基于深度神经网络的 JPEG 2000 压缩域遥感图像场景分类
图像与视频处理
2020-12-16 v2 计算机视觉与模式识别
机器学习
摘要
为降低存储需求,遥感(RS)图像通常以压缩格式存储。现有的使用深度神经网络(DNNs)的场景分类方法需要完全解压缩图像,这在业务应用中是一项计算量繁重的任务。为解决此问题,本文提出一种在 JPEG 2000 压缩遥感图像中实现场景分类的新方法。所提方法包含两个主要步骤:i) 对 JPEG 2000 中使用的可逆双正交小波滤波器的较精细分辨率子带进行近似;ii) 基于近似小波子带刻画高层语义内容并依据所学描述符进行场景分类。这是通过将与最粗分辨率小波子带相关联的码流作为输入,利用若干转置卷积层近似较精细分辨率子带实现的。随后,一系列卷积层对近似小波子带的高层语义内容进行建模。因此,所提方法在端到端可训练的统一神经网络中建模了 JPEG 2000 压缩算法给出的多分辨率范式。在分类阶段,所提方法仅以最粗分辨率小波子带作为输入,从而减少了应用解码所需的时间。在两个基准航空图像档案上的实验结果表明,与传统 RS 场景分类方法(需要完整图像解压缩)相比,所提方法在分类精度相近的情况下显著减少了计算时间。
引用
@article{arxiv.2006.11529,
title = {Remote Sensing Image Scene Classification with Deep Neural Networks in JPEG 2000 Compressed Domain},
author = {Akshara Preethy Byju and Gencer Sumbul and Begüm Demir and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:2006.11529},
year = {2020}
}
备注
Accepted to IEEE Transactions on Geoscience and Remote Sensing