一种单通道全色遥感图像压缩方法与流程

本发明涉及图像数据处理，具体而言，涉及一种单通道全色遥感图像压缩方法。

背景技术：

1、现有遥感图像压缩技术(如jpeg、jpeg2000、jpeg-ls)虽广泛应用，但面临压缩质量、处理速度、加密支持等挑战。jpeg2000提供改进质量和压缩率，但难以满足遥感特定需求，如高分辨率图像的高质量维持、实时处理能力、以及数据安全性。并导致了遥感应用算法在保证图像质量、算法效率和内置加密功能方面具有不足。

2、为此提出一种单通道全色遥感图像压缩方法，以解决上述提出的问题。

技术实现思路

1、本发明旨在提供一种单通道全色遥感图像压缩方法，以解决或改善上述技术问题中的至少之一。

2、有鉴于此，本发明的第一方面在于提供一种单通道全色遥感图像压缩方法。

3、本发明的第一方面提供了一种单通道全色遥感图像压缩方法，包括如下步骤：获取训练集，通过所述训练集配置神经网络的参数，并构建具有多处理节点的超网络；优化缩略每个所述处理节点在所述超网络中的权重以及作为每个所述处理节点输出的激活值；基于图像数据的特性设定所述超网络中所述处理节点的开启数量，通过开启后的所有处理节点逐级处理所述图像数据，并获得每个所述处理节点的处理数据；沿所述图像数据的处理顺序，通过在后的所述处理数据编码在先的所述处理数据，并将在后的所述处理数据作为在先的所述处理数据的解压密钥；将所有编码后的所述处理数据作为压缩数据。

4、上述任一技术方案中，通过开启的所述处理节点处理的所述处理数据包括有由一个所述处理节点生成的特征数据，以及由剩余的所述处理节点生成的所述预估数据；其中，所有的所述预估数据分别作为在先的所述特征数据或所述预估数据的解码密钥。

5、上述任一技术方案中，所述的通过开启后的所有处理节点逐级处理所述图像数据的步骤，具体包括：将所述图像数据从像素域转换为特征域，以获得所述特征数据；预估所述特征数据在编码和/或解码时的系统参数，将所述系统参数作为所述预估数据；

6、重复预估所述预估数据在编码和/或解码时的系统参数，直至所述预估数据通过所有剩余的所述处理节点。

7、上述任一技术方案中，所述的通过开启后的所有处理节点逐级处理所述图像数据的步骤，具体还包括：分别对所述特征数据和所述预估数据的特征值计算均值，将每个所述特征值分别减去其对应的均值；保留每个减去均值后的所述特征值的整数，将保留整数的所述特征值与对应的均值作为生成在后的处理数据的输入数据。

8、上述任一技术方案中，在编码所述处理数据之前，所述单通道全色遥感图像压缩方法还包括：根据所述处理数据对应的高斯分布，构建混合高斯分布模型；将每个所述处理数据的特征值分别输入所述混合高斯分布模型进行建模，以获得每个高斯分布的均值和方差；通过所述均值和所述方差作为处理数据的概率分布数据。

9、上述任一技术方案中，所述的通过在后的所述处理数据编码在先的所述处理数据的步骤，具体包括：预处理所述特征数据和所述预估数据以获得熵编码参数；获取通过所述预估数据预估获得的预估数据对应的熵编码参数与所述高斯分布的均值和方差的对应关系，根据所述对应关系构建编码和/或解码的查找表；根据所述查找表和所述概率分布数据对所有所述熵编码参数进行编码，以获得所述特征数据和所述预估数据对应的二进制码流；其中，所有所述二进制码流的合集为压缩数据。

10、上述任一技术方案中，所述超网络中的每个所述处理节点均为一个神经网络，以及根据所有所述神经网络的参数构建用于优化所述超网络的搜索空间；其中，每种所述神经网络的参数作为所述搜索空间优化所述超网络每阶段的第一可变信息。

11、上述任一技术方案中，所述的通过所述训练集配置神经网络的参数的步骤，具体包括：将所述搜索空间中每阶段的第一可变信息分别对应一种所述神经网络的参数；根据所述训练集和所述搜索空间逐段训练所述超网络，标记训练后的所述超网络的参数；基于标记的参数构建每个所述处理节点的神经网络，分别对每个所述神经网络进行参数优化。

12、上述任一技术方案中，所述的分别对每个所述神经网络进行参数优化的步骤，具体包括：将每个所述神经网络的参数作为其内部的第二可变信息；在所述神经网络之间采用预设策略优化所述第二可变信息；在每个所述所述神经网络内，对优化后的所述第二可变信息分别以标记的参数为基准进行逼近调整；其中，所述预设策略为在所述神经网络之间交叉调整所述第二可变信息，和/或将所述第二可变信息在标记的参数的周围数值随机调整。

