[发明专利]一种基于超先验架构的SAR图像压缩方法

权利要求书

1.一种基于超先验架构的SAR图像压缩方法，其特征在于，包括以下步骤：

步骤1：自编解码器卷积网络的构建：

自编解码器网络分为三大部分：一部分是编码器，编码器通过多层卷积完成对SAR图像的压缩编码，调整卷积的层数、步长以及通道数控制相应的压缩比；第二部分是算术编解码器，算术编解码器根据图像信号的分布，生成二进制流，进一步压缩比特数；最后一部分是解码器，解码器通过多层的转置卷积完成对编码图像的解码；

步骤2：超先验网络的熵建模：

为了实现适应性的熵建模，需要对不同的图片预测其信号分布，为此，选择一个参数化的先验模型，由超先验网络预测得到超参数；超先验网络的熵建模分为四个部分，分别为超参编码器、超参算术编解码器、超参解码器、概率模型；同时本模型最后使用了单高斯混合模型对均值和方差进行预测，来模拟信号分布，实现熵建模；

超先验网络的熵建模具体为：

超参编码器：

卷积层：设置通道数为192，卷积核大小为3，第一层卷积步长为1，不改变特征图大小，后续两层设置步长为2，进行填充，每张特征图高宽变为原图的二分之一，大小变为原来的四分之一；

激活层：采用ReLU的激活函数，对每一位数据进行非线性映射，维持梯度；ReLU的激活公式如下：

超参算术编解码器：

算术编码器AE：与自编解码器卷积网络的算术编码器AE相同，但此处是对超参编码器得到的边信息z进行编码，信号的概率分布由一个均值为0的正态分布进行粗略模拟；

算术解码器AD：算术解码为算术编码的反过程，与自编解码器卷积网络的算术解码器AD相同；

超参解码器：

反卷积层：设置通道数为192，卷积核大小为3，前两层步长为2，每张特征图高宽变为原图的2倍，特征图尺寸放大4倍，特征图数量不变，最后一次反卷积步长设置为1，通道数为320，特征图尺寸不变，通过指数函数EXP转换到高斯分布；

激活函数：采用ReLU的激活函数，与超参编码器中激活层相同；

概率模型：

残差块：输入特征图x经过卷积后被映射为(x)，再经过一层卷积变为F′(x)，然后将F′(x)与原始输入x累加，得到整个残差结构的输出；

卷积层：设置通道数为640，分别对应320个通道的均值μ，320个通道的标准差σ，卷积核大小为3，步长为1，特征图尺寸不变；

单高斯模型：单变量正态分布概率密度函数定义如下：

其中，μ和σ由上层卷积得到，由此来模拟信号分布，得到概率；

步骤3：失真优化：

损失函数由两部分组成，第一部分为失真率，具体为通过自编码器前向传播压缩恢复后的图像与原始图像的均方误差，第二部分为码率，由编码器得到的信号y的码率以及超参编码器得到的边信息z的码率组成；模型根据损失函数进行反向传播，不断地训练和优化。