System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于星上遥感图像处理,尤其涉及一种基于国产芯片的遥感图像星上混合压缩方法及装置。
技术介绍
1、随着商用卫星的逐渐普及和遥感技术的发展,对遥感图像的星上实时处理技术也提高了要求。星上采集到的遥感图像中包含的信息量大、范围广,如果对原始图像直接进行传输,对星地的传输带宽要求高,很难达到实时的需求,因此需要进行高效的压缩以便在传输、存储、处理等方面更加便捷。然而,遥感图像中的目标物体和背景具有不同的特点,对它们进行相同的压缩处理可能会导致目标物体信息的丢失或降低识别精度,实现的压缩比例也有限,无法针对性的进行压缩比控制。
2、在现有技术中,遥感图像压缩的主要方法是通过压缩算法对整个图像进行压缩。然而,无论是传统压缩算法还是深度学习算法,现有技术对整体图像压缩效果都到一定瓶颈期,而且这种方法会导致对目标细节信息的丢失,因为在图像中不同区域具有不同的信息价值。例如,在海洋或陆地区域中,细节信息的损失可能不会对整个图像的质量产生太大的影响。然而,在识别船只、飞机、云层等目标时,细节信息的损失可能会导致误判或漏判,从而降低识别的准确性。
3、同时,由于目前的芯片稀缺性,国内对国产芯片的使用需求也日渐提升。针对国产芯片的深度学习等算法移植难度较大,无法实现高复杂度算法的移植等这些问题也给国产芯片的算法使用造成了一定困难。
技术实现思路
1、本申请实施例的目的是提供一种基于国产芯片的遥感图像星上混合压缩方法及装置,以解决相关技术中存在的上述问题。
2、
3、获取待压缩遥感图像;
4、将所述待压缩遥感图像根据预定尺寸分割为若干区域,并对分割得到的每个区域图像进行原始图像位置标记;
5、对于每个区域图像,利用分类识别算法计算该区域图像中内容的重要度,其中所述分类识别算法已在地面训练完成、移植到国产芯片并上传至星上;
6、根据实时需求和各区域图像中内容的重要度,确定每个区域图像的压缩比例,从而进行各区域图像的压缩;
7、根据各区域图像的原始图片位置标记,将压缩后的各区域图像进行反向拼接,已形成与所述待压缩遥感图像尺寸一致的混合压缩遥感图像。
8、进一步地,对于每个区域图像,利用分类识别算法计算该区域图像中内容的重要度,具体为:
9、在基于国产芯片对分类识别算法进行移植和量化后,获取对于每个类别的测试准确度;
10、在分类识别算法在上传至星上之后,对于所述区域图像进行多分类推理,得到对于每个类别的预测分数;
11、对于每个区域图像,根据每个类别的测试准确度和预测分数,计算该区域图像中内容的重要度。
12、进一步地,区域图像中内容的重要度i_score为:
13、
14、其中,wi为类别i对最终任务的保留权重,class_pi为分类识别算法移植到国产芯片后对类别i的测试准确度,predi为分类识别算法对区域图像进行分类识别后得到的每个类别的预测分数。
15、进一步地,所述权重wi根据类别i对应检测任务的正向作用或负向作用设置,取值-1~1之间。
16、进一步地,进行各区域图像的压缩时所采用的压缩方法为可指定压缩质量且可在国产芯片上移植或运行的方法。
17、进一步地,进行各区域图像的压缩时所采用的压缩方法为无损/有损压缩算法、深度学习重建算法或其组合。
18、进一步地,各区域图像中内容的重要度和各区域图像的压缩比例一一对应,以形成阶梯压缩质量控制。
19、根据本申请实施例的第二方面,提供一种基于国产芯片的遥感图像星上混合压缩装置,包括:
20、图像获取模块,用于获取待压缩遥感图像;
21、图像分割模块,用于将所述待压缩遥感图像根据预定尺寸分割为若干区域,并对分割得到的每个区域图像进行原始图像位置标记;
22、分类识别模块,用于对于每个区域图像,利用分类识别算法计算该区域图像中内容的重要度,其中所述分类识别算法已在地面训练完成、移植到国产芯片并上传至星上;
23、图像压缩模块,用于根据实时需求和各区域图像中内容的重要度,确定每个区域图像的压缩比例,从而进行各区域图像的压缩;
24、图像拼接模块,用于根据各区域图像的原始图片位置标记,将压缩后的各区域图像进行反向拼接,已形成与所述待压缩遥感图像尺寸一致的混合压缩遥感图像。
25、根据本申请实施例的第三方面,提供一种电子设备,包括:
26、一个或多个处理器;
27、存储器,用于存储一个或多个程序;
28、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的方法。
29、根据本申请实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如第一方面所述方法的步骤。
30、本申请的实施例提供的技术方案可以包括以下有益效果:
31、由上述实施例可知,本申请能够充分针对任务识别目标的调整和高分辨率大图片的特点,基于国产芯片平台,选取移植简单的深度学习分类算法进行区域类别判断,并融合目标分类结果决定最终的区域压缩质量分从而在星上对整幅大尺寸图片进行压缩传输。这种方法打破了国产芯片复杂压缩算法移植困难的困境,将压缩算法分解,既针对多目标进行压缩权重指定,又大幅提高了整体压缩效率。
32、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种基于国产芯片的遥感图像星上混合压缩方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,对于每个区域图像,利用分类识别算法计算该区域图像中内容的重要度,具体为:
3.根据权利要求2所述的方法,其特征在于,区域图像中内容的重要度i_score为:
4.根据权利要求3所述的方法,其特征在于,所述权重wi根据类别i对应检测任务的正向作用或负向作用设置,取值-1~1之间。
5.根据权利要求1所述的方法,其特征在于,进行各区域图像的压缩时所采用的压缩方法为可指定压缩质量且可在国产芯片上移植或运行的方法。
6.根据权利要求1所述的方法,其特征在于,进行各区域图像的压缩时所采用的压缩方法为无损/有损压缩算法、深度学习重建算法或其组合。
7.根据权利要求1所述的方法,其特征在于,各区域图像中内容的重要度和各区域图像的压缩比例一一对应,以形成阶梯压缩质量控制。
8.一种基于国产芯片的遥感图像星上混合压缩装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10
...【技术特征摘要】
1.一种基于国产芯片的遥感图像星上混合压缩方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,对于每个区域图像,利用分类识别算法计算该区域图像中内容的重要度,具体为:
3.根据权利要求2所述的方法,其特征在于,区域图像中内容的重要度i_score为:
4.根据权利要求3所述的方法,其特征在于,所述权重wi根据类别i对应检测任务的正向作用或负向作用设置,取值-1~1之间。
5.根据权利要求1所述的方法,其特征在于,进行各区域图像的压缩时所采用的压缩方法为可指定压缩质量且可在国产芯片上移植或运行...
【专利技术属性】
技术研发人员:闫俊,许婷婷,王原原,邱吉冰,毛旷,
申请(专利权)人:之江实验室,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。