基于卷积神经网络的高分六号卫星多光谱图像压缩技术研究

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

来源：计算机工程, 2023, 1-10.

DOI：10.19678/j.issn.1000-3428.0064845

• 图像压缩
• 卷积神经网络
• 高分六号
• 多光谱图像
• 自编码器

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，提出了一种基于卷积神经网络的端到端多光谱图像压缩模型（Satellite Multispectral Image Compression，SMIC）。SMIC模型由自编码器、量化结构、熵编码三部分组成，其中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方法，重建图像的质量有明显提高，其中图像的峰值信噪比较JPEG高约2dB，且重建图像的误差值主要集中在[-100， 100]以内，占比达到80%以上。重建图像的NDVI与原始图像NDVI决定系数R~(2)为0.93。定量遥感冬小麦提取实验结果表明，SMIC模型的冬小麦提取准确率为87.16%，冬小麦误检率为4.47%，冬小麦提取结果表明SMIC模型能够满足部分定量遥感的应用需求。

• 单位
  天津大学; 中国科学院; 北华航天工业学院; 中国人民解放军装备学院