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)
1142
编辑：管理员
来源：北方有色网
咨询细节
