基于累积分布函数的端到端深度学习卫星图像压缩方法

《PLOS One》：An end-to-end deep learning image compression method for satellite images based on entropy model

　　

随着卫星图像数据在环境监测与地理测绘中的广泛应用，数据量迅速增长，为图像传输与存储带来巨大挑战。现有图像压缩方法在处理高分辨率、多光谱卫星数据时，常因泛化能力不足导致压缩效率低或重建质量差。研究人员提出一种面向可见红外成像辐射计套件（Visible Infrared Imaging Radiometer Suite, VIIRS）卫星图像的端到端深度学习图像压缩框架，该框架由分析变换编码器、合成变换解码器、混合训练-测试量化器及用于熵编码的概率模型组成。在基于高斯混合熵模型下，构建累积分布函数（Cumulative Distribution Function, CDF）以计算量化潜变量符号的离散似然，并将其与棋盘格上下文结构及面向VIIRS的块处理流水线集成。基于NASA VIIRS多光谱数据集的系统实验表明，所提方法达到0.51±0.04 bpp、38.39±0.72 dB峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）及0.973±0.007结构相似性指数（Structural Similarity Index, SSIM）；相较ELIC与Transformer-CNN基线，bpp分别降低13.6%与10.5%，PSNR分别提升0.78 dB与0.61 dB；数据量压缩至原始大小的约1.5%?4%，平均压缩比约30:1。为适配高分辨率卫星图像处理需求，进一步提出块压缩策略，将大幅面图像划分为256×256像素子块独立压缩，经解压与拼接实现完整重建。

研究背景方面，卫星图像数据作为现代遥感技术重要产物，在农业监测、城市规划、灾害预警等领域发挥核心支撑作用。以气象卫星系统为例，其搭载全景、多光谱与高光谱传感器，覆盖紫外至红外波段，单星每轨传输可达1.2 TB，风云系列每日多光谱数据超500 TB。数据爆发式增长使传统压缩技术面临严峻挑战：一方面，几何校正与辐射定标等预处理在大体量数据流下计算代价难以承受，如小波变换在8:1压缩比下使海温前沿检测精度下降约29%；另一方面，传统方法依赖专家设计的经验特征，泛化受限，JPEG2000在1/8体积压缩下造成植被覆盖等定量分析特征信息损失达17.3%，且无法适应遥感图像空间异质性（城乡有效信息密度差可达5.6倍）。通用深度学习模型直接迁移亦遇瓶颈，自然图像训练的熵模型难以拟合遥感图像高度非平稳像素分布（如极光辐射强度特定区间概率密度可达普通自然场景7.8倍），导致建筑边缘平均位移3.2像素。因此，探索自适应空间变化的智能压缩范式成为突破瓶颈的迫切需求。

研究人员开展的研究为：提出一种面向VIIRS卫星图像的端到端深度学习图像压缩框架（ICMDL），并在《PLOS One》发表。该框架集成分析变换编码器（g_a）、合成变换解码器（g_s）、混合训练-测试量化器、超先验变换（h_a、h_s）、上下文模型与熵编解码器。编码器融合残差瓶颈块（通道经1×1卷积压缩至1/4再3×3卷积提取特征后恢复）、简化注意力模块（通道注意力经全局平均池化与全连接实现，空间注意力经通道均值与最大值融合）与5×5卷积下采样；解码器对称使用反卷积与上采样。量化阶段训练时加均匀噪声模拟量化（保证梯度可导），测试时切换为均匀标量四舍五入。熵模型采用CDF引导的高斯混合离散似然估计：对量化区间[k-0.5, k+0.5]积分连续密度，单高斯分量概率由标准高斯CDF差值计算，混合模型取各分量加权和；上下文结构选用棋盘格掩码卷积实现并行概率估计；算术编码将符号序列映射至[0,1)区间实数并输出二进制码流。针对大幅面图像，采取256×256子块独立压缩与拼接重建策略。基于NASA Earthdata的VIIRS数据集（HDF5格式，提取M3/M4/M5波段对应RGB，反射率经尺度与偏差校正，裁剪为256×256），在RTX 4090上以PyTorch训练300 epoch，λ取5档速率-失真权衡。

