基于量子视觉感知计算模型的遥感图像压缩编码关键技术研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61340018
项目类别：
专项基金项目
资助金额：
18.0万
负责人：
高昆
依托单位：
北京理工大学
学科分类：
F0116.图像信息处理
结题年份：
2014
批准年份：
2013
项目状态：
已结题
起止时间：
2014-01-01 至2014-12-31

项目参与者：
刘明奇；唐晓燕；朱振宇；宾奇；庄幽文；刘莹；
关键词：
视觉感知图像压缩遥感图像稀疏编码量子神经网络

项目摘要

It is an important challenge in remote sensing monitoring applications about how to keep the recognizability of interesting goals in the high-resolution images during lossy compression procedure. The image coding method combined with human visual system has become the research focus in image compression field. Aiming at the remote sensing image features of weak spatial correlation, high entropy and low redundancy, the technical route of this project proposal combines sparse coding algorithms with the technology of human visual perception, neurodynamics computation modeling and quantum neural network in order to realize the automatic extraction of the Region of Interest (ROI) and the adaptive compression in the remote sensing images containing artificial targets, to achieve the goal of keeping both good target recognizability and visual effect under the high compression ratio. The research of our project will be carried out around the image response modeling based on quantum visual neurodynamics, visual attention-based ROI extraction, cortex sparse coding design and optimization, etc. Novel breakthroughs will be expected in the future work..This project can provide theory elements and technical means for the remote sensing monitoring applications, such as space reconnaissance, deep space instrumentation and city construction, etc.

如何在高分辨率影像的有损压缩过程中有效保持对感兴趣目标的识别性能，是遥感监测应用中面临的重要挑战，而结合人眼视觉特性的图像编码技术已成为当前图像压缩研究的热点。本项目针对遥感图像的空间相关性弱、熵值高、冗余度小的特点，采用将人眼视觉感知、神经动力学计算模型、量子神经网络和稀疏编码等技术相结合的技术路线，完成对遥感图像中包含典型人造目标的感兴趣区域（ROI）的自动提取和自适应压缩，达到在高压缩比下能较好地保持图像中目标的可识别性和良好视觉效果的目的。开展基于量子视觉神经动力学的图像响应模型、基于视觉注意机制的图像ROI自动提取算法、视皮层量子稀疏编码策略与优化设计等关键技术的研究，力求有新的突破和超越。.本项目可以为航天侦察、深空探测和城市建设等领域的遥感监测应用提供理论基础和技术手段。

结项摘要

如何在高分辨率影像的有损压缩过程中有效保持对感兴趣目标的识别性能，是遥感监测应用中面临的重要挑战，而结合人眼视觉特性的图像编码技术已成为当前图像压缩研究的热点。本项目首先研究了人眼视觉的特点，提出了一种改进的自底向上（Bottom-Up）的视觉注意模型，该模型在经典的Itti模型基础上，改进了图像颜色特征的提取及合并策略以得到图像的视觉显著图，结合彩色图像聚类分析方法完成图像的感兴趣区域自动提取。接着，提出了一种基于量子遗传算法与匹配追踪相结合的图像稀疏分解算法，利用量子进化算法优良的全局寻优能力，快速实现在过完备库中选取最佳匹配的原子，从而实现图像的稀疏分解。对分解后的图像根据ROI和背景实施不同的量化和编码策略，达到在高压缩比下能较好地保持图像中目标的可识别性和良好视觉效果的目的。最后，设计并实现了以FPGA为核心的图像压缩处理验证平台，详细叙述了基于感兴趣区域的量子稀疏图像编码算法IP核在FPGA上的移植与优化的设计方法。实验表明，该系统可以实现彩色图像的量子稀疏快速压缩编码，效果良好。本项目可以为航天侦察、深空探测和城市建设等领域的遥感监测应用提供理论基础和技术手段。