專利名稱：一種空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種高光譜遙感圖像信息處理技術(shù)領(lǐng)域，具體地說是一種空譜聯(lián)合預(yù) 測(cè)的高光譜圖像無損壓縮方法。
背景技術(shù)：
高光譜遙感是20世紀(jì)80年代發(fā)展起來的一門新的遙感科學(xué)和技術(shù)。它結(jié)合成像 技術(shù)與光譜技術(shù)，利用專門的探測(cè)儀器，如成像光譜儀把遙遠(yuǎn)的物體所輻射(或反射)的電 磁波信號(hào)接收記錄下來，再經(jīng)過加工處理，變成人眼可以直接識(shí)別的高光譜圖像數(shù)據(jù)。這 種數(shù)據(jù)同時(shí)具有空間信息和光譜信息，有利于更好地揭示出所探測(cè)物體的性質(zhì)及其變化規(guī) 律。目前高光譜遙感技術(shù)已廣泛應(yīng)用于軍事偵察、環(huán)境監(jiān)測(cè)、氣象分析、地質(zhì)調(diào)查、海洋遙 感、目標(biāo)分類、目標(biāo)跟蹤和識(shí)別等領(lǐng)域。隨著遙感平臺(tái)和成像光譜儀技術(shù)的不斷發(fā)展，圖像的光譜分辨率和空間分辨率越 來越高，數(shù)據(jù)量急劇增長(zhǎng)。如AVIRIS在1997年拍攝的高光譜圖像，有224個(gè)連續(xù)波段，每 個(gè)波段圖像的空間大小為512*614*16bit，一幅圖像的數(shù)據(jù)量就達(dá)到100MB以上。顯然，海 量的高光譜圖像數(shù)據(jù)給容量受限的星上存儲(chǔ)設(shè)備和有限傳輸帶寬帶來了極大挑戰(zhàn)。研究高 效的高光譜圖像壓縮方法，是遙感信息處理領(lǐng)域亟待解決的一個(gè)熱點(diǎn)和難點(diǎn)?，F(xiàn)有的圖像壓縮方法主要分為有損、無損和近無損壓縮。其中有損和近無損壓縮 方法都不能保準(zhǔn)圖像的完全重建，而無損壓縮方法既可達(dá)到壓縮的目的又不會(huì)引起任何失 真。對(duì)于高光譜圖像而言，其獲取代價(jià)昂貴，具有廣泛的應(yīng)用領(lǐng)域和長(zhǎng)期保存價(jià)值，因此，在 存儲(chǔ)或者傳輸過程中一般要求不丟失任何信息。顯然，研究高效的無損壓縮方法對(duì)高光譜 圖像的應(yīng)用有著特別重要的意義。高光譜圖像的無損壓縮方法主要有基于變換的無損壓縮和和基于預(yù)測(cè)的無損壓 縮。其中基于預(yù)測(cè)的無損壓縮方法計(jì)算簡(jiǎn)單，易于硬件實(shí)現(xiàn)和實(shí)時(shí)傳輸，是一種備受矚目的 壓縮方法。而三維高光譜圖像數(shù)據(jù)同時(shí)具有空間和譜間相關(guān)性，壓縮的重點(diǎn)應(yīng)是盡可能地 去除空間和譜間冗余，但目前的預(yù)測(cè)編碼并不能有效地同時(shí)去除高光譜圖像的空間和譜間 冗余，壓縮效率也不高。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有高光譜圖像無損壓縮方法壓縮比低、復(fù)雜度高等不足之處，本發(fā)明從同 時(shí)去除高光譜圖像的空間和譜間冗余出發(fā)，將3DLMS預(yù)測(cè)理論應(yīng)用到高光譜圖像壓縮中， 提出了一種空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法。為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是本發(fā)明空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法包括以下步驟根據(jù)譜間相關(guān)系數(shù)的大小，對(duì)輸入高光譜圖像進(jìn)行波段組合；根據(jù)不同的波段組合選擇相應(yīng)的預(yù)測(cè)算法消除相關(guān)性，得到差值圖像； 對(duì)差值圖像進(jìn)行RICE熵編碼，得到壓縮碼流，進(jìn)行存儲(chǔ)或傳輸，在本地或異地實(shí)現(xiàn)可逆解碼。