Web of Science: 1 cites, Scopus: 1 cites, Google Scholar: cites
Editorial to special issue "remote sensing data compression"
Vozel, Benoit (University of Rennes 1. Engineering School of Applied Sciences and Technology)
Lukin, Vladimir (National Aerospace University. Department of Information and Communication Technologies)
Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)

Data: 2021
Resum: A huge amount of remote sensing data is acquired each day, which is transferred to image processing centers and/or to customers. Due to different limitations, compression has to be applied on-board and/or on-the-ground. This Special Issue collects 15 papers dealing with remote sensing data compression, introducing solutions for both lossless and lossy compression, analyzing the impact of compression on different processes, investigating the suitability of neural networks for compression, and researching on low complexity hardware and software approaches to deliver competitive coding performance.
Ajuts: Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-463
Agencia Estatal de Investigación RTI2018-095287-B-I00
Drets: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original. Creative Commons
Llengua: Anglès
Document: Editorial ; recerca ; Versió publicada
Matèria: Remote sensing data compression ; Lossless compression ; Lossy compression ; Compression impact ; Neural networks ; Computational complexity
Publicat a: Remote sensing (Basel), Vol. 13, Issue 18 (September 2021) , art. 3727, ISSN 2072-4292

DOI: 10.3390/rs13183727


5 p, 210.7 KB

El registre apareix a les col·leccions:
Articles > Articles de recerca
Articles > Articles publicats

 Registre creat el 2023-02-14, darrera modificació el 2024-02-28



   Favorit i Compartir