基于卷积神经网络的端到端多光谱图像压缩方法

摘要：

针对多光谱图像的空谱相关特性,提出一种基于卷积神经网络的端到端多光谱图像压缩方法.编码端,将多光谱数据整体输入到多光谱图像压缩网络中,采用卷积提取多光谱图像的主要光谱特征与空间特征,使用下采样减小特征数据的尺寸,并通过率失真优化控制光谱特征与空间特征数据的熵,使空谱特征数据分布更加紧凑,将量化后的中间特征数据进行无损熵编码得到压缩码流.解码端,码流经过熵解码、逆量化、上采样、反卷积的逆变换过程重构多光谱图像.实验结果表明,相同码率下该方法能有效保留多光谱图像谱间信息,并在图像恢复质量上比JPEG2000平均高约2 dB.

关键词：图像处理、深度学习、多光谱图像压缩、卷积神经网络、率失真优化

所属期刊栏目：46

分类号：TP751(遥感技术)

资助基金：国家自然科学基金61801214

在线出版日期：2019-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：277-285