所述對(duì)輸入高光譜圖像的波段組合方法為通過計(jì)算相鄰波段的譜間相關(guān)系數(shù)， 選擇合適的系數(shù)閾值進(jìn)行波段組合，大于該閾值的為譜間波段組合，反之為空間波段組合。所述消除相關(guān)性為對(duì)波段組合后的譜間波段組合進(jìn)行空譜聯(lián)合預(yù)測(cè)，對(duì)空間波 段組合采用MED預(yù)測(cè)。所述空譜聯(lián)合預(yù)測(cè)為應(yīng)用3DLMS算法，利用高光譜圖像同時(shí)具有的空間和譜間 相關(guān)性，構(gòu)造以下三維自適應(yīng)空譜聯(lián)合預(yù)測(cè)模型
g(m,n,k) = FCv^(2)e(m, n7 k) = g(m, η, k) - g(m, η, k)(3)
F = F + μβ(η , η, k)C ^(4)其中g(shù)(m，η, k)為高光譜圖像像素，m, n, k分別為對(duì)應(yīng)行、列和波段坐標(biāo)值， 射吼《，幻為g(m，n，k)的預(yù)測(cè)值，F(xiàn)為聯(lián)合預(yù)測(cè)系數(shù)，(^為空譜聯(lián)合預(yù)測(cè)鄰域，e(m，n，k)為
預(yù)測(cè)誤差，μ為預(yù)測(cè)系數(shù)調(diào)節(jié)參數(shù)。所述3DLMS算法為 ffJ+1 (q, s, t) = Wj (q, s, t)+2X μ XejXX(m-q, n_s，k_t) (9)其中D為期望輸入圖像立方體，X為參考輸入圖像立方體，D，Xe Nmxixz ；在每步迭 代中，D中的一個(gè)像素D (m，n，k)作為濾波器的期望輸入；m= 1，2，…M;n=l，2，…L;k =1,2,…？；乂中由乂&^，!^，!^) e Nqxsxt組成的小立方體作為m，n，k時(shí)刻的參考輸 入，q=l，2，…Q;s=l，2，…S;t = l，2，…T，Τ、Q、S為立方體每個(gè)方向的輸入像素?cái)?shù) 目約為預(yù)測(cè)誤差，Wj (q, s, t) e Rqxsxt為權(quán)值矩陣中第j步迭代的權(quán)值系數(shù)。所述空譜聯(lián)合預(yù)測(cè)鄰域Ck由當(dāng)前波段不同空間位置上具有強(qiáng)空間相關(guān)性的像素 和具有強(qiáng)譜間相關(guān)性波段的同一空間位置上的像素構(gòu)成。對(duì)空譜聯(lián)合預(yù)測(cè)鄰域Ck內(nèi)每個(gè)像素采用因果線性預(yù)測(cè)器先進(jìn)行空間預(yù)估計(jì)，再 構(gòu)成預(yù)測(cè)輸入。所述預(yù)測(cè)系數(shù)調(diào)節(jié)參數(shù)μ隨著空譜聯(lián)合預(yù)測(cè)鄰域Ck的相關(guān)矩陣最大特征值的變 化自適應(yīng)改變。所述聯(lián)合預(yù)測(cè)系數(shù)F的初始值根據(jù)相鄰譜間相關(guān)系數(shù)進(jìn)行比例分配。所述RICE算法中最優(yōu)編碼參數(shù)選擇策略為 其中E (Hii)為每塊對(duì)應(yīng)樣本均值，J為樣本個(gè)數(shù)，當(dāng)對(duì)k值進(jìn)行取整時(shí)，得到近似整
數(shù)為
，k≥0，最優(yōu)編碼方案對(duì)應(yīng)參數(shù)為k。pt = max
