摘要
本发明提供一种基于注意力与量化编码优化的高光谱遥感图像压缩方法,进行网络模型训练过程,包括对高光谱遥感图像数据进行处理、裁剪,增强后构建用于训练的样本集;利用轻量化的编码器提取样本数据的低维特征表示,所述编码器集成卷积层与光谱多头自注意力模块;采用融合空间‑光谱注意力机制的解码器,从低维特征逐步重建高光谱遥感图像;通过组合损失函数优化编解码模型参数;量化编码二阶段压缩过程,对特征进行自适应量化,基于对数映射策略将浮点型特征映射为离散整数;对量化后的特征进行二阶段编码压缩;通过解码与反量化恢复特征表示,并输入训练好的解码器网络重建高光谱遥感图像。
技术关键词
遥感图像压缩方法
高光谱遥感图像
遥感图像数据
网络模型训练
损失函数优化
解码器
编码器
注意力机制
非暂态计算机可读存储介质
分支
无损压缩算法
局部空间特征
编解码
阶段
处理器
多尺度特征
多层感知机
加权特征
系统为您推荐了相关专利信息
深度神经网络模型
ECG信号分类
信号分类方法
分类系统
多尺度特征提取
车辆行驶轨迹预测
节点特征
车辆行驶数据
矩阵
注意力机制
会话特征
会话推荐方法
注意力
矩阵
神经网络模型训练
时序特征
特征提取模块
信号调制识别方法
样本
长短期记忆网络
焦炭
神经网络模型构建
参数
人工神经网络模型
误差函数