基于联合生成对抗网络的大倍率遥感影像压缩方法技术

本发明专利技术公开了一种基于多结构生成对抗网络的大倍率遥感影像压缩方法，解决了传统方法未挖掘影像像素间相关性及大倍率压缩下视觉保真度下降的技术问题。实现步骤有：对遥感影像数据集预处理；预处理后的遥感影像数据集输入联合生成对抗网络训练得到训练好的网络模型；用训练得到的网络进行大倍率遥感影像压缩得到编码文件；对网络编码结果做熵编码得到待传输的码流文件；用解码网络进行码流文件的解压缩得到原始遥感影像。本发明专利技术使用联合生成对抗网络遥感影像建立模型进行大倍率压缩，该网络将编解码网络对称结构分别进行对抗训练，通过训练使得模型同时提取影像本身的相关性和遥感影像之间的相关性，提高了大倍率压缩下视觉保真度。

Compression Method of High-Rate Remote Sensing Images Based on Joint Generation Countermeasure Network

The invention discloses a high-rate remote sensing image compression method based on multi-structure generation antagonistic network, which solves the technical problems of uncovering the correlation between image pixels in traditional method and decreasing visual fidelity under high-rate compression. The steps are as follows: pretreatment of remote sensing image data sets; input of pre-processed remote sensing image data sets to generate a well-trained network model for antagonistic network training; compression of high-rate remote sensing images with the trained network to obtain coding files; entropy coding of network coding results to obtain the code stream files to be transmitted; decoding network to decompress the code stream files The original remote sensing image is obtained. The present invention uses joint generation of countermeasure network remote sensing image to establish a model for large-scale compression. The network trains the symmetrical structure of codec network separately. Through training, the model can simultaneously extract the correlation between the image itself and the remote sensing image, thus improving the visual fidelity under large-scale compression.