主要关键技术方法概括：研究人员采用NASA VIIRS多光谱HDF5数据，提取M3、M4、M5波段（对应人眼RGB）并归一化至[0,1]，统一裁为256×256三通道块；构建端到端ICMDL网络，编码器含三级5×5下采样卷积（通道128/192/256）与各阶段残差瓶颈块及简化注意力，潜通道192，超先验通道128；量化采用训练加噪、测试四舍五入的混合策略；熵模型为三分量高斯混合，以CDF差分算离散似然，配5×5棋盘格掩码上下文；优化目标为MSE损失结合速率项，Adam优化器余弦退火；评测对比PNG、JPEG、JPEG2000、CCSDS 123.0-B-1及Ballé、Minnen、Cheng、ELIC、Transformer-CNN等基线，指标含bpp、PSNR、SSIM、MSE、编解码时间。

研究结果部分，各小节结论如下。

1. 2.
   Image Compression Model based on Deep Learning (ICMDL)：框架由g_a、g_s、量化器、h_a/h_s、上下文与熵CoDec组成，端到端以MSE为损失、Adam优化。编码器经多级卷积池化压缩空间维，解码器反卷积上采样恢复；超先验分支由h_a提取z=h_a(y)、量化z'作边信息，h_s由z'预测y'分布参数（均值/尺度/混合参数），供算术编码。2.1节表明残差瓶颈块以1×1卷积压缩通道至1/4、3×3提取空间特征再1×1恢复，计算量降75%且缓解梯度消失；简化注意力含通道与空间双加权，去非局部块后训练时间降30%仍优于无注意力基线。2.2节解码器对称于编码器，含反卷积与ResBlock、Attention，实现低维潜空间到高维图像映射。2.3节混合量化训练加均匀噪声u∈[-0.5,0.5]（y~=y+u）、测试取round(y)，解决硬量化零梯度问题。
2. 3.
   Entropy model of end-to-end image compression：3.1节对比因子分解、超先验、联合自回归-超先验、高斯混合四类熵模型，选用高斯混合；离散概率p(k)=Σ_cw_c(Φ((k+0.5-μ_c)/σ_c)-Φ((k-0.5-μ_c)/σ_c))，Φ为标准高斯CDF。3.2节算术编码按累积概率区间迭代缩窄[0,1)区间获码流。3.3节棋盘格上下文以二值掩码乘卷积核，使奇偶位交错依赖，支持并行概率估计，较串行结构在大量patch下编解码时间显著更低。3.4节实现细节：量化整型符号→预测混合权重/均值/标准差→CDF差分算似然→截断保稳→归一累计频次表→算术编码，码流存y'、z'、边信息与块位置元数据。
3. 4.
   Experimental evaluation：4.1节HDF5经h5py解析VIIRS_GRID_1km_2D与500m_2D，取M3/M4/M5反射率与QF质量位，原图1200×1200裁256×256。4.2节训练300 epoch，batch 16，λ∈{0.0018,0.0035,0.0067,0.0130,0.0250}，RTX 4090单卡。4.3节Table 2显示熵模型压缩后体积约为原图1/10，压缩率约90%，较PNG/JPEG平均效率升37.82%/25%；Table 3显示0.51±0.04 bpp、38.39±0.72 dB PSNR、0.973±0.007 SSIM、MSE 1.45e-4，较JPEG2000省bpp 60.2%、PSNR升3.24 dB、SSIM升0.032；较ELIC省bpp 13.6%升PSNR 0.78 dB，较Transformer-CNN省10.5%升0.61 dB；编解码速度快于JPEG2000/ELIC/Transformer-CNN。4.4节消融：去残差瓶颈bpp升13.7% PSNR降0.78 dB；去注意力PSNR降0.57 dB SSIM降0.005；单高斯替混合bpp升至0.61 PSNR降至37.34 dB；串行上下文较棋盘格PSNR仅高0.05 dB但编解码时间增60%/82%。

讨论与结论部分原文总结：研究人员指出，所提CDF引导高斯混合似然与棋盘格上下文在VIIRS块上较现代学习压缩基线仍提供额外增益，框架在速率-失真-耗时间取得有利折衷。当前局限在于GB级图像须切块至256×256再拼回，效率受限。结论为ICMDL框架在VIIRS图像上取得所有对比方法中最优整体速率-失真平衡；未来工作将探索直接大场景压缩、边界感知拼接、开源代码与权重。论文发表于《PLOS One》。