。本發(fā)明具有以下有益效果及優(yōu)點(diǎn)1.本發(fā)明方法可有效地降低整幅圖像的空譜冗余，對(duì)差值圖像進(jìn)行RICE編碼，并 對(duì)該編碼中的最優(yōu)參數(shù)選擇策略進(jìn)行了改進(jìn)，減少了編碼計(jì)算量，整個(gè)編碼過程不會(huì)丟失 任何信息，實(shí)現(xiàn)了無損壓縮。2.本發(fā)明方法提高了高光譜圖像的無損壓縮比，降低存儲(chǔ)圖像所需的存儲(chǔ)資源， 減輕了傳輸帶寬負(fù)擔(dān)。3.本發(fā)明將經(jīng)典的自適應(yīng)濾波理論應(yīng)用到高光譜圖像預(yù)測(cè)編碼中，充分利用了 高光譜圖像的每一點(diǎn)像素同時(shí)具有空間和譜間相關(guān)性的特點(diǎn)以及RICE算法低復(fù)雜度的特 征，整個(gè)方法壓縮效果好，編碼復(fù)雜度低，易于硬件實(shí)現(xiàn)和實(shí)時(shí)傳輸。4.本發(fā)明方法使用不同的波段組合，可以進(jìn)行獨(dú)立編解碼，具有較好的抗誤碼能 力。


圖1為本發(fā)明方法的總體流程圖；圖2A 2D為本發(fā)明方法中AVIRIS每種場(chǎng)景的單波段圖像(一 四)；圖3為本發(fā)明方法詳細(xì)流程圖；圖4為本發(fā)明方法的空譜聯(lián)合預(yù)測(cè)結(jié)構(gòu)圖；圖5為本發(fā)明方法的預(yù)測(cè)鄰域示意圖；圖6為本發(fā)明方法中3DLMS自適應(yīng)算法結(jié)構(gòu)圖。
具體實(shí)施例方式如圖1所示，本發(fā)明空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法包括以下步驟根據(jù)譜間相關(guān)系數(shù)的大小，對(duì)輸入高光譜圖像進(jìn)行波段組合；根據(jù)不同的波段組合選擇相應(yīng)的預(yù)測(cè)算法消除相關(guān)性，得到差值圖像；對(duì)差值圖像進(jìn)行RICE熵編碼，得到壓縮碼流，進(jìn)行存儲(chǔ)或傳輸，在本地或異地實(shí) 現(xiàn)可逆解碼。本實(shí)施例中，測(cè)試用的高光譜圖像選取了四組AVIRIS傳感器在1997年獲得的校 正后的輻射數(shù)據(jù)，場(chǎng)景名分別為Cuprite，Jasper Ridge,Lunar Lake和Low Altitude。圖 2A 2D為AVIRIS傳感器拍攝的每種場(chǎng)景的單波段圖像。下面結(jié)合本發(fā)明方法流程圖3和 具體實(shí)例詳細(xì)描述壓縮過程，主要按以下步驟操作第一步讀取AVIRIS圖像數(shù)據(jù)，根據(jù)公式(1)計(jì)算相鄰波段的譜間相關(guān)系數(shù)，并且 保存在文件中。
其中，M和N分別為圖像的高度和寬度，i和j分別表示像素所在的行和列，χ和y 分別表示兩個(gè)相鄰波段的圖像，βχ* 分別為波段X和y的像素均值，ρ (X，y)為兩波 段的譜間相關(guān)系數(shù)。設(shè)高光譜圖像為K個(gè)波段，則可以得到一個(gè)K-I的相關(guān)系數(shù)數(shù)組。對(duì) 于同一傳感器獲得的圖像數(shù)據(jù)，譜間相關(guān)性類似，因此Ρ (χ，y)值可以離線計(jì)算，不會(huì)增加 實(shí)時(shí)處理的計(jì)算量。第二步選相關(guān)系數(shù)閾值T為0.95，對(duì)224個(gè)波段的AVIRIS圖像分類如下1 4(空)；5 106(譜)；107 114(空)；115 153(譜)；154 166(空)；167 220(譜)； 221 224 (空)，其中，“空”表示空間相關(guān)性強(qiáng)的波段組合，“譜”表示譜間相關(guān)性強(qiáng)的波段組合。