基于分割引导的双编码技术的端到端图像压缩在风力涡轮机应用中的研究

《IEEE Transactions on Neural Networks and Learning Systems》:End-to-End Image Compression With Segmentation Guided Dual Coding for Wind Turbines

【字体: 大 中 小 】 时间:2026年04月30日 来源:IEEE Transactions on Neural Networks and Learning Systems 8.9

编辑推荐:

   摘要: 在风力涡轮机检查过程中传输大量高分辨率图像时,会遇到评估和检测严重缺陷的瓶颈。高效的编码方法需要在压缩背景的同时保持叶片区域的高保真度。在这项工作中,我们提出了一个端到端的深度学习框架,该框架同时执行分割和双模式(有损和无损)压缩。分割模块能够准确识别

  

摘要:



在风力涡轮机检查过程中传输大量高分辨率图像时,会遇到评估和检测严重缺陷的瓶颈。高效的编码方法需要在压缩背景的同时保持叶片区域的高保真度。在这项工作中,我们提出了一个端到端的深度学习框架,该框架同时执行分割和双模式(有损和无损)压缩。分割模块能够准确识别叶片区域,随后我们的感兴趣区域(ROI)压缩器能够以比图像其他部分更高的质量对其进行编码。与传统仅向显著区域分配更多比特的ROI方案不同,我们的框架整合了以下技术:
1) 一个具有CRF正则化损失的强大分割网络(BU-Netv2+P),用于精确定位叶片;
2) 一个针对有损压缩优化的基于超先验的自编码器;
3) 一个带有分层模型的扩展比特回溯编码器,用于实现完全无损的叶片重建。
此外,我们的ROI框架通过重用背景编码的比特来消除比特回溯编码中的顺序依赖性,从而实现并行化和高效的双模式压缩。据我们所知,这是第一个完全集成的基于学习的ROI编解码器,它结合了分割、有损和无损压缩功能,确保后续的缺陷检测不会受到影响。在大型风力涡轮机数据集上的实验表明,该框架具有出色的压缩性能和效率,为自动化检查提供了实用的解决方案。










相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号