第33卷，第5期 2013年5月
青学与光谱分析
光
谐
Spectroscopy and Spectral Analysis
Vol.33,No.5.pp1401-1405
May,2013
基于光谱分类和局部DPCM的干涉超光谱数据压缩
涂小龙1.2，黄曼"，吕群波"，王建威1,2，裴琳琳1,2
1，中国科学院光电研究院，北京100094 2.中国科学院大学，北京
100049
摘要为了获得较高的压缩比，针对干涉超光谱图像数据的空间维相关性和干涉光谱维相关性，提出了一种将光谱分类与局部DPCM相结合的联合压缩算法。先对整个光谱数据进行光谱分类，得到一个与二维空闻对应的分类号矩阵和一个与干涉光谱对应的光谱类别库，然后利川局部DPCM对光谱类别库进行进一步压缩。分类作为第一步压缩对整个压缩算法的压缩效果至关重要，本文分析了不同分类标准和分类精度下的压缩效果，相对欧氏距离标准优于夹角标准和于涉RQE标准。文中最后选取了合适的分类标准编程实现联合压缩算法并与JPEG2000进行比较，联合压缩算法的压缩效果优于JPEG2000。
干涉超光谱数据；数据压缩；光谱分类；DPCM
关键词
中图分类号：TP751
引言
文献标识码：A
DOI; 10. 3964/j. issn. 1000-0593(2013)05-1401-05
像索点干涉曲线求平均，并在目标简单时直接替代同类目标十涉曲线，在目标复杂时求二者差值编码，实际处理模拟数据在目标简单时压缩比101时平均RQE为0.11%，在目标
光谱成像具有二维空间信息和一维光谱信息，由于不同的地物目标对应的光谱存在差异，从而能利用光谱维信息对地物目标进行识别和分类，具有极高的应用价值。其中，干涉光谱成像技术在具有多通道(")、高通量和高测量精度等诸多优点的同时又具有数据量大的特点，由于遥感应用中数传能力的限制，必须对干涉光谱数据进行压缩[3)
干涉光谐数据的特殊性使高光谱数据压缩中
1些常用的
压缩方法并不适用，要获得良好的压缩效果，就必须根据干涉光谱数据的特点进行处理，目前常用的压缩方法有差分脉
冲编码（differentialpulse 插值预测与量
利用预测误差编码位数
进行压缩，，压缩比
codemodulation，DPCM){]，光谱基于分类的压缩方法4等。DPCM
原始图像编码位数M的特点
于M/N，对环境卫星超光谱数据处
压缩比限制子
54时率均ROE为0.16%，
光谱插值预测与量
化编码算法利用干涉图零光程差附近点包含绝大部分光谱信息的特点，通过零光程差附近少数点傅里叶变换后插值再经傅里叶逆变换模拟干涉曲线，将其与原始干涉数据求差并将残差编码以实现压缩，其压缩比限制于原始干涉数据编码位数M与残差编码位数N的比值M/N，实际处理数据在压缩比5.8时平均RQE为0.20%；基于分类的压缩方法利用二维空间同类目标像素点干涉曲线相似的特点，将同类目标
收精日期：2012-09-17，修订日期：2012-11-28
基金项目：国家高技术研究发展计划项目(2011AA7012022)资助
作者简介：徐小龙，1988年生，中国科学院大学硕士研究生万方数据
复杂时压缩比3.51时平均RQE为0.23%[5]。这些压缩算法虽然失真度较低，但压缩比也不高，当要求压缩比很高
(>10:1)时，
一般使用JPEG2000（Joint Photographic Ex
pertsGroup2000，联合图像专家小组2000)压缩，但其失真度较高，压缩比34.8时RQE为3.83%
本文在研究分类压缩算法的基础上，深人分析了分类标准和分类精度对压缩效果的影响，完善了已有的分类压缩算法，同时利用分类压缩没有破坏干涉光谱维相关性的特点，提出了一种将分类压缩算法与局部DPCM相结合的联合压缩算法，实现了一定失真度下的高压缩比，取得了很好的压缩效果。
失真度评价指标
为了衡量压缩前后光谱数据的差异，需要引人失真度评价指标。关于失真度评价指标，目前并没有统一的标准，本文采用比较常用的相对光谱二次误差（relativequadratic error，RQE)[S]和峰值信噪比（peak signal to noise ratio PSNR)，RQE用于衡量压缩前后光谱的失真程度，PSNR用于衡量压缩前后图像的失真程度(")，其计算公式如下
e-mail;miluo1122@126.corr