【技术实现步骤摘要】
基于联合生成对抗网络的大倍率遥感影像压缩方法
本专利技术属于影像处理
，涉及影像的大倍率压缩，具体是一种基于生成对抗网络的遥感影像大倍率压缩方法，用于遥感影像压缩。
技术介绍
随着在轨遥感卫星数目的增加和成像分辨率的增加，星上采集的遥感影像数据越来越多，对更高倍率数据压缩技术的需求日益迫切。发展遥感影像的大倍率压缩技术，有利于节省信道容量，在下行传输带宽限制下及时将星上数据传回地面，影像这在国防、社会科学、环境保护、城市规划等领域有着重要作用。目前，遥感影像影像的大倍率压缩方法主要采用JPEG2000方法，该方法是基于小波变换的影像压缩标准，由联合摄影专家组组织创建和维护，获得了目前几乎最好的大倍率压缩效果。但是由于高分辨卫星遥感数据的多物理属性上存在潜在的稀疏性，所以遥感影像压缩有着其固有的许多难点：遥感影像规模大，冗余性强，需求离线压缩，稳定性强，大倍率等，使得针对遥感影像所作的遥感影像压缩技术还很少，大倍率遥感影像压缩技术更是寥寥无几。JPEG2000实现了遥感影像的大倍率压缩，但是其方法只是利用了影像自身的相关性，而没有利用遥感影像这类影像间相关性来减少编码过程的冗余。而且，JPEG2000在压缩倍率很大时，其主观性能，比如视觉信息保真度差。
技术实现思路
本专利技术的目的在于克服上述已有技术的缺点和不足，提出一种充分利用遥感影像像素间相关性联合生成对抗网络的大倍率遥感影像压缩方法，该方法在大倍率压缩时能达到更好的主观效果。本专利技术是一种基于联合生成对抗网络的大倍率遥感影像压缩方法，其特征在于，包括有如下步骤：(1)对原始的遥感影像数据集进行预处理：输入需要压缩的遥感影像，经过归一化、滑窗切分得到待训练的数据集；(2)构建联合生成对抗网络：联合生成对抗网络的第一层至第五层为编码网络，用于对遥感影像的编码；联合生成对抗网络的第六层至第十一层为解码网络，用于对遥感影像的解码；其中第一层到第四层分别与第十一层到第七层相对应的大小相同的特征图形成联合对抗网络的两个输入，联合对抗网络与编码网络、解码网络一同构成联合生成对抗网络；(3)对预处理后的遥感影像数据集输入联合生成对抗网络进行训练，得到训练好的网络模型：该网络模型依次包括编码网络，量化器，解码网络，对抗网络四个部分；(4)用训练得到的联合生成对抗网络中的编码网络进行大倍率遥感影像压缩：输入原始的待压缩遥感影像，经过预处理之后，输入训练好的模型中，经过编码网络和量化器得到联合生成对抗网络的编码结果；(5)对联合生成对抗网络编码结果进行无损熵编码，得到待传输的码流文件；(6)用训练得到的联合生成对抗网络中的解码网络进行传输得到的码流文件的解压缩：将收到的码流文件输入到解码网络中，得到压缩后复原的遥感影像。本专利技术应用生成对抗网络提取遥感影像间的相关性来提高压缩率，节约存储和传输空间。本专利技术与现有技术相比具有以下优点：a.本专利技术提出的联合生成对抗网络将编解码网络对称结构分别进行对抗训练，使得编解码网络在训练中趋于互逆，有利于改善网络的过拟合问题，通过训练使得模型同时提取影像本身的相关性和遥感影像之间的相关性，提高了大倍率压缩下视觉保真度。b.本专利技术采用了联合生成对抗模型进行训练，其对损失函数的高效刻画克服了传统方法中人工定义损失函数的局限性，将遥感影像的特征信息充分利用，得到较为高效的压缩模型。c.本专利技术使用了具有强大特征表征能力的残差网络模块作为编码网络和解码网络的组成结构，其复杂的结构提高了模型提取特征的能力，从而充分利用了遥感影像间的相关性。d.实验结果表明，本专利技术在特定的遥感影像上与JPEG2000等压缩方法相比，大倍率压缩时视觉信息保真度更高。附图说明图1是本专利技术的流程图；图2是用本专利技术256倍率下，对高分影像的压缩重构结果，图2a是编号为num1的遥感影像原图，图2b为用本专利技术的方法对图2a压缩结果进行重构得到的结果图，图2c为用JPEG2000的方法对图2a压缩结果进行重构得到的结果图；图3是用本专利技术256倍率下，对高分影像的压缩重构结果，图3a是编号为num2的遥感影像原图，图3b为用本专利技术的方法对图3a压缩结果进行重构得到的结果图,图3c为用JPEG2000的方法对图3a压缩结果进行重构得到的结果图；图4是用本专利技术256倍率下，对高分影像的压缩重构结果，图4a是编号为num3的遥感影像原图，图4b为用本专利技术的方法对图4a压缩结果进行重构得到的结果图,图4c为用JPEG2000的方法对图4a压缩结果进行重构得到的结果图；图5是本专利技术中使用的残差结构图。具体实施方式下面结合附图和实例对本专利技术详细说明：实施例1目前，遥感影像压缩正处于遥感技术的前沿领域，国内外均投入了大量的人力和物力资源对其进行研究，但是遥感影像数据的实时传输方面还面临着巨大的困难，针对这一问题本专利技术从影像的角度展开研究，着眼更高效的大倍率压缩方法，提出基于联合生成对抗网络的遥感影像大倍率压缩方法。本专利技术是一种基于联合生成对抗网络的大倍率遥感影像压缩方法，参见图1，包括有如下步骤：(1)对原始的遥感影像数据集进行预处理：输入需要压缩的遥感影像，经过归一化、滑窗切分得到待训练的数据集。得到预处理后的遥感影像数据集；遥感影像通常尺寸都很大，由于计算力的限制，需要把影像切分之后再输入到网络中去。(2)构建联合生成对抗网络：本专利技术的联合生成对抗网络面向遥感影像压缩，参见图1，联合生成对抗网络的第一层至第五层为编码网络，用于对遥感影像的编码；联合生成对抗网络的第六层至第十一层为解码网络，用于对遥感影像的解码；其中第一层到第四层分别与第十一层到第七层相对应的大小相同的特征图形成联合对抗网络的两个输入，联合对抗网络与编码网络、解码网络一同构成联合生成对抗网络，编码网络与解码网络互为逆过程，再联合生成对抗网络的训练模式下逐渐趋向于可逆的结构。(3)对预处理后的遥感影像数据集输入联合生成对抗网络进行训练，得到训练好的网络模型。参见图1，该网络模型依次包括编码网络，量化器，解码网络，对抗网络四个部分；其中编码网络、量化器与解码网络构成压缩模型，对抗网络用于训练中修正模型参数。参见图1，本专利技术使用联合生成对抗网络遥感影像建立模型进行压缩，该网络将编解码网络对称结构分别进行对抗训练，使得编解码网络在训练中趋于互逆，有利于解决网络的过拟合问题，通过训练使得模型同时提取影像本身的相关性和遥感影像之间的相关性，提高了大倍率压缩下视觉保真度。(4)用训练得到的联合生成对抗网络中的编码网络进行大倍率遥感影像压缩：输入原始的待压缩遥感影像，经过步骤(1)中的预处理之后，输入步骤(3)中训练好的模型中，经过编码网络和量化器得到联合生成对抗网络的编码结果；该编码结果的尺寸对应于原图的尺寸形成固定的压缩码率。(5)对联合生成对抗网络编码结果进行无损熵编码，得到压缩后遥感影像待传输的码流文件。本例中对联合生成对抗网络编码结果采用霍夫曼无损熵编码。除了霍夫曼无损熵编码，本专利技术还可以用算术编码实现无损熵编码。(6)用步骤(3)中训练得到的联合生成对抗网络中的解码网络进行传输得到的码流文件的解压缩：将收到的码流文件输入到解码网络中，完成大倍率压缩过程，得到遥感影像压缩后复原的遥感影像。本专利技术通过对遥感影像数据集建立模型本文档来自技高网...

