[发明专利]结合视觉显著性的行星科学探测图像自适应量化编码系统有效
申请号: | 202110460101.7 | 申请日: | 2021-04-27 |
公开(公告)号: | CN113194312B | 公开(公告)日: | 2021-12-07 |
发明(设计)人: | 戴育岐;薛长斌;周莉;李晓斌 | 申请(专利权)人: | 中国科学院国家空间科学中心 |
主分类号: | H04N19/124 | 分类号: | H04N19/124;H04N19/147;H04N19/149;H04N19/122 |
代理公司: | 北京方安思达知识产权代理有限公司 11472 | 代理人: | 陈琳琳;徐淑东 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 结合 视觉 显著 行星 科学 探测 图像 自适应 量化 编码 系统 | ||
1.一种结合视觉显著性的行星科学探测图像自适应量化编码系统,部署在探测卫星上,其特征在于,所述系统包括:显著性检测模块、自适应量化参数调整模块和HEVC编码模块;其中,
所述显著性检测模块,用于对获取的行星科学探测原始图像进行显著性检测,得到与原始图像相同尺寸的全局显著图并输入自适应量化参数调整模块;
所述自适应量化参数调整模块,用于按照编码单元的尺寸对全局显著图进行划分,得到与编码单元对应的显著子图,对显著子图执行结合视觉显著性的感知量化编码策略,计算得到每个编码单元的加权量化分量和感知量化分量,进而得到每个编码单元的量化参数偏移量并输入HEVC编码模块;
所述HEVC编码模块,用于根据每个编码单元的量化参数偏移量,对原始图像进行HEVC帧内自适应编码,得到压缩图像并发送至地面;
所述自适应量化参数调整模块的具体处理过程包括:
根据全局显著图Salout计算得到全局平均显著度Salavg;
按照编码单元的尺寸对全局显著图进行划分,得到M×N个显著子图,对应M×N个编码单元;
遍历每个显著子图,结合预设的量化参数QPinit和显著度控制因子β,通过计算全局显著性对比结果与局部显著度感知结果,得到对应各编码单元的量化参数偏移量,并输入HEVC编码模块;
所述遍历每个显著子图,结合预设的量化参数QPinit和显著度控制因子β,通过计算全局显著性对比结果与局部显著度感知结果,得到对应各编码单元的量化参数偏移量,并输入HEVC编码模块;具体包括:
计算第s行第t列显著子图的平均显著度Salcu_avg和显著度总和Salcu_sum,并计算得到第s行第t列编码单元的显著性权重ω:
其中,1≤s≤M,1≤t≤N;
基于该编码单元对应的显著性权重ω和预设的量化参数QPinit,计算得到该编码单元的加权量化分量QPweighted为:
基于预设的显著度控制因子β和该编码单元对应的显著度总和Salcu_sum,计算得到该编码单元的感知量化分量QPsal_offset为:
QPsal_offset=β*logSalcu_sum
根据下式计算得到第s行第t列编码单元的量化参数偏移量ΔDQPst为:
ΔDQPst=QPweighted+QPsal_offset-QPinit;
将ΔDQPst输入HEVC编码模块。
2.根据权利要求1所述的结合视觉显著性的行星科学探测图像自适应量化编码系统,其特征在于,所述显著性检测模块包括依次连接的预先建立和训练好的ResNet50模型、排序单元、权重向量计算单元、特征图加权求和单元以及上采样单元;其中,
所述ResNet50模型,用于从原始图像中提取多层深度语义特征;所述ResNet50模型包括依次连接的卷积层和全连接层;
所述排序单元,用于对ResNet50模型的全连接层的输出张量y进行数值排序,得到排名前五的类别向量c:
c={ci},i=1,2,3,4,5
所述权重向量计算单元,用于根据对卷积层输出的各通道特征图依次计算梯度平均,得到对应的权重向量
其中,为第k个通道特征图对应的权重为:
其中,z表示第k个通道特征图的像素值总和,表示第k个通道特征图Ak中(m,n)坐标位置处的像素值;
所述特征图加权求和单元,用于根据每个通道特征图对应的权重,将各通道特征图按照下式进行线性加权融合,得到显著图Sal:
其中,ReLU()表示线性修正函数:
其中,v表示线性修正函数的变量;
所述上采样单元,用于对显著图Sal进行上采样插值处理,得到与原始图像相同尺寸的输出全局显著图Salout:
Salout=Upsample(Sal)
其中,Upsample为上采样插值函数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院国家空间科学中心,未经中国科学院国家空间科学中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110460101.7/1.html,转载请声明来源钻瓜专利网。