Web of Science: 2 citas, Scopus: 6 citas, Google Scholar: citas
Reduced-Complexity Multirate Remote Sensing Data Compression With Neural Networks
Mijares i Verdú, Sebastià (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Chabert, Marie (Université de Toulouse)
Oberlin, Thomas (Université de Toulouse)
Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)

Fecha: 2023
Resumen: One of the main limitations to the adoption of deep learning for image compression is the need to train multiple models to compress at multiple rates. In the case of onboard remote sensing data compression, another limitation is the computational cost of the neural networks. Addressing both limitations, this letter presents a new reduced-complexity architecture for multirate compression of remote sensing images. The proposed architecture enables compressing at a precise user-selected rate while keeping a competitive performance in lossy compression on different sets of remote sensing data. The proposed approach is amenable for onboard deployment.
Ayudas: Agència de Gestió d'Ajuts Universitaris i de Recerca 2021/SGR-00643
Agencia Estatal de Investigación PID2021-125258OB-100
Agencia Estatal de Investigación PRE2019-088824
Nota: Altres ajuts: acords transformatius de la UAB
Derechos: 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
Lengua: Anglès
Documento: Article ; recerca ; Versió publicada
Materia: Image coding ; Bit rate ; Computer architecture ; Remote sensing ; Modulation ; Transform coding ; Complexity theory
Publicado en: IEEE Geoscience and Remote Sensing Letters, Vol. 20 (October 2023) , art. 6011705, ISSN 1558-0571

DOI: 10.1109/LGRS.2023.3325477


5 p, 4.2 MB

El registro aparece en las colecciones:
Artículos > Artículos de investigación
Artículos > Artículos publicados

 Registro creado el 2024-01-23, última modificación el 2024-05-04



   Favorit i Compartir