面向 CubeSat 的联合 hyperspectral 图像传输与恢复的实时压缩感知
计算机视觉与模式识别
2024-04-25 v1 人工智能
图像与视频处理
摘要
本文解决小型卫星上 hyperspectral 图像(HSI)重建的挑战,这些挑战常导致条纹效应且受计算资源限制。我们提出一种实时压缩感知(RTCS)网络,具备轻量级设计,仅需相对较少的训练样本即可在条纹效应存在且受噪声传输条件制约下高效且稳健地重建 HSI。RTCS 网络采用简化架构,减少所需训练样本,便于在基于 int8 的编码器上实现,以适用于推送式扫条扫描机制的小型卫星进行快速压缩感知。这与需要高精度浮点运算的优化基于模型形成鲜明对比,后者难以部署在边缘设备上。我们的编码器采用与条纹状 HSI 数据传输相兼容的 int8 兼容线性投影,确保实现条纹效应的实时压缩感知。此外,基于新型双流架构,提出了一种高效的 HSI 恢复解码器,用于接收端,无需精细的中央服务器即可进行边缘设备重建。这在日益增多的小型卫星需要大量地面站计算资源的背景下尤为关键。广泛的实验验证了我们方法的优异性能,为现有小型卫星系统提供了新的且至关重要的能力。
引用
@article{arxiv.2404.15781,
title = {Real-Time Compressed Sensing for Joint Hyperspectral Image Transmission and Restoration for CubeSat},
author = {Chih-Chung Hsu and Chih-Yu Jian and Eng-Shen Tu and Chia-Ming Lee and Guan-Lin Chen},
journal= {arXiv preprint arXiv:2404.15781},
year = {2024}
}
备注
Accepted by TGRS 2024