浅谈影像数据库的数据压缩

2012-04-29王珺

群文天地 2012年8期

关键词：算法

摘要：遥感技术的发展需要以强大的影像数据库来作为基础，这就为海量影像数据库系统的发展奠定了基础。本文就影像数据库的数据压缩中的算法选择、ECW算法的实现及其优越性、影像建库的方式作初步探究。

关键词：影像数据库；数据压缩；算法选择；ECW；算法；建库方式

现代遥感技术的高速发展使遥感影像呈几何级形式递增，从一开始的MB数量级到现在的GB级，甚至是TB级，如何解决数据的压缩问题，这对遥感技术的发展无疑意义重大。

一、压缩算法的选择

传统的Shannon2Fano、 JPEG、LZW等影像压缩技术在压缩比例、速度和海量管理方面已经不能适应遥感技术的应用发展，小波分析理论则为遥感技术的发展奠定了基础。如Australia的Resource Mapping开发的Enhanced Compressed Wavelet就在压缩率、速度、编码、速度、比例等方面有了新的发展。ECW技术最大的优点利用多种压缩编码，能将不同图像进行最优的编码方法进行。

二、ECW算法的实现

ECW以二维离散小波变换图像进行编码，二维离散小波变换能将图像进行多尺度分解、多尺度分析，拥有高压缩比、解压后图像视觉效果优的特点。这就使得ECW在压缩处理尺寸大、分辨率高、数据量庞大的遥感图像方面具有了广泛的应用性。

三、影像建库的方式

1、影像数据分块

影像数据的分块其实就是一个解构的过程，将一副较大影像分解成多个小的影像，这样就减少了读盘的时间，但与此同时，读取次数就增加了。相对于CPU的速度而言，硬盘 I/O的速度无法满足影像的分块速度要求，这就会出现一个问题，数据块如果过大，网络传输压力自然加大；相反地，如果数据块过小，又会因频繁的加载或索引而导致开销加大。如此，数据分块便得到了“施展才华”的机会，如果利用影像数据的分块技术来进行，就可避免那种从左到右、自上而下的切割，直接将需要的数据读入到内存中进行处理即可。

2、影像金字塔

在影像处理中，系统先要将原始图像生成多级别的影像金字塔，这样才能保证图像的实时缩放显示速度，达到快速获取分辨率的图像信息的目的。影像按分辨率分级储存和管理，底层分辨率高、数据量大、厄尔高层则相反，如此，分辨率不同的遥感影像就形成了金字塔结构。

影像数据库采用影像金字塔来进行建库，就利用对影像的组织、储存和管理，实现了跨分辨率的浏览和索引。

影像金字塔的建立一般有两种：一是在原始影像块数据基础上，依次遍历相邻的四个影像块，然后对四个影像块进行动态的拼接后重采样建构成一级金字塔数据，再逐次类推建立多分辨率的金字塔。其二是在影像分块时进行建构金子塔，按照影像块大小的两倍数进行递增的方式对原始影像进行分割，直到分割到最高层和最底层的影像块大小一致时为止。

3、线性四叉树索引

四叉树结构是一种每个非叶子节点最多只有四个分支的树型结构那么如何来判断四个孩子节点是否相等，代码如class QuadTreeCode{public:

vector m_Numbers;/*判断两个四叉树码是否相等*/

bool operator =( QuadTreeCode& tempTree )

{if ( m_Numbers.size()!=tempTree.m_Numbers.size() )

{ return false; }else{for ( int i=0; i

{if ( m_Numbers[i]!=tempTree.m_Numbers[i]){ return false; } }}

return true; { int GetLength(){return m_Numbers.size();}

int operator[](int Index){return m_Numbers[Index]; }}; }}

（备注：如果要进行代码运行测试，请按代码编排方式进行代码的格式调整，例如：空格、换行等。）

由于影像采用的倍率是2，那么，影像金字塔就可用四叉树结构进行储存管理。

四、ECW的优越性