快照马赛克高光谱图像CCSDS压缩器的FPGA实现

吕德远; 黄浩文; 曾珉; 曾旭; 赵志刚

doi:10.37188/OPE.20223008.0883

您当前的位置：

首页 >

文章列表页 >

快照马赛克高光谱图像CCSDS压缩器的FPGA实现

现代应用光学 | 更新时间：2022-04-26

- 快照马赛克高光谱图像CCSDS压缩器的FPGA实现
- FPGA implementation of CCSDS compressor for snapshot mosaic hyperspectral images
- 光学精密工程 2022年30卷第8期页码：883-893
- 作者机构：
  
  1.深圳技术大学新材料与新能源学院，广东深圳 518118
  2.深圳大学物理与光电工程学院，广东深圳 518052
- 作者简介：
  
  [ "吕德远（1995-），男，山东聊城人，硕士研究生，2018年于长春理工大学获得学士学位，现为深圳大学物理与光电工程学院硕士研究生，主要从事嵌入式系统、高光谱图像处理等方面的研究。E-mail：lvdeyuan@outlook.com" ]
  [ "赵志刚（1977-），男，湖北黄冈人，博士、副教授、硕士生导师，1999年、2005年于军械工程学院（现陆军工程大学）分别获得学士、硕士学位，2010年于华中科技大学获得博士学位，现为深圳技术大学新材料与新能源学院副教授，主要从事微型高光谱成像、实时高光谱物质分类等方面的研究。E-mail： zhaozhigang@sztu.edu.cn" ]
- 基金信息：
  
  横向课题项目(20200202002);校企合作项目(2018010802012);广东省科技创新战略专项资金项目(pdjh2020b0526);深圳技术大学校级科研项目(2020028555301020;JSZZ2020006);研究生校企合作项目(XQHZ202017;XQHZ202008;XQHZ202102;XQHZ202120)
- DOI：10.37188/OPE.20223008.0883
  中图分类号： TP391.4
- 收稿日期：2021-04-26，
  
  修回日期：2021-06-06，
  
  纸质出版日期：2022-04-25
- 稿件说明：
移动端阅览
吕德远,黄浩文,曾珉等.快照马赛克高光谱图像CCSDS压缩器的FPGA实现[J].光学精密工程,2022,30(08):883-893.

LV Deyuan,HUANG Haowen,ZENG Min,et al.FPGA implementation of CCSDS compressor for snapshot mosaic hyperspectral images[J].Optics and Precision Engineering,2022,30(08):883-893.
吕德远,黄浩文,曾珉等.快照马赛克高光谱图像CCSDS压缩器的FPGA实现[J].光学精密工程,2022,30(08):883-893. DOI： 10.37188/OPE.20223008.0883.

LV Deyuan,HUANG Haowen,ZENG Min,et al.FPGA implementation of CCSDS compressor for snapshot mosaic hyperspectral images[J].Optics and Precision Engineering,2022,30(08):883-893. DOI： 10.37188/OPE.20223008.0883.

摘要

为解决快照马赛克高光谱图像数据量大、对传输带宽要求高的问题，采用最新的CCSDS 123.0-B-2多光谱/高光谱无损和近无损压缩国际标准，实现了基于FPGA的快照马赛克高光谱图像无损和近无损压缩。通过改进BIP（Band-Interleaved Pixels）排序算法，使每个时钟周期能够动态处理一个快照马赛克高光谱样本，数据吞吐率约提高至11倍，有效解决了该国际标准在快照马赛克高光谱图像压缩FPGA硬件实现时存在的流水线和并行化处理困难、处理速度慢的问题。实验结果表明，所实现的压缩器在Xilinx XC7Z020CLG-4平台上布局布线后FPGA整体逻辑资源占用率小于10%，100 MHz系统时钟下约22 ms即可完成一张高光谱图像的压缩，无损压缩性能在2.66~4.30 bits/samples之间，近无损压缩性能在1.01~3.70 bits/samples之间，能够满足快照马赛克高光谱成像技术在无线手持及无人机载领域的应用需求。

Abstract

To solve the problem of large data volume and high transmission bandwidth requirement of snapshot mosaic hyperspectral images， the latest CCSDS 123.0-B-2 multispectral/hyperspectral lossless and near-lossless compression international standard is adopted to realize the FPGA-based lossless and near-lossless compression of snapshot mosaic hyperspectral images. By improving the BIP （Band-Interleaved Pixels） sequencing algorithm， a snapshot mosaic hyperspectral sample can be dynamically processed per clock cycle to 11 times higher of data throughput， and the problems of pipelining and parallelization difficulties and slow processing speed in the FPGA hardware implementation of snapshot mosaic hyperspectral image compression of this international standard have been effectively solved. The experimental results show that the overall logic resource usage of the implemented compressor is less than 10% after the layout and wiring of the FPGA on Xilinx XC7Z020CLG-4 platform， and the compression of a hyperspectral image can be completed in about 22 ms under 100 MHz system clock， with lossless compression performance between 2.66~4.30 bits/samples and the performance near-lossless compression is between 1.01~3.70 bits/samples， which can meet the application requirements of snapshot mosaic hyperspectral imaging technology in wireless handheld and unmanned airborne fields.

关键词

Keywords

references

高恒振 . 高光谱遥感图像分类技术研究［D］. 长沙：国防科学技术大学， 2011 .