13、上述任一技术方案中，所述第二可变信息包括所述权重和所述激活值，所述激活值为所述特征数据或所述预估数据；以及具有下述优化缩略策略：将所述权重和所述激活值的浮点数值映射到低位数的固定点数；其中，所述固定点数为整数。

14、本发明与现有技术相比所具有的有益效果：

15、通过细致的多层级参数预估，即便在追求高压缩比的同时，也能显著保持优异的压缩质量，确保了图像的高保真度。特别是在高频信息的保留上，针对遥感图像的特殊需求，展现出对细节和纹理信息捕捉的卓越能力，远超jpeg算法的固有限制。

16、针对卫星边缘计算的特定要求，该压缩策略通过精简神经网络参数量，实现了边缘计算环境下的实时压缩能力，压缩速度远超传统方法。此外，大大缩短了算法的迭代周期，快速优化了网络结构，提升了整体压缩流程的效率。

17、还集成了加密功能，增强了数据的安全性，为压缩数据的存储和传输提供了额外的保护层。总的来说，这种基于深度学习的遥感图像压缩方案在保证压缩质量的同时，也考虑到了处理速度、安全性和优化能力。

18、超网络和子网络的策略通过调整和优化网络参数，实现了模型参数量的极大减少，降低了计算复杂度，使得压缩算法更适合在计算资源受限的环境下运行。子网络从超网继承的参数初始化策略加快了训练速度，使网络能够快速收敛，减少了模型训练的时间和资源消耗。

19、根据本发明的实施例的附加方面和优点将在下面的描述部分中变得明显，或通过根据本发明的实施例的实践了解到。

技术特征：

1.一种单通道全色遥感图像压缩方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种单通道全色遥感图像压缩方法，其特征在于，通过开启的所述处理节点处理的所述处理数据包括有由一个所述处理节点生成的特征数据，以及由剩余的所述处理节点生成的所述预估数据；

3.根据权利要求2所述的一种单通道全色遥感图像压缩方法，其特征在于，所述的通过开启后的所有处理节点逐级处理所述图像数据的步骤，具体包括：

4.根据权利要求2所述的一种单通道全色遥感图像压缩方法，其特征在于，所述的通过开启后的所有处理节点逐级处理所述图像数据的步骤，具体还包括：

5.根据权利要求4所述的一种单通道全色遥感图像压缩方法，其特征在于，在编码所述处理数据之前，所述单通道全色遥感图像压缩方法还包括：

6.根据权利要求5所述的一种单通道全色遥感图像压缩方法，其特征在于，所述的通过在后的所述处理数据编码在先的所述处理数据的步骤，具体包括：

7.根据权利要求2所述的一种单通道全色遥感图像压缩方法，其特征在于，所述超网络中的每个所述处理节点均为一个神经网络，以及根据所有所述神经网络的参数构建用于优化所述超网络的搜索空间；

8.根据权利要求7所述的一种单通道全色遥感图像压缩方法，其特征在于，所述的通过所述训练集配置神经网络的参数的步骤，具体包括：

9.根据权利要求8所述的一种单通道全色遥感图像压缩方法，其特征在于，所述的分别对每个所述神经网络进行参数优化的步骤，具体包括：

10.根据权利要求9所述的一种单通道全色遥感图像压缩方法，其特征在于，所述第二可变信息包括所述权重和所述激活值，所述激活值为所述特征数据或所述预估数据；以及具有下述优化缩略策略：

技术总结本发明属于图像数据处理技术领域，具体公开了一种单通道全色遥感图像压缩方法，包括如下步骤：通过训练集配置神经网络的参数，并构建具有多处理节点的超网络；优化缩略每个处理节点的权重以及激活值；基于图像数据的特性设定超网络中处理节点的开启数量，通过开启后的所有处理节点逐级处理图像数据，并获得每个处理节点的处理数据；通过在后的处理数据编码在先的处理数据，并将在后的处理数据作为在先的处理数据的解压密钥；将所有编码后的处理数据作为压缩数据；具有如下优点：即使在高压缩比下也能保持高质量，优化了边缘计算速度，在快速的网络训练下显著提升了压缩效率，并集成了加密功能，增强数据安全。技术研发人员：罗智耀,宋钰康,潘兴宇,李之南,曹德志,仓基荣受保护的技术使用者：星测未来科技（北京）有限责任公司技术研发日：技术公布日：2024/8/1