基于在线学习的星地协同空天图像压缩方法研究

According to the scientific goals of "Research on fundamental theory and key technologies for space information network" great research plan, the project will study on the image compression technology based on online machine learning with space-ground cooperation. The detailed contents of our research consist of the following aspects. First, the image compression system with space network and space-ground is studied. We plan to find a way for cooperation among different satellites and ground stations under various tasks to avoid redundant information compression and transmission. Second, the online learning method for compression features is explored. Third, we will study the adaptive image filter using compression feature. We will use compression feature as side information for irregular adaptive filter. Finally, the project involves the prediction algorithm for arithmetic coding engine with multi-feature mixing. The highlights of our project include: 1) Space network image compression. 2) The learning method for compression feature. 3) Feature adaptive filter. 4) multi-feature mode mixing arithmetic coding engine. The results of project will change single compression to network image compression under the requirements of space information network. And the ability of network transmission will be optimized. It is meaningful for enhancement of space data transmission with different space tasks.

本项目结合“空间信息网络基础理论与关键技术”重大研究计划科学目标，开展基于在线学习的星地协同图像压缩编码技术研究。主要研究：1）空间信息网络与星地协同图像压缩编码系统，研究在不同任务情况下星间协作压缩信息和星地编解码反馈方式，避免重复冗余信息压缩和传输；2）压缩编码特征在线学习方法,研究压缩编码特征表示和基于空间图像的不同学习策略选择方法； 3）空间图像数据自适应变换方法，研究压缩编码特征作为边信息情况下的空间图像非规则自适应滤波器；4）空间图像算术编码引擎，研究多特征概率混合预测模型，提高编码符号概率收敛速度和准确度。项目的创新点可以归纳为：1）空间网络化图像压缩；2）空间图像压缩编码特征学习；3）特征自适应滤波器变换；4）多特征模式混合形成算术编码引擎。项目研究成果实现从单点压缩模式向网络化压缩模式转变，进而优化整个空间信息网络传输能力,对提升我国空间数传水平具有实际意义。

本项目结合“空间信息网络基础理论与关键技术”重大研究计划科学目标，开展基于在线学习的星地协同图像压缩编码技术研究。主要研究：1）空间信息网络与星地协同图像压缩编码系统，研究在不同任务情况下星间协作压缩信息和星地编解码反馈方式，避免重复冗余信息压缩和传输；2）压缩编码特征在线学习方法,研究压缩编码特征表示和基于空间图像的不同学习策略选择方法； 3）空间图像数据自适应变换方法，研究压缩编码特征作为边信息情况下的空间图像非规则自适应滤波器；4）空间图像算术编码引擎，研究多特征概率混合预测模型，提高编码符号概率收敛速度和准确度。项目通过实验验证，提出了新的在轨图像压缩算法，压缩效率比现有的JPEG2000算法峰值信噪比提升约1dB，已经成功应用于我国火星探测工程中光谱图像压缩模块中。项目研究成果将会满足在空间信息网络下图像获取传输指标要求,达到从单点压缩模式向网络化压缩模式转变，进而优化整个空间信息网络传输能力,对提升我国空间数传水平具有实际意义。