針對傳統(tǒng)方法壓縮圖像時出現的編碼增益狀態(tài)不佳與壓縮效率較低的問題,提出了基于深度學習網絡的激光光譜圖像壓縮方法。通過DPCM預測算法消除激光光譜圖像的譜間冗余,再利用SPIHT算法消除剩下的空間冗余,進而使圖像的殘差值縮小。在此基礎上使用深度學習網絡中的卷積神經網絡把多種卷積層與非線性激活層疊加在一起來完成對復雜反射函數的處理,進而實現大量數據訓練。最后經過多層卷積的感受野對數據進行壓縮,從而實現對激光光譜圖像的壓縮。實驗證明,與傳統(tǒng)方法對比,本文方法的編碼增益狀態(tài)更佳,且圖像壓縮效率較高,能夠有效對激光光譜圖像進行壓縮,具有較高的應用價值。

【文章頁數】：5 頁

【文章目錄】：
1 引言
2 激光光譜圖像預處理
    2.1 DPCM消除譜間冗余
    2.2 SPIHT消除空間冗余
    2.3 DPC譜間預測SPIHT算法
3 基于深度學習的光譜圖像壓縮方法
    3.1 卷積神經網絡
    3.2 卷積層參數
        (1)步進
        (2) padding
    3.3 多層卷積的感受野
    3.4 激光光譜圖像壓縮的實現
4 實驗證明
5 結束語



本文編號：3823195