《電子技術應用》
您所在的位置：首頁 > 人工智能 > 设计应用 > 感兴趣区域引导的码率可变卫星遥感图像压缩方法
感兴趣区域引导的码率可变卫星遥感图像压缩方法
电子技术应用
肖飞，孙震笙，金俊杰
中国星网数字科技有限公司
摘要： 随着遥感卫星数量和成像分辨率的不断提高，遥感图像的数据量急剧增加，在传输带宽受限的情况下，如何保证遥感图像中目标区域的重建质量，是目前亟需解决的问题。针对上述问题，提出了一种感兴趣区域引导的码率可变卫星遥感图像压缩方法。首先，构建了基于感兴趣区域引导的重要性图模块，在压缩网络前端使用通用检测网络得到感兴趣目标分布掩膜，指导感兴趣区域和背景区域的码率分配。其次，设计码率可变压缩策略，在遥感图像压缩过程中实现灵活的码率控制。实验结果表明，本文方法在主观和客观指标上均优于传统方法，并且在低码率条件下也能达到与现有图像压缩方法相当的性能。
中圖分類號：TN919.81 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.257032
中文引用格式： 肖飛，孫震笙，金俊杰. 感興趣區(qū)域引導的碼率可變衛(wèi)星遙感圖像壓縮方法[J]. 電子技術應用，2026，52(1)：21-27.
英文引用格式： Xiao Fei，Sun Zhensheng，Jin Junjie. Region of interest guided variable-rate compression method for satellite remote sensing images[J]. Application of Electronic Technique，2026，52(1)：21-27.
Region of interest guided variable-rate compression method for satellite remote sensing images
Xiao Fei，Sun Zhensheng，Jin Junjie
China Satellite Network Digital Technology Co.， Ltd.
Abstract： With the increasing number of remote sensing satellites and higher imaging resolution, the data volume of remote sensing images has surged dramatically. Under limited transmission bandwidth, maintaining the reconstruction quality of target regions becomes a critical challenge. To address this issue, this paper proposes a region of interest (ROI)-guided variable-rate compression method for satellite remote sensing images. Firstly, an ROI-guided importance map module is designed, where a general object detection network is deployed at the front-end of the compression network to generate ROI masks. These masks dynamically guide bitrate allocation between ROIs and background regions. Secondly, a variable-rate compression strategy is developed to enable flexible bitrate control during satellite remote sensing image compression. Experimental results demonstrate that the proposed method outperforms traditional approaches in both subjective and objective evaluations. Notably it achieves comparable performance to existing image compression methods under low bitrate conditions.
Key words : remote sensing image compression；deep learning；region of interest

引言

隨著經(jīng)濟社會的發(fā)展和國際形勢的變化，我國對空間信息的需求悄然發(fā)生變化：在觀測范圍上，隨著我國綜合國力的不斷提升，國家利益的范疇已從領土拓展到全球乃至太空；在響應時間上，對空間信息的獲取-傳輸-處理的響應速度從離線向?qū)崟r在線轉(zhuǎn)變，用戶對信息獲取的實效性提出了更高要求，希望在第一時間就能夠獲取到所關注區(qū)域或突發(fā)事件區(qū)域的現(xiàn)場圖像和評估結(jié)果，這在災害應急中尤為突出。在此背景下，將傳統(tǒng)星下處理分析任務轉(zhuǎn)換到星上并結(jié)合遙感任務的數(shù)據(jù)特點設計相應的星載壓縮算法，實現(xiàn)衛(wèi)星服務的智能化轉(zhuǎn)型，能夠有效提升衛(wèi)星服務的實效性。

目前，圖像壓縮按照框架劃分主要包含兩大類方法，即傳統(tǒng)混合框架圖像編碼[1-4]和端到端深度神經(jīng)網(wǎng)絡圖像壓縮[5-10]。傳統(tǒng)混合編碼框架是使用人工設計的算法將預測、變換、量化、熵編碼等模塊組合起來，從而得到一套完整的圖像編碼器。而端到端深度神經(jīng)網(wǎng)絡圖像壓縮方法的性能從最初的低于JPEG[1]已發(fā)展到與最先進的H.266[4]幀內(nèi)編碼相當。為了適應壓縮的需求，端到端圖像編碼在自編碼器的基礎上引入了量化和熵編碼，用于高效編碼提取到的特征?；谒褂玫木W(wǎng)絡結(jié)構(gòu)，端到端圖像編碼可以分為三類：基于循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network，RNN）[5]的壓縮模型、基于卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks，CNN）[6]的壓縮模型和基于生成對抗網(wǎng)絡（Generative Adversarial Networks，GAN）[7]的壓縮模型。

