[发明专利]基于轻量级深度卷积网络的遥感影像大倍率压缩方法

摘要

本发明公开了一种基于轻量级深度卷积网络的遥感影像大倍率压缩方法，其步骤为：1.搭建一个7层的轻量级深度卷积网络；2.选取遥感影像训练样本；3.生成训练数据集；4.训练轻量级深度卷积网络；5.压缩待测试遥感影像；6.解压待测试遥感影像的大倍率压缩文件。本方法设计了一种新的7层的轻量级深度卷积网络，该方法的模型轻巧，压缩解压缩时间短，可实现大倍率压缩，优化了反量化过程，提高了神经网络的精度，提升了复原遥感影像的质量，可以保留更多的遥感影像的边缘纹理信息。

主权项

1.一种基于轻量级深度卷积网络的遥感影像大倍率压缩方法，其特征在于，该方法通过对搭建的轻量级深度卷积网络进行训练，得到轻量级深度卷积编码子网络与轻量级深度卷积解码子网络，将原始遥感影像输入轻量级深度卷积编码子网络，经过量化与编码输入轻量级深度卷积解码子网络，得到解压遥感影像，实现对在轨卫星所拍摄的遥感影像的实时大倍率压缩，该方法的具体步骤包括如下：(1)搭建一个7层的轻量级深度卷积网络；(2)选取遥感影像训练样本：从在轨卫星拍摄的2048*2048大小的遥感影像中，随机选取地物类型丰富的4幅遥感影像作为遥感影像的训练样本；(3)生成训练数据集：从遥感影像的训练样本中随机截取32*32大小的120万个的遥感影像块，组成训练数据集；(4)训练轻量级深度卷积网络：(4a)将训练数据集输入到轻量级深度卷积网络中，得到训练数据集网络输出值；(4b)利用均方根误差公式，计算训练数据集网络输出值与训练数据集的训练数据集均方根误差值；(4c)将训练数据集均方根误差值作为轻量级深度卷积网络的代价值，对轻量级深度卷积网络进行迭代训练，直到轻量级深度卷积网络的代价值不再降低而且达到最大迭代次数时，得到训练好的轻量级深度卷积网络；(4d)用训练好的轻量级深度卷积网络的前四层，构成轻量级深度卷积编码子网络，第五层至第七层构成轻量级深度卷积解码子网络；(5)压缩待测试遥感影像：(5a)将在轨卫星所拍摄的512*512大小的遥感影像作为待测试遥感影像；(5b)将待测试遥感影像裁剪为256个32*32大小的待测试遥感影像块，送入轻量级深度卷积编码子网络中，得到待测试遥感影像的轻量级深度卷积编码子网络输出值；(5c)将待测试遥感影像的轻量级深度卷积编码子网络输出值进行缩放量化操作，得到待测试遥感影像的缩放量化值；(5d)将待测试遥感影像的缩放量化值、待测试遥感影像的轻量级深度卷积编码子网络输出值的最大值、待测试遥感影像的轻量级深度卷积编码子网络输出值的最小值组成待测试遥感影像的待编码序列；(5e)将待测试遥感影像的待编码序列进行霍夫曼编码，得到待测试遥感影像的二进制码流；(5f)将待测试遥感影像的二进制码流，保存为待测试遥感影像的大倍率压缩文件；(6)解压待测试遥感影像的大倍率压缩文件：(6a)从待测试遥感影像的大倍率压缩文件中获得待测试遥感影像的二进制码流；(6b)待测试遥感影像的二进制码流进行霍夫曼解码，得到待测试遥感影像的解码序列；(6c)从待测试遥感影像的解码序列中分别得到待测试遥感影像的待反缩放量化值、待测试遥感影像的轻量级深度卷积编码子网络输出值的最大值、待测试遥感影像的轻量级深度卷积编码子网络输出值的最小值；(6d)从取值范围为[0.001,0.002]的值中选取一个随机小数；(6e)将随机小数加上待测试遥感影像的待反缩放量化值，得到待测试遥感影像的优化待反缩放量化值；(6f)将待测试遥感影像的优化待反缩放量化值进行反缩放量化操作，得到待测试遥感影像的反缩放量化值；(6g)将待测试遥感影像的反缩放量化值送入轻量级深度卷积解码子网络，得到256个32*32大小的复原遥感影像块；(6h)将256个32*32大小的复原遥感影像块进行拼接，得到复原后的遥感影像。