GAO H Z . Research on Classification Techinique for Hyperspectral Remote Sensing Imagery ［D］. Changsha ： National University of Defense Technology ， 2011 . （in Chinese）

ESA Earth Observation Portal . PRISMA （Hyperspectral Precursor and Application Mission）［EB/OL］. ［ 2021-01-16 ］ https：//directory.eoportal.org/web/eoportal/satellite-missions/p/prisma-hyperspectral https://directory.eoportal.org/web/eoportal/satellite-missions/p/prisma-hyperspectral .

SUN D W . Hyperspectral Imaging for Food Quality Analysis and Control ［M］. London UK ： Academic Press ， 2010

LU G L ， FEI B W . Medical hyperspectral imaging： a review ［J］. Journal of Biomedical Optics ， 2014 ， 19 ： 010901 . doi: 10.1117/1.jbo.19.1.010901 http://dx.doi.org/10.1117/1.jbo.19.1.010901

SHOEIBY M ， PETERSSON L ， ARMIN M A ， et al . Super-resolved chromatic mapping of snapshot mosaic image sensors via a texture sensitive residual network ［C］. 2020 IEEE Winter Conference on Applications of Computer Vision . 15，2020 ， Snowmass ， CO ， USA . IEEE ， 2020 ： 2793 - 2802 . doi: 10.1109/wacv45572.2020.9093518 http://dx.doi.org/10.1109/wacv45572.2020.9093518

YUAN C ， ZHOU M ， SUN L ， et al . A multi-dimensional hyperspectral image mosaic method and its acquisition system ［C］. 2018 11th International Congress on Image and Signal Processing， BioMedical Engineering and Informatics （CISP-BMEI）. 1315，2018 ， Beijing， China. IEEE ， 2018 ： 1 - 6 . doi: 10.1109/cisp-bmei.2018.8633038 http://dx.doi.org/10.1109/cisp-bmei.2018.8633038

HAGEN N A ， KUDENOV M W . Review of snapshot spectral imaging technologies ［J］. Optical Engineering ， 2013 ， 52 ： 090901 . doi: 10.1117/1.oe.52.9.090901 http://dx.doi.org/10.1117/1.oe.52.9.090901

DUA Y M ， KUMAR V ， SINGH R S . Comprehensive review of hyperspectral image compression algorithms ［J］. Optical Engineering ， 2020 ， 59 ： 090902 . doi: 10.1117/1.oe.59.9.090902 http://dx.doi.org/10.1117/1.oe.59.9.090902

Consultative Committee for Space Data Systems . Lossless Multispectral and Hyperspectral Image Compression-CCSDS 120.2-G-1 ［S］. Washington DC， USA ： In Green Book ， 2015 . doi: 10.1109/lascas.2015.7250438 http://dx.doi.org/10.1109/lascas.2015.7250438

Consultative Committee for Space Data Systems . LOS SLESS MULTISPECTRAL & HYPERSPECTRAL IMAGE COMPRESSION CCSDS 123.0-B-1 ［S］. Washington DC， USA ： In Blue Book ， 2012 .

Consultative Committee for Space Data Systems . Low-Complexity Lossless and Near-Lossless Multispectral and Hyperspectral Image Compression-CCSDS 123.0-B-2 ［S］. Washington DC， USA ： In Blue Book ， 2019 . doi: 10.3390/rs11111390 http://dx.doi.org/10.3390/rs11111390

BLANES I ， KIELY A ， HERNÁNDEZ-CABRONERO M ， et al . Performance impact of parameter tuning on the CCSDS-123.0-B-2 low-complexity lossless and near-lossless multispectral and hyperspectral image compression standard ［J］. Remote Sensing ， 2019 ， 11 （ 11 ）： 1390 . doi: 10.3390/rs11111390 http://dx.doi.org/10.3390/rs11111390

张宁，冯书谊，濮建福，等 . 多光谱遥感图像CCSDS动态码率控制近无损压缩［J］. 光学精密工程， 2015 ， 23 （ 6 ）： 1783 - 1790 . doi: 10.3788/ope.20152306.1783 http://dx.doi.org/10.3788/ope.20152306.1783

ZHANG N ， FENG S Y ， PU J F ， et al . Dynamic rate control for CCSDS nearly lossless compression of multispectral remote image ［J］. Opt. Precision Eng. ， 2015 ， 23 （ 6 ）： 1783 - 1790 . （in Chinese） . doi: 10.3788/ope.20152306.1783 http://dx.doi.org/10.3788/ope.20152306.1783

HERNÁNDEZ-CABRONERO M ， KIELY A B ， KLIMESH M ， et al . The CCSDS 123.0-B-2 “Low-Complexity Lossless and Near-Lossless Multispectral and Hyperspectral Image Compression” Standard： a comprehensive review ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2021 ， 9 （ 4 ）： 102 - 119 . doi: 10.1109/mgrs.2020.3048443 http://dx.doi.org/10.1109/mgrs.2020.3048443

KIELY A B ， KLIMESH M ， BLANES I ， et al . The new CCSDS Standard for Low-Complexity Lossless and Near-Lossless Multispectral and Hyperspectral Image Compression ［C］. International Workshop on On-Board Payload Data Compression . 2018 （GSFC-E-DAA-TN61202）.

浏览量

807

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于谱间预测和码流预分配的高光谱图像压缩算法