本发明公开了一种基于深度学习的高光谱图像无损压缩方法,解决了传统方法光谱信息利用不充分和模型泛化能力低的问题。实现步骤包括:应用深度学习中循环神经网络建立预测模型,对高光谱图像中的每个像素进行预测训练,生成预测图像和预测网络;对高光谱图像和预测图像做差,生成残差图像;对残差图像进行算术编码,生成码流文件;对码流文件进行解码得到解码图像;使用训练好的网络进行预测,得到预测图像;将预测图像与解码图像相加,得到原始的高光谱图像。本发明将深度学习与传统方法相结合,网络中采用有记忆性结构的单元,通过大量的训练,充分利用了光谱信息,增加了模型的泛化能力,提高了压缩效率。应用在高光谱图像压缩领域。
声明:
“基于深度学习的高光谱图像无损压缩方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)