深度学习算法的多光谱图像压缩方法

来源 :激光杂志 | 被引量 : 0次 | 上传用户:zhaojingda08
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多光谱图像压缩可以节约存储空间,加快数据传输速度,当前多光谱图像压缩方法存在损失有效数据严重,压缩后多光谱图像无法反映原始多光谱图像的信息,为了获得更加理想的多光谱图像压缩效果,提出基于深度学习算法的多光谱图像压缩方法。首先分析当前多光谱图像压缩算法的研究进展,找到易引起多光谱图像压缩效果的原因,然后采集大量多光谱图像,去除多光谱图像中的噪声,初步减少多光谱图像存储空间,最后引入深度学习算法对多光谱图像中的冗余信息进行检测,删除大量的冗余信息,实现多光谱图像压缩。测试结果表明,深度学习算法可以高效地
其他文献
为了实现不同产地中药有效成分含量的准确检测,提出基于近红外光谱技术的不同产地中药有效成分含量检测方法.采用近红外光谱检测技术进行不同产地中药的光谱成像处理,构建不
针对常规算法对于图像标签的分类精度低下的问题,提出基于高光谱成像技术的彩色图像标签优化算法研究。利用相关函数,确定像素点与其相邻点之间的相关程度,去除冗余信息,采用插值表示图像所包含的信息量差异,选择合适的高光谱波段,分析各标签间的语义相关性,通过聚类算法,构建相似度矩阵,实现标签优化,完成基于高光谱成像技术的彩色图像标签优化算法研究。设计仿真实验,分析所提出算法与其他3种常规算法间的差异,结果表
为了使长波红外偏振图像的细节更加清晰,提出一种基于区域特征的长波红外偏振图像融合方法。采用Stokes向量对原始长波红外偏振图像进行分析,获得偏振度图像和源红外光强图像;利用非下采样塔式滤波器与方向滤波器对两种图像去噪,并完成图像的分解与重组;凭借滤波器的纹理特征、色彩特征与形状特征对图像的红外偏振和红外光强进行融合,加强图像轮廓细节特征;通过小波变换方法,完成长波红外偏振图像内两种波段红外偏振图
为了全面提取复杂偏振光成像图像特征,精准提取复杂偏振光成像图像的目标信息,提出基于大数据分析的复杂偏振光成像图像融合方法。此方法通过大数据环境下复杂偏振光成像图像特征提取方法,能够充分提取复杂偏振光成像图像的灰度特征、纹理特征、形状特征,然后通过基于特征分析的复杂偏振光成像图像融合方法,实现复杂偏振光成像图像灰度特征、纹理特征、形状特征的全面融合,最后测试结果表明,此方法可全方位、高效率提取复杂偏