【技术保护点】
1.一种基于联合生成对抗网络的大倍率遥感影像压缩方法，其特征在于，包括有如下步骤：(1)对原始的遥感影像数据集进行预处理：输入需要压缩的遥感影像，经过归一化、滑窗切分得到待训练的数据集；(2)构建联合生成对抗网络：联合生成对抗网络的第一层至第五层为编码网络，用于对遥感影像的编码；联合生成对抗网络的第六层至第十一层为解码网络，用于对遥感影像的解码；其中第一层到第四层分别与第十一层到第七层相对应的大小相同的特征图形成联合对抗网络的两个输入，联合对抗网络与编码网络、解码网络一同构成联合生成对抗网络；(3)对预处理后的遥感影像数据集输入联合生成对抗网络进行训练，得到训练好的网络模型：该网络模型依次包括编码网络，量化器，解码网络，对抗网络四个部分；(4)用训练得到的联合生成对抗网络中的编码网络进行大倍率遥感影像压缩：输入原始的待压缩遥感影像，经过预处理之后，输入训练好的模型中，经过编码网络和量化器得到联合生成对抗网络的编码结果；(5)对联合生成对抗网络编码结果进行无损熵编码，得到待传输的码流文件；(6)用训练得到的联合生成对抗网络中的解码网络进行传输得到的码流文件的解压缩：将收到的码流文件输入到解码网络中，得到复原的遥感影像。...

【技术特征摘要】
1.一种基于联合生成对抗网络的大倍率遥感影像压缩方法，其特征在于，包括有如下步骤：(1)对原始的遥感影像数据集进行预处理：输入需要压缩的遥感影像，经过归一化、滑窗切分得到待训练的数据集；(2)构建联合生成对抗网络：联合生成对抗网络的第一层至第五层为编码网络，用于对遥感影像的编码；联合生成对抗网络的第六层至第十一层为解码网络，用于对遥感影像的解码；其中第一层到第四层分别与第十一层到第七层相对应的大小相同的特征图形成联合对抗网络的两个输入，联合对抗网络与编码网络、解码网络一同构成联合生成对抗网络；(3)对预处理后的遥感影像数据集输入联合生成对抗网络进行训练，得到训练好的网络模型：该网络模型依次包括编码网络，量化器，解码网络，对抗网络四个部分；(4)用训练得到的联合生成对抗网络中的编码网络进行大倍率遥感影像压缩：输入原始的待压缩遥感影像，经过预处理之后，输入训练好的模型中，经过编码网络和量化器得到联合生成对抗网络的编码结果；(5)对联合生成对抗网络编码结果进行无损熵编码，得到待传输的码流文件；(6)用训练得到的联合生成对抗网络中的解码网络进行传输得到的码流文件的解压缩：将收到的码流文件输入到解码网络中，得到复原的遥感影像。2.根据权利要求1所述的基于联合生成对抗网络的大倍率遥感影像压缩方法，其特征在于，其中步骤(1)中所述的对原始的遥感影像数据集进行预处理，包括有如下步骤：(1a)对原始的遥感影像进行滑窗切分形成训练数据集；(1b)对切分后的数据集进行归一化，得到预处理后的遥感影像数...

【专利技术属性】
技术研发人员：杨淑媛，赵世慧，刘志，马宏斌，冯志玺，徐光颖，孟会晓，邢颖慧，郝晓阳，姜垚，马向前，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61