Kompression von multispektralen Bildern durch spektrale Klassifikation und Transformationscodierung

Dieses Papier präsentiert eine neue Technik zur Kompression von multispektralen Bildern, die auf der Segmentierung des Bildes in Regionen mit etwa homogener Landnutzung beruht. Die Grundlage dieses Ansatzes ist, dass innerhalb von Regionen mit derselben Landnutzung die Pixel stationäre Statistiken aufweisen und größtenteils durch lineare Abhängigkeit gekennzeichnet sind, im Gegensatz zu dem, was üblicherweise bei unsegmentierten Bildern geschieht. Daher kann der vorgeschlagene Algorithmus durch die Anwendung konventioneller Transformationscodierungstechniken auf homogene Pixelgruppen die statistische Redundanz des Bildes effektiv nutzen und dadurch die Raten-Distortion-Leistung verbessern. Die vorgeschlagene Codierungsstrategie besteht aus drei Hauptschritten. Zunächst wird jedes Pixel durch Vektorquantisierung seines spektralen Antwortvektors klassifiziert, sodass sowohl eine zuverlässige Klassifizierung als auch eine Minimalverzerrungs Codierung jedes Vektors erreicht wird. Dann wird die Klassifikationskarte entropie-codiert und als Zusatzinformation gesendet. Schließlich werden die Restvektoren nach ihren Klassen gruppiert und unterliegen der Karhunen-Loeve-Transformation im spektralen Bereich und der diskreten Kosinustransformation im räumlichen Bereich. Numerische Experimente an einem sechsbandigen thematischen Mapper-Bild zeigen, dass die vorgeschlagene Technik die konventionelle Transformationscodierungstechnik um 1 bis 2 dB bei allen interessanten Raten übertrifft.