bit像素量化、512×512像素大小的紅外點目標(biāo)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(shè)置見表1。

表1 壓縮方法參數(shù)設(shè)置

本文方法中標(biāo)準(zhǔn)差倍數(shù)k設(shè)置為10。利用本文壓縮方法，對8組實驗數(shù)據(jù)分別設(shè)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(shè)置見表2。表2中“設(shè)置3”與表1中“本文方法”參數(shù)設(shè)置相同；與“設(shè)置3”相比，“設(shè)置1”中子塊尺寸減小為8×32像素，近無損度參數(shù)設(shè)置不變；“設(shè)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(yù)測結(jié)果顯示，2040年研究區(qū)年末總?cè)丝跀?shù)為182.416萬人。模擬年限內(nèi)人均城市建設(shè)用地規(guī)模為0.0087萬人/hm2，相應(yīng)地，人均農(nóng)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(shè)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(jié)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(shè)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(jié)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(biāo)點的空間分布有關(guān)，本文選取的8×32像素子塊和16×64像素子塊壓縮比結(jié)果相當(dāng)。

2.3 檢測參數(shù)對壓縮比影響

2.3.1 標(biāo)準(zhǔn)差倍數(shù)k對疑似目標(biāo)的檢測影響

不同標(biāo)準(zhǔn)差倍數(shù)k可檢測出的疑似目標(biāo)點數(shù)實驗結(jié)果見表5。由表可見：本文方法在采用不同的標(biāo)準(zhǔn)差倍數(shù)k可檢出的疑似目標(biāo)點數(shù)目不同，隨著k值的增大，檢測出的疑似目標(biāo)點數(shù)減少。k值如果設(shè)置過大可能會造成目標(biāo)點丟失。本組實驗中，在全部目標(biāo)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(biāo)點數(shù)的平均值為77個，對應(yīng)的單幀過門限率為2.94×10-4。

表3壓縮比結(jié)果比對

Tab.3 Compression ratio results

表4 本文方法不同參數(shù)壓縮比結(jié)果

2.3.2 標(biāo)準(zhǔn)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(shè)置為16×64像素、目標(biāo)子塊采用無損壓縮、背景子塊采用近無損壓縮(Near=3)，實驗結(jié)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(yīng)的疑似目標(biāo)點個數(shù)

表6 本文方法不同檢測參數(shù)k對應(yīng)的壓縮比

2.3.3 小結(jié)

檢測參數(shù)k與檢出點數(shù)及壓縮比的關(guān)系如圖6所示。由圖可知，隨著k值的增大，目標(biāo)檢測門限值增大，檢出的疑似目標(biāo)點數(shù)減少，無損目標(biāo)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(dāng)k=10時，測試圖像平均可檢出179個疑似目標(biāo)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(guān)系曲線Fig.6 Relationship among detection parameter k, number of detected points and compression ratio

2.4 目標(biāo)信息保真性能

為驗證本文方法的點目標(biāo)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(jié)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(nèi)呈近似均勻分布；原圖中紅色方框表示8個實際目標(biāo)點，它們所在子塊壓縮前后灰度值一致像素數(shù)僅占目標(biāo)子塊像素總數(shù)的12.9%，即壓縮前后目標(biāo)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(biāo)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(jié)果如圖8所示。由圖可見：經(jīng)去最大中值濾波處理后，實際目標(biāo)點全部被檢測出，并檢測到若干疑似目標(biāo)點。對疑似目標(biāo)點所在子塊進行無損壓縮，重建誤差為0，即目標(biāo)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(yīng)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(jié)果是解壓縮后該漏檢點與真實點目標(biāo)的偏差在3個灰度值以內(nèi)。

本文方法中，點目標(biāo)檢測算法性能直接決定了壓縮后圖像的目標(biāo)保真性能。若出現(xiàn)目標(biāo)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(biāo)檢測作為圖像壓縮前的預(yù)處理手段，可采用較高的單幀虛警率(如k為2時，對應(yīng)單幀虛警率為2.63×10-3)，以保證較高的目標(biāo)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(jié)束語

本文結(jié)合了點目標(biāo)檢測與無損-近無損壓縮技術(shù)，提出了一種目標(biāo)-背景分類的高保真圖像壓縮方法。根據(jù)點目標(biāo)檢測結(jié)果，將圖像分為目標(biāo)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(jié)果表明：在點目標(biāo)信息無損的前提下，采取紅外點目標(biāo)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(guān)聯(lián)的策略，進一步降低目標(biāo)檢測虛警率，減少疑似目標(biāo)的子塊數(shù)量，提升高保真壓縮算法的性能。