【技术实现步骤摘要】
本专利技术涉及遥感图像压缩方法。
技术介绍
1、遥感图像具有诸多独特的地物特性，如地表覆盖、地形、地貌及温度等，这些特性在自然图像中通常不会展现。因此，遥感图像在环境监测、气象学、地质科学等众多领域得到了广泛应用[1][2][3][4]([1]tang w,he f,bashir ak,et al.aremote sensing imagerotationobject detection approach for real-time environmental monitoring[j].sustainable energytechnologies and assessments,2023,57:103270.[2]gama p h t,oliveira h n,marcato j,etal.weakly supervised few-shot segmentation via meta-learning[j].ieee transactions onmultimedia,2022.[3]han w,zhang x,wang y,etal.asurvey of machine learning and deeplearning in remote sensing ofgeological environment:challenges,advances,andopportunities[j].isprs journalof photogrammetry and remote sensing,2023,202:87-113.[4]w
2、目前，常见的传统图像压缩方法取得了一些成果[8][9]([8]sun c,fan x,zhaod.lossless recompression of jpeg images using transform domain intraprediction[j].ieeetransactions on image processing,2022,32:88-99.[9]de cea-dominguez c,moure-lopez jc,bartrina-rapesta j,et al.gpu-oriented architecturefor an end-to-end image/video codecbased on jpeg2000[j].ieee access,2020,8:68474-68487.)。例如，báscones等人提出了一种将主成分分析和jpeg2000结合起来压缩高光谱图像数据的方法[10]([10]báscones d,gonzález c,mozos d.hyperspectral imagecompression using vector quantization,pcaandjpeg2000[j].remote sensing,2018,10(6):907.)。经典的jpeg[11]([11]wallace g k.thejpeg still picture compressionstandard[j].communications of the acm,1991,34(4):30-44.)和jpeg2000[12]([12]jpeg2000 official softwareopenjpeg,https://jpeg.org/jpeg2000/software.html)主要由图像变换、量化和熵编码三部分构成。首先，对图像进行变换和去量化；接着，通过量化保留重要信息；最后，利用熵编码压缩解相关系数。此外，有着更优越性能的bpg[13][14]([13]kovalenko b,lukin v,kryvenkos,et al.bpg-based automatic lossy compression ofnoisy images with the prediction of anoptimal operation existence and itsparameters[j].applied sciences,2022,12(15):7555.[14]li f,lukin v,ieremeiev o,et al.quality control for the bpg lossy compression ofthree-channel remotesensing images[j].remote sensing,2022,14(8):1824.)和webp[15]([15]maldonado m,webp j.a new web oriente本文档来自技高网...
【技术保护点】
1.基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述QFMR-AM包括第五卷积层、第六卷积层、第七卷积层、平均池化层、最大池化层、滤波器1、滤波器2、滤波器3、滤波器4；
3.根据权利要求2所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述QFMR-AM的工作过程表达式为：
4.根据权利要求3所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述PVTCB模块的工作过程表示为：
5.根据权利要求4所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述MCEB包括第十二卷积层、第十三卷积层、第十四卷积层；
6.根据权利要求5所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述MCEB的工作过程的表达式为：
7.根据权利要求6所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述特征OutputA和特征Out
8.根据权利要求7所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述滤波器1的映射数值为0.3，滤波器2的映射数值为0.7，滤波器3的映射数值为0.7，滤波器4的映射数值为0.3；滤波器5映射系数设为0.3。
9.根据权利要求8所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述基于全局上下文特征引导的双分支遥感图像压缩网络GDRNet的总损失函数为LossTotal：
10.根据权利要求9所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述步骤二中基于全局上下文特征引导的双分支遥感图像压缩网络GDRNet对待测遥感图像先进行压缩再进行重构，得到重构后的待测遥感图像；具体过程为：
...【技术特征摘要】
1.基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述qfmr-am包括第五卷积层、第六卷积层、第七卷积层、平均池化层、最大池化层、滤波器1、滤波器2、滤波器3、滤波器4；
3.根据权利要求2所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述qfmr-am的工作过程表达式为：
4.根据权利要求3所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述pvtcb模块的工作过程表示为：
5.根据权利要求4所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述mceb包括第十二卷积层、第十三卷积层、第十四卷积层；
6.根据权利要求5所述的基于全局上下文特征引导的双分支遥感图像压缩方法，其特征在于：所述mceb的工作过程的表达式为：...
【专利技术属性】
技术研发人员：石翠萍，施凯杰，朱飞，曾泽鑫，靳展，苗凤娟，
申请(专利权)人：齐齐哈尔大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。