计算机工程

作者：朱孟栩, 张文豪, 李国洪, 顾行发, 余涛, 郑逢杰, 张丽丽, 吴俣, 邴芳飞, 唐健雄

单位：1. 北华航天工业学院 遥感信息工程学院, 河北 廊坊 0650002. 河北省航天遥感信息处理与应用协同创新中心, 河北 廊坊 0650003. 中国科学院空天信息创新研究院 遥感卫星应用国家工程实验室, 北京 1000944. 中科空间信息(廊坊)研究院, 河北 廊坊 0650015. 航天工程大学 航天信息学院, 北京 1014166. 天津大学 地球系统科学学院, 天津 300072

关键词：图像压缩,卷积神经网络,高分六号,多光谱图像,自编码器

基金：国家自然科学基金(41907192); 河北省自然科学基金(D2020409003); 河北省高等学校科学技术研究项目(ZD2021303); 北华航天工业学院博士科研启动基金(BKY-2021-31); 高分辨率对地观测系统重大专项(30-Y30F06-9003-20/22); 国家重点研发计划(2019YFE0127300); 国家重点研发计划(2019YFE0126600); 民用航天预研项目(D040102); 国防基础科研项目(JCKY2020908B001)

高分六号多光谱图像的空间冗余和谱间冗余较高，为了降低高分六号多光谱图像所占用的存储空间，提高国产高分多光谱图像的压缩效率，提出一种基于卷积神经网络的端到端多光谱图像压缩模型SMIC。SMIC模型由自编码器、量化结构、熵编码3个部分组成。自编码器通过卷积下采样提取图像的特征，降低数据的空间维度。量化结构采用多进制量化将特征矩阵离散化，减少图像压缩过程中的信息损失。熵编码采用高斯混合模型进行编码，降低码流，减少图像所占用的存储空间。实验结果表明：在相同码率下SMIC模型的高分六号多光谱图像压缩效果明显优于传统图像压缩算法JPEG，重建图像的质量明显提高，图像的峰值信噪比较JPEG高约2 dB，且SMIC重建图像的误差值主要集中在[-100, 100]范围内，区间占比达到80%以上；SMIC模型重建图像的NDVI与原始图像NDVI的决定系数$ {R}^{2} $为0.93；SMIC模型的冬小麦提取准确率为87.16%，误检率为4.47%，冬小麦提取结果验证了SMIC模型能够满足部分定量遥感的应用需求。

来源：2023年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第9期