第三步對(duì)譜間相關(guān)性強(qiáng)的波段組合中的參考波段采用2D-CALIC預(yù)測(cè)，再采用基 于3DLMS(Three-Dimensional Least Mean Square，三維最小均方)算法構(gòu)造的空譜聯(lián)合預(yù) 測(cè)模型進(jìn)行預(yù)測(cè)，如圖4所示，同時(shí)去除空譜冗余，具體步驟如下1)本實(shí)施例選擇空譜預(yù)測(cè)鄰域大小為6，空間鄰域數(shù)為3，譜間鄰域數(shù)為3，則空譜 聯(lián)合預(yù)測(cè)鄰域示意圖如圖5所示，對(duì)應(yīng)的鄰域SCk= [g(m-l, η, k) g(m_l，n-1, k) g(m, n-1, k) g(m，n，k-l) g(m, n, k-2) g(m，n，k_3) ]1對(duì)不同的待預(yù)測(cè)像素，鄰域數(shù)目不變，但 鄰域內(nèi)像素值隨待預(yù)測(cè)像素自適應(yīng)改變；2)確定每一波段初始聯(lián)合預(yù)測(cè)系數(shù)，按式(2)計(jì)算預(yù)測(cè)值。通常情況下，高光譜圖 像譜間相關(guān)性強(qiáng)于空間相關(guān)性，譜間冗余占的比例也較大，所以在對(duì)其進(jìn)行聯(lián)合預(yù)測(cè)時(shí)，應(yīng) 該對(duì)初始預(yù)測(cè)系數(shù)進(jìn)行適當(dāng)比例分配。根據(jù)第一步計(jì)算的譜間相關(guān)系數(shù)ρ (X，y)，設(shè)譜間 鄰域數(shù)目為Q，空間鄰域數(shù)目為L(zhǎng)，則譜間預(yù)測(cè)系數(shù)對(duì)應(yīng)初始值分別為P (x,y)/Q，而空間預(yù) 測(cè)系數(shù)則分別為(1-P (x，y))/L，總聯(lián)合預(yù)測(cè)系數(shù)之和為1，根據(jù)P (x,y)值大小可以自適 應(yīng)地調(diào)整系數(shù)分配。 3)按式(3)計(jì)算預(yù)測(cè)誤差； 4)確定式(4)中預(yù)測(cè)系數(shù)的調(diào)節(jié)參數(shù)μ ；該值由聯(lián)合預(yù)測(cè)鄰域平均功率和鄰域數(shù) 目確定。設(shè)鄰域數(shù)目為L(zhǎng)，平均功率值為power，則只要滿足μ < 1/(power X L)，就可以保 證預(yù)測(cè)系數(shù)收斂于初始分配值。本發(fā)明選擇μ = l/(powerXLX512)； 5)按式(4)計(jì)算下一像素預(yù)測(cè)系數(shù)，計(jì)算預(yù)測(cè)誤差，直到當(dāng)前波段的所有像素處 理完，轉(zhuǎn)步驟2)，對(duì)下一個(gè)波段進(jìn)行預(yù)測(cè)。而對(duì)于空間相關(guān)性強(qiáng)的波段組合采用MED預(yù)測(cè)去相關(guān)，去除空間冗余，得到空間 預(yù)測(cè)誤差，接續(xù)下述第四步；第四步若所有波段組合預(yù)測(cè)完畢，首先根據(jù)式(5)將預(yù)測(cè)誤差圖像的像素值映 射為正值，然后根據(jù)式(6)計(jì)算每組映射值的最優(yōu)編碼參數(shù)k，完成差值圖像的自適應(yīng)RICE 編碼，得到壓縮碼流并進(jìn)行存儲(chǔ)，結(jié)束本次壓縮過程。 其中δ i為誤差值，λ i為映射值。如果沒有完成波段組合預(yù)測(cè)，則轉(zhuǎn)至第三步。本發(fā)明方法提出了 3DLMS算法，該算法實(shí)際上是一個(gè)三維自適應(yīng)濾波器，其結(jié)構(gòu) 圖如圖6所示。濾波器有兩個(gè)輸入圖像立方體期望輸入圖像立方體D和參考輸入圖像立 方體X，D，X e ΝΜΧ ΧΖ。在每步迭代中，D中的一個(gè)像素D (m，η, k)作為濾波器的期望輸入， 其中 m= 1,2,…M;n= 1,2,…L;k= 1,2, ...Ζ。X 中由 X(m_q，n_s，k_t) e Nqxsxt 組成 的小立方體作為m，η, k時(shí)刻的參考輸入。W e Rqxsxt為權(quán)值矩陣。三維濾波器的作用是 調(diào)節(jié)濾波器在j步迭代時(shí)的加權(quán)系數(shù)Wp使濾波器的輸出與期望輸入D的均方誤差。最小， 同時(shí)利用誤差反饋來修正j+Ι步的加權(quán)系數(shù)Wj+1，最小化下一步均方誤差。