[發明專利]基于輕量級深度卷積網絡的遙感影像大倍率壓縮方法

有效

• 申請號: 201810110020.2
• 申請日: 2018-02-05
• 公開（公告）號: CN108495132B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 楊淑媛;焦李成;呂文聰;劉志;王藝;馬文萍;馮志璽;徐光穎;黃震宇;宋雨萱;張博聞;李治
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04N19/122
• 分類號: H04N19/122;H04N19/124;H04N19/25;H04N19/48;G06K9/00;G06K9/62;G06N3/04;H04N7/20
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于輕量級深度卷積網絡的遙感影像大倍率壓縮方法，其步驟為：1.搭建一個7層的輕量級深度卷積網絡；2.選取遙感影像訓練樣本；3.生成訓練數據集；4.訓練輕量級深度卷積網絡；5.壓縮待測試遙感影像；6.解壓待測試遙感影像的大倍率壓縮文件。本方法設計了一種新的7層的輕量級深度卷積網絡，該方法的模型輕巧，壓縮解壓縮時間短，可實現大倍率壓縮，優化了反量化過程，提高了神經網絡的精度，提升了復原遙感影像的質量，可以保留更多的遙感影像的邊緣紋理信息。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及圖像壓縮技術領域中的一種基于輕量級深度卷積網絡的遙感影像大倍率壓縮方法。本發明可用于對在軌衛星拍攝的遙感影像進行實時大倍率壓縮。

背景技術

目前，隨著我國在軌衛星數量的快速增加，使得采集的遙感影像數據量呈幾何級數增長，信息獲取和數據傳輸的矛盾將日益加劇，在軌衛星所拍攝的遙感影像的大倍率壓縮需求變得日益迫切。

西安電子科技大學在其申請的專利文獻“基于深度自編碼網絡的大壓縮比衛星遙感圖像壓縮方法”(專利申請號：201510524105，公開號：CN105163121A)中公開了一種深度自編碼網絡的大壓縮比衛星遙感圖像壓縮方法。該方法的具體步驟是：1.將多個自編碼器級聯堆疊構成深度自編碼網絡；2.輸入一組訓練圖像數據到深度自編碼網絡,訓練該網絡獲得優化的網絡參數,得到深度壓縮網絡和深度解壓網絡；3.待壓縮的遙感圖像送入深度壓縮網絡,得到高階稀疏特征,對特征量化和編碼得到最終壓縮碼流；4.對接收到的碼流反量化和編碼,得到高階稀疏特征并送入深度解壓網絡,網絡的最終輸出為解壓的遙感圖像。該方法結合圖像處理與深度學習技術,實現衛星遙感數據的大倍率壓縮，壓縮與解壓過程只需進行簡單的前向傳遞操作,實時性好，減輕了海量遙感數據的存儲與傳輸負擔。但是，該方法仍然存在的不足之處是，由于該方法需要將多個自編碼器級聯堆疊構成深度自編碼網絡，需要訓練多次，訓練復雜，參數量大，訓練時間長，算法復雜度高，并且該方法在量化反量化過程中會損失網絡的精度，降低遙感影像的重構質量。

張立保和丘兵昌在其發表的論文“基于快速方向預測的高分辨率遙感影像壓縮”(光學精密工程2013年8月第21卷第8期)中公開了一種對高分辨率遙感影像的高效壓縮方法。該方法的具體步驟是：1.將高分辨率遙感影像分為若干不重疊子塊；2.采用梯度算子快速預測遙感影像中每個圖像塊的最佳提升方向，并沿著最佳預測方向插值完成方向提升小波變換；3.進行多級樹集合分裂(SPIHT)編碼。該方法雖然取得了一定的壓縮效果，但是，該方法仍然存在的不足之處是，當倍率增加時，小波變換會丟失大量的高頻系數，從而使得原遙感影像的紋理和邊緣特征大量丟失。

發明內容

本發明的目的在于針對上述已有技術的不足，提出一種基于輕量深度卷積網絡的遙感影像大倍率壓縮方法。本發明結合深度學習與圖像壓縮等理論技術，設計了7層的輕量級深度卷積網絡，減少了模型需要訓練的參數，縮短了遙感影像的壓縮解壓縮時間，實現了遙感影像的大倍率壓縮。

實現本發明目的的思路是，通過對搭建的輕量級深度卷積網絡進行訓練，得到輕量級深度卷積編碼子網絡與輕量級深度卷積解碼子網絡，將原始遙感影像輸入輕量級深度卷積編碼子網絡，經過量化與編碼輸入輕量級深度卷積解碼子網絡，得到解壓遙感影像，實現對在軌衛星所拍攝的遙感影像的實時大倍率壓縮，

本發明的具體步驟包括如下：

(1)搭建一個7層的輕量級深度卷積網絡；

(2)選取遙感影像訓練樣本：

從在軌衛星拍攝的2048*2048大小的遙感影像中，隨機選取地物類型豐富的4幅遙感影像作為遙感影像的訓練樣本；

(3)生成訓練數據集：

對遙感影像的訓練樣本進行隨機采樣，組成訓練數據集；

(4)訓練輕量級深度卷積網絡：