摘要
高分辨率多光谱卫星图像蕴含丰富的语义信息，但其实时传输却受到有限的星地带宽以及动态信道条件的制约。传统的通信方案侧重于像素级重建，这不仅会导致较大的传输开销，而且在信道条件不佳时还会降低系统的稳定性。为解决这些问题，本文提出了一种面向遥感下游识别任务的端到端语义通信框架，即遥感语义传输架构（STARS）。针对高分辨率遥感图像中背景区域高度冗余的问题，该框架引入了语义特征重加权模块（SFRM），能够动态评估各特征的语义重要性，并将传输资源有针对性地分配给关键特征。此外，该架构还结合了向量量化技术和实用的数字传输流程，以实现高效的语义压缩；同时，在训练过程中会考虑信道的动态变化，从而提升系统在信道质量下降时的稳定性。在DOTA数据集上的实验结果表明，在莱斯衰落信道条件下，STARS的性能始终优于传统方案及现有的语义通信方法，充分证明了基于语义特征分配的策略在实现高分辨率图像高效传输方面的有效性。
