深度学习网络的激光光谱图像压缩研究

发布时间：2023-05-26 20:02

　　针对传统方法压缩图像时出现的编码增益状态不佳与压缩效率较低的问题,提出了基于深度学习网络的激光光谱图像压缩方法。通过DPCM预测算法消除激光光谱图像的谱间冗余,再利用SPIHT算法消除剩下的空间冗余,进而使图像的残差值缩小。在此基础上使用深度学习网络中的卷积神经网络把多种卷积层与非线性激活层叠加在一起来完成对复杂反射函数的处理,进而实现大量数据训练。最后经过多层卷积的感受野对数据进行压缩,从而实现对激光光谱图像的压缩。实验证明,与传统方法对比,本文方法的编码增益状态更佳,且图像压缩效率较高,能够有效对激光光谱图像进行压缩,具有较高的应用价值。

【文章页数】：5 页

【文章目录】：
1 引言
2 激光光谱图像预处理
    2.1 DPCM消除谱间冗余
    2.2 SPIHT消除空间冗余
    2.3 DPC谱间预测SPIHT算法
3 基于深度学习的光谱图像压缩方法
    3.1 卷积神经网络
    3.2 卷积层参数
        (1)步进
        (2) padding
    3.3 多层卷积的感受野
    3.4 激光光谱图像压缩的实现
4 实验证明
5 结束语



本文编号：3823195