基于Tilera平台的CCSDS高光谱图像无损压缩算法实现

作     者：何淑贤 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：王柯俨;李郜伟

授予年度：2015年

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

主      题：高光谱图像 边缘预测 无损压缩 多核处理器 内存管理 

摘      要：高光谱图像广泛应用于土地、环境、资源和城市等方面,随着高光谱图像空间分辨率和光谱分辨率的不断提高,数据量急剧增加,为解决庞大的数据量对图像传输和存储带来的巨大压力,必须对高光谱图像进行有效压缩。但由于高光谱图像的很多应用对图像质量要求很高,需要尽可能无失真地保持原有光谱信息,因此,无损压缩成为首选方案。在目前的高光谱图像压缩方法中,CCSDS 123.0-B-1算法是CCSDS组织制定的多/高光谱图像无损压缩国际标准。压缩比和压缩速率是评估图像压缩算法的两个主要性能指标,无损压缩不允许信息失真,压缩比难以大幅提高,可通过提高算法的压缩速率来提高算法的整体性能。传统的图像压缩算法都是在单核处理器上实现的,但单核处理器的性能已发展到极致,仅仅改进单核处理器难以带来性能上的大幅提升,而多核处理器能极大地提高了处理器的计算性能,因此用多核处理器对高光谱图像进行无损压缩,能大大加快压缩速率。针对上述问题,本文主要研究CCSDS 123.0-B-1算法,本文的创新性工作包括:（1）对CCSDS 123.0-B-1算法进行改进,提出了基于边缘检测的预测算法,以提高算法的压缩比;（2）基于Tilera公司的TILE-Gx36多核处理器实现了改进后的CCSDS 123.0-B-1算法,以提高算法的压缩效率。本文提出的基于边缘检测的预测算法,利用了图像中的局部边缘信息,通过动态更新的判决门限值,检测图像中不同方向的边缘,并且根据检测到的边缘方向,对位于不同方向的相邻像素点赋予不同的预测权值,从而使得预测值更加接近原始像素值。仿真数据表明本文改进的算法在压缩时间没有显著增加的情况下,测试的所有高光谱图像的压缩比与原算法相比均有提高,提高幅度约为1.5%-11.2%。本文基于多核平台实现了改进的压缩算法,该并行程序主要包括高光谱图像分割和内存管理等模块,由于该算法的串行特点,本文将图像分割成尺寸较小的图像,实现的是小图间的并行,由于切割图像会带来信息丢失,因此需要在信息丢失和并行度降低之间选取合适的折中。由于频繁的申请和释放内存会带来性能的损失,本文一次性申请所有需要的内存,并用四个链表进行内存维护和管理。仿真数据表明,本并行程序所实现的无损高光谱图像压缩算法的压缩速率远高于普通PC上的,约为PC上的13倍。