[发明专利]一种无人机定量遥感应用的数据压缩方法

说明书

本申请公开了一种无人机定量遥感应用的数据压缩方法，包括以下步骤：对无人机采集的多光谱图像进行预处理；通过编码器，依次对多光谱图像中进行三维卷积和二维卷积，得到深层特征信息；对深层特征信息进行量化和熵编码；通过端到端联合训练，对图像的损失和码率进行最优分配，得到最优压缩图像；通过解码器对最优压缩图像进行重建。通过对多光谱图形进行多次卷积，其包括三维卷积和二维卷积，有利于提高图像重建质量和压缩比；通过将卷积后的深层特征信息进行量化和熵编码，可以进一步除去特征图像中的冗余，进一步提高图像重建质量和压缩比；通过端对端联合训练，将图像的损失与码率调节成最优比例，可实现高压缩比的同时，提高压缩质量，防止块效应、模糊、伪影等问题的出现。

技术领域

本公开涉及压缩方法领域，具体涉及一种无人机定量遥感应用的数据压缩方法。

背景技术

目前，无人机遥感图像的压缩方法有传统图像压缩方法和基于深度学习的图像压缩算法。传统的图像压缩算法主要有三类：基于预测编码方法、基于矢量量化编码方法和基于变换编码方法。基于预测的图像压缩方法是利用图像相邻元素和波段之间的相关性，通过临近元素的上下文信息预测当前像素值，实现图像的压缩。基于预测的图像压缩方法常用的为差分脉冲调制，此方法通过选择预测系数，使图像的残差值达到最小。基于矢量量化的图像压缩方法是将图像的若干标量转化为一个矢量，将矢量空间整体化，从而压缩数据，此方法充分利用图像的相关性，编码性能较高，但是编码难度较大，计算资源耗费极大。基于变换的图像压缩方法是将图像从空间域变换为变换域，在变换域范围内实行压缩编码，常用的变换方法有主成分分析、离散余弦变换、离散小波变换、Karhunen-Loeve变换等。

传统图像压缩方法有基于预测的编码方法、基于矢量量化的编码方法、基于变换的编码方法，这些方法都是对无人机遥感图像的像素值进行压缩，压缩率较低并且会出现不同程度的失真，甚至在高压缩比时由于数据量大，导致计算机内存溢出，从而导致压缩图像出现块效应、模糊、伪影等问题，严重影响无人机遥感图像的定量遥感应用。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种无人机定量遥感应用的数据压缩方法。

第一方面，一种无人机定量遥感应用的数据压缩方法，包括以下步骤：

S100.对无人机采集的多光谱图像进行预处理；

S200.通过编码器，依次对多光谱图像中进行三维卷积和二维卷积，得到深层特征信息；

S300.对深层特征信息进行量化和熵编码；

S400.通过端到端联合训练，对图像的损失和码率进行最优分配，得到最优压缩图像；

S500.通过解码器对最优压缩图像进行重建。

根据本申请实施例提供的技术方案，所述对无人机采集的多光谱图像进行预处理包括以下步骤：

S100.1采集目标地区的多光谱图像；

S100.2利用SIFT算子提取多光谱图像中的特征点，根据特征点信息，拼接成多光谱遥感图像；

S100.3对多光谱遥感图像进行辐射定标，将多光谱遥感图像的DN值转换为地表反射率；

S100.4剪裁多光谱遥感图像，得到256×256像素的多光谱图像。

根据本申请实施例提供的技术方案，所述编码器包括自编码器和超参编码器，所述自编码器用于将N×256×256多光谱图像三维卷积成320×16×16的特征图像；

所述超参编码器用于将320×16×16的特征图像二维卷积成320×4×4的特征图像。