基于卷积神经网络的端到端多光谱图像压缩方法

• 作者: 周永波 孔繁锵 沈秋 温珂瑶
• 来源期刊: 中国激光
• 学科: 工学
• 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
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 全息与信息处理
• 页码范围: 277-285
• 页数: 9页
• 分类号: TP751
• 语种: 中文
• DOI: 10.3788/CJL201946.1009001

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.