然而，隨著遙感圖像數(shù)據(jù)量的急劇增長以及應用場景不斷變化，遙感圖像壓縮方法已不再局限于更低的碼率和更高的重建質(zhì)量，更要同時滿足多種處理任務的要求。Xiang等人[11]結(jié)合壓縮與信息提取，提出了一種引入潛在特征選擇模塊（Latent Feature Selection，LFS）的聯(lián)合模型，但該方法依賴于LFS模塊的魯棒性，需要針對不同任務進行廣泛調(diào)優(yōu)。Li等人[12]通過深度神經(jīng)網(wǎng)絡識別目標與背景區(qū)域，對背景區(qū)域應用雙線性降采樣以節(jié)省比特率，但其對目標-背景分割精度依賴較強，并且背景區(qū)域的降采樣處理引入了嚴重偽影，影響全局分析和視覺質(zhì)量。Zhang等人[13]開發(fā)的遙感圖像機器編碼框架（Remote Sensing Image Coding for Machines，RSICM）專門針對語義分割任務，通過對比學習增強壓縮圖像的特征判別能力，補償壓縮過程中的特征判別損失。然而，其過度依賴于對比學習優(yōu)化過程和特定分割網(wǎng)絡，限制了在其他視覺任務中的適用性。Ye等人[14]提出的地圖輔助生成式壓縮（Map-Assisted Generative Compression，MAGC）框架針對極低比特率場景，結(jié)合預訓練擴散模型與矢量地圖提供的語義結(jié)構(gòu)信息實現(xiàn)高質(zhì)量圖像重建，但它依賴于預訓練擴散模型和外部矢量地圖的可用性，這限制了其在某些應用場景中的適用性。

此外，在現(xiàn)有的遙感圖像壓縮應用領域，由于衛(wèi)星和地面的傳輸帶寬有限，往往需要對圖像壓縮的碼率進行限制。Jia和Shi等人[15-16]通過至少兩次預編碼得到真實碼率與編碼參數(shù)λ的數(shù)據(jù)對。該方法需要通過七次預編碼，耗時長，僅在特定場景中能夠應用。Xue等人[17]在編碼器提取的特征基礎上，利用碼率估計器來取代多次預編碼。該方法在一定程度上節(jié)省了碼率控制的時間，但也要基于編碼器的特征來訓練碼率估計器，仍有較長的處理延遲。因此，如何在實際應用中控制遙感圖像壓縮的碼率，仍是需要進一步研究的問題。

結(jié)合上述分析，為了進一步提高遙感圖像壓縮任務性能，本文提出了一種感興趣區(qū)域引導的碼率可變壓縮方法，主要貢獻如下：

（1）針對現(xiàn)有遙感圖像壓縮方法的弊端，提出一種感興趣區(qū)域驅(qū)動的碼率可變壓縮方法，在實現(xiàn)碼率可變壓縮的同時有效提高感興趣區(qū)域重建質(zhì)量。

（2）提出了基于感興趣區(qū)域引導的重要性圖模塊，在壓縮網(wǎng)絡前端使用一個通用檢測網(wǎng)絡得到感興趣目標分布掩膜，將感興趣區(qū)域分布與原始圖像相結(jié)合，以指導感興趣區(qū)域和背景區(qū)域的碼率分配，提高感興趣區(qū)域的壓縮性能。

（3）提出了針對遙感圖像的碼率可變策略，實現(xiàn)在壓縮過程中靈活的碼率控制，以適應遙感圖像傳輸帶寬的要求。


本文詳細內(nèi)容請下載：

http://www.ihrv.cn/resource/share/2000006907


作者信息：

肖飛，孫震笙，金俊杰

（中國星網(wǎng)數(shù)字科技有限公司，河北 雄安新區(qū) 071700）


subscribe.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權禁止轉(zhuǎn)載。