下式(7)、⑶和(9)是推導(dǎo)出的完整的3DLMS濾波器算法，算法不涉及平均和微 分運(yùn)算。此外，該算法以均方誤差最小為目標(biāo)函數(shù)，收斂性與初始條件無關(guān)，對(duì)任何初始值 都能收斂。因此，該算法可以直接處理三維非平穩(wěn)信號(hào)，也是建立高光譜圖像空譜聯(lián)合預(yù)測(cè) 算法的理論基礎(chǔ)。 為了檢驗(yàn)本發(fā)明所提出方法的性能，與目前較優(yōu)的3D-CALIC，LP和KSP等預(yù)測(cè)方 法進(jìn)行了比較。對(duì)場(chǎng)景Cuprite數(shù)據(jù)壓縮后的比特率比較結(jié)果如下表 對(duì)四組場(chǎng)景壓縮后的壓縮比結(jié)果如下表 為了檢驗(yàn)改進(jìn)后自適應(yīng)RICE算法的性能，對(duì)四組大小為128x128x100的圖像的編 碼時(shí)間(單位秒)進(jìn)行了比較，結(jié)果如下表 實(shí)驗(yàn)結(jié)果表明，用本發(fā)明對(duì)AVIRIS圖像進(jìn)行編碼，能夠有效地去除高光譜圖像的 空間和譜間相關(guān)性，提高無損壓縮比，減少計(jì)算量。與表中其余四種算法相比，本發(fā)明獲得 的平均比特率能降低0. 47bpp (bit/pixe ；)左右，平均壓縮比可達(dá)到2. 96，編碼時(shí)間也略有提尚。
權(quán)利要求
一種空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于包括以下步驟根據(jù)譜間相關(guān)系數(shù)的大小，對(duì)輸入高光譜圖像進(jìn)行波段組合；根據(jù)不同的波段組合選擇相應(yīng)的預(yù)測(cè)算法消除相關(guān)性，得到差值圖像；對(duì)差值圖像進(jìn)行RICE熵編碼，得到壓縮碼流，進(jìn)行存儲(chǔ)或傳輸，在本地或異地實(shí)現(xiàn)可逆解碼。
2.按權(quán)利要求1所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述 對(duì)輸入高光譜圖像的波段組合方法為通過計(jì)算相鄰波段的譜間相關(guān)系數(shù)，選擇合適的系 數(shù)閾值進(jìn)行波段組合，大于該閾值的為譜間波段組合，反之為空間波段組合。
3.按權(quán)利要求1所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述消 除相關(guān)性為對(duì)波段組合后的譜間波段組合進(jìn)行空譜聯(lián)合預(yù)測(cè)，對(duì)空間波段組合采用MED 預(yù)測(cè)。
4.按權(quán)利要求3所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述空 譜聯(lián)合預(yù)測(cè)為應(yīng)用3DLMS算法，利用高光譜圖像同時(shí)具有的空間和譜間相關(guān)性，構(gòu)造以下 三維自適應(yīng)空譜聯(lián)合預(yù)測(cè)模型 其中g(shù)(m，n，k)為高光譜圖像像素，m，n，k分別為對(duì)應(yīng)行、列和波段坐標(biāo)值，奴叫 幻為 g(m, η, k)的預(yù)測(cè)值，F(xiàn)為聯(lián)合預(yù)測(cè)系數(shù)，(^為空譜聯(lián)合預(yù)測(cè)鄰域，e (m, n, k)為預(yù)測(cè)誤差， μ為預(yù)測(cè)系數(shù)調(diào)節(jié)參數(shù)。
