摘要
本发明提供多尺度小波量化潜在空间遥感图像的轻量语义压缩方法,通过将预处理后的遥感图像分解为低频子带和高频子带;基于轻量级卷积神经网络分别对其进行特征提取,以生成结构潜在向量和语义潜在向量;对潜在向量分别进行量化处理后重建为图像;对重建图像进行自适应滤波处理;采用混合损失函数进行优化;通过频域与空间域联合的自适应滤波权重分配机制,根据图像内容特性动态调整滤波器参数,精细化处理重建图像的不同频率和空间区域,进一步优化遥感图像的视觉表现与重构质量;通过合理配置混合损失函数中的各个权重,实现遥感图像压缩效率与视觉质量之间的最佳平衡,采用轻量级网络,模型计算量小。
技术关键词
混合损失函数
特征提取模块
轻量级卷积神经网络
语义特征
跨尺度特征融合
生成结构
权重分配机制
移动平均算法
注意力机制
多尺度特征提取
遥感图像数据
结构编码器
权重机制
结构轮廓
矢量量化
路径特征
系统为您推荐了相关专利信息
数据预处理方法
注意力
会话
机器学习模型
序列特征
DOA估计
协方差矩阵
复数特征
标签
特征提取模块
尺寸测量方法
种子
AI算法
绿肥
卷积神经网络模型
跌倒检测方法
红外传感器
跌倒检测系统
Retinex理论
激光传感器模块