龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了基于上下文模型的渐进式高光谱图像压缩方法，包括将高光谱图像的公共数据集通过编码器转化为潜在张量，潜在张量分别经过超编码器和切片模块处理，得到超潜在张量和切片张量，超潜在张量通过超解码器得到熵参数均值M和标准差∑，计算每个切片的概率张量Pl，以已编码的切片重建后的近似张量、M和∑，以及Pl作为三个上下文信息，经上下文特征融合模型得到更新后的概率张量，切片张量使用更新后的概率张量进行熵编码、熵解码和切片重组，将切片重组后的切片张量输入降低失真模块得到更为精细化的潜在张量，随后通过解码器输出结果并进行高光谱图像重构，本发明方法改善了高光谱图像压缩时比特信息较高以及重构图像较差的问题。
主权项：1.基于上下文模型的渐进式高光谱图像压缩方法，其特征在于，包括以下步骤：步骤1，选取高光谱图像的公共数据集进行预处理，然后划分为训练集和验证集；步骤2，构建编码器、解码器、超编码器、超解码器、切片模块、上下文特征融合模型和降低失真模块；步骤3，将预处理后的图像数据输入编码器，得到潜在张量，将潜在张量输入超编码器，超编码器对潜在张量进行非线性特征提取得到超潜在张量，经量化后传入超解码器，得到熵参数均值M和标准差∑；步骤4，将潜在张量输入切片模块，切片模块将去中心化和量化的潜在张量切分成多个形状相同的切片，并按照重要性的优先级进行排列，得到切片张量Tl，根据熵参数均值、标准差和切片张量计算每个切片的概率张量Pl；步骤5，以已编码的切片重建后的近似张量、熵参数均值和标准差，以及概率张量作为三个上下文信息，经上下文特征融合模型得到更新后的概率张量，切片张量使用更新后的概率张量进行熵编码和熵解码，然后进行切片重组；步骤6，将切片重组后的切片张量输入降低失真模块，得到更为精细化的潜在张量，随后通过解码器输出结果并进行高光谱图像重构。
全文数据：
权利要求：
百度查询： 西安理工大学 基于上下文模型的渐进式高光谱图像压缩方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号