.png){kind=icon}
返回
MMIC: A Remote Sensing Image Compression Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/app16094499.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
与自然图像不同，遥感图像具有高空间分辨率、复杂纹理和强方向性特征等独特特性。其内容常包含许多具有清晰方向性结构的人工目标，如建筑物、道路和桥梁，同时也包含复杂的地面物体边界。然而，大多数现有图像压缩方法是为自然图像设计的，通常采用方形卷积核和局部感受野，导致难以有效捕捉遥感图像中的丰富方向性结构并建模全局上下文信息，从而限制了压缩效率和关键信息的保真度。为解决此问题，本文提出了一种新颖的遥感图像压缩算法。该算法采用多尺度非对称卷积块，结合采样卷积、并行的水平与垂直一维卷积以及二维方形卷积，以更好地捕捉方向性目标和多尺度特征。此外，本文还提出了一种多尺度非局部注意力模块，以线性计算复杂度建模全局依赖关系，从而提升关键信息保留能力。实验结果表明，与基线模型相比，所提算法在BD-PSNR上提升了0.40 dB，BD-Rate降低了10.27%，同时主观视觉质量更优。这些结果证实了该方法在遥感图像压缩中的有效性。
Keyword:
remote sensing images
image compression
deep learning
asymmetric convolution
linear non-local module
multi-scale feature extraction
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
.png){kind=icon}
GFSCompNet: remote sensing image compression network based on global feature-assisted segmentation
PREAI
分享收藏Hybrid Attention Compression Network With Light Graph Attention Module for Remote Sensing Images具有光图注意模块的遥感图像混合注意压缩网络
PREAI
分享收藏
分享收藏Multihead Global Attention and Spatial Spectral Information Fusion for Remote Sensing Image Compression多头全局注意力与空间光谱信息融合在遥感图像压缩中的应用OAAI
OAAI分享收藏
查看更多内容