5.按權(quán)利要求4所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述 3DLMS算法為 其中D為期望輸入圖像立方體，X為參考輸入圖像立方體，D, Xe Nmxlxz ；在每步迭代 中，D中的一個(gè)像素D (m，n，k)作為濾波器的期望輸入；m= 1，2，…M;n = l，2，…L;k = 1,2,…Z;X中由X(m-q，n-S，k-t) e Nqxsxt組成的小立方體作為m，n，k時(shí)刻的參考輸入， q = 1,2, -Q ；s = 1,2,…S;t=l，2，…T，Τ、Q、S為立方體每個(gè)方向的輸入像素?cái)?shù)目； ej為預(yù)測(cè)誤差，Wj (q, s, t) e Rqxsxt為權(quán)值矩陣中第j步迭代的權(quán)值系數(shù)。
6.按權(quán)利要求4所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述 空譜聯(lián)合預(yù)測(cè)鄰域Ck由當(dāng)前波段不同空間位置上具有強(qiáng)空間相關(guān)性的像素和具有強(qiáng)譜間 相關(guān)性波段的同一空間位置上的像素構(gòu)成。
7.按權(quán)利要求4所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于對(duì)空 譜聯(lián)合預(yù)測(cè)鄰域Ck內(nèi)每個(gè)像素采用因果線性預(yù)測(cè)器先進(jìn)行空間預(yù)估計(jì)，再構(gòu)成預(yù)測(cè)輸入。
8.按權(quán)利要求4所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述預(yù)測(cè)系數(shù)調(diào)節(jié)參數(shù)μ隨著空譜聯(lián)合預(yù)測(cè)鄰域Ck的相關(guān)矩陣最大特征值的變化自適應(yīng)改變。
9.按權(quán)利要求4所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述 聯(lián)合預(yù)測(cè)系數(shù)F的初始值根據(jù)相鄰譜間相關(guān)系數(shù)進(jìn)行比例分配。
10.按權(quán)利要求1所述的空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，其特征在于所述RICE算法中最優(yōu)編碼參數(shù)選擇策略為 其中E (Hli)為每塊對(duì)應(yīng)樣本均值，J為樣本個(gè)數(shù)，當(dāng)對(duì)k值進(jìn)行取整時(shí)，得到近似整數(shù)為 最優(yōu)編碼方案對(duì)應(yīng)參數(shù)為k。pt = max
。
全文摘要
本發(fā)明涉及一種空譜聯(lián)合預(yù)測(cè)的高光譜圖像無損壓縮方法，包括以下步驟根據(jù)譜間相關(guān)系數(shù)的大小，對(duì)輸入高光譜圖像進(jìn)行波段組合；根據(jù)不同的波段組合選擇相應(yīng)的預(yù)測(cè)算法消除相關(guān)性，得到差值圖像；對(duì)差值圖像進(jìn)行RICE熵編碼，得到壓縮碼流，進(jìn)行存儲(chǔ)或傳輸，在本地或異地實(shí)現(xiàn)可逆解碼。本發(fā)明方法可有效地降低整幅圖像的空譜冗余，減少了編碼計(jì)算量，整個(gè)編碼過程不會(huì)丟失任何信息，實(shí)現(xiàn)了無損壓縮，提高了高光譜圖像的無損壓縮比，降低存儲(chǔ)圖像所需的存儲(chǔ)資源，減輕了傳輸帶寬負(fù)擔(dān)，編碼復(fù)雜度低，易于硬件實(shí)現(xiàn)和實(shí)時(shí)傳輸，并具有較好的抗誤碼能力。
文檔編號(hào)H04N7/26GK101883274SQ20091001146
公開日2010年11月10日 申請(qǐng)日期2009年5月8日 優(yōu)先權(quán)日2009年5月8日
發(fā)明者史澤林, 羅海波, 陳永紅 申請(qǐng)人:中國(guó)科學(xué)院沈陽自動(dòng)化研究所