基于语义通信的遥感图像高质量压缩与传输

《IEEE Transactions on Sustainable Computing》：High Quality Compression and Transmission of Remote Sensing Images Based on Semantic Communication

远程传感图像传输面临高误码率难题，本文提出基于语义提取与特征选择的压缩框架ASE-JSCC，通过噪声优化提升信道鲁棒性，在四组真实数据集上实现384倍压缩率下84.29%-88.62%的分类精度。

　　

摘要：

遥感图像在环境监测和城市规划等领域发挥着至关重要的作用。然而，由于通信链路脆弱、带宽有限以及无线环境恶劣，从远程地点向地面应用传输数据时面临着高比特错误率的难题，这会对下游任务产生不利影响。语义通信是一种可行的解决方案，它仅传输利用神经网络提取的原始数据的语义特征。尽管有效，但现有的语义通信方法无法满足高压缩率需求和复杂通信环境的要求。因此，在本文中，我们提出了一种有效的图像压缩与传输框架ASE-JSCC。为了减少传输的数据量，我们设计了一个语义提取模块和一个重要特征选择模块，以高效地提取、选择和压缩下游任务所需的关键语义特征。为了提高模型在受多变信道影响的复杂环境中的通信鲁棒性，我们通过随机添加不同类型和大小的噪声来优化源信道联合编码技术。最后，我们将ASE-JSCC应用于遥感图像的场景分类任务，并在四个真实数据集上进行了广泛实验，在384倍的压缩比下实现了84.29%至88.62%的分类准确率，验证了该框架的优异性能。

引言

遥感是一门无需直接物理接触即可收集对象信息的科学。它涉及使用卫星、飞机或无人机等仪器来获取地球表面的数据。这些仪器利用多光谱/高光谱和合成孔径雷达观测等技术生成不同分辨率的航空或卫星图像[1]。卫星成像技术的进步以及遥感仪器的日益普及，使得遥感图像的可用性不断提高。