基于深度學(xué)習(xí)算法的衛(wèi)星遙感數(shù)據(jù)智能壓縮方法

趙泊寧

（黑龍江科技大學(xué)計(jì)算機(jī)與信息工程學(xué)院，黑龍江 哈爾濱 150022）

引言

衛(wèi)星遙感數(shù)據(jù)是遙感衛(wèi)星在太空實(shí)現(xiàn)監(jiān)測(cè)或者采集任務(wù)時(shí)所獲取的相關(guān)數(shù)值及信息。其是針對(duì)地球表面的物體，利用電磁波進(jìn)行掃描，在不同的位置形成波段反射提取出該物體的信息及識(shí)別圖像[1]。衛(wèi)星遙感數(shù)據(jù)量一般較為龐大，在運(yùn)輸?shù)倪^程中，需要分批次壓縮處理，以數(shù)據(jù)包的形式傳輸?shù)街付ǖ牡攸c(diǎn)上[2]。傳統(tǒng)的數(shù)據(jù)壓縮方法以文獻(xiàn)[6]和文獻(xiàn)[7]為例，所研究的全波形激光雷達(dá)波形數(shù)據(jù)無損壓縮方法和大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法在實(shí)際應(yīng)用時(shí)具有壓縮速度快，數(shù)據(jù)整合范圍廣等優(yōu)勢(shì)，在一定程度上提升了整體的數(shù)據(jù)處理效率和質(zhì)量，但是隨著衛(wèi)星遙感覆蓋范圍的擴(kuò)大，數(shù)據(jù)壓縮結(jié)果受到影響，對(duì)衛(wèi)星遙感數(shù)據(jù)的單位傳輸速率造成或多或少的阻礙。深度學(xué)習(xí)算法可以構(gòu)建更靈活多變的遙感數(shù)據(jù)壓縮結(jié)構(gòu)，可以針對(duì)性地對(duì)復(fù)雜數(shù)據(jù)作出應(yīng)變分類，從根源上確保壓縮數(shù)據(jù)的安全真實(shí)[3]。與此同時(shí)，深度學(xué)習(xí)算法可以更好地對(duì)數(shù)據(jù)進(jìn)行多維核定，利用專業(yè)設(shè)備捕捉電磁波的反射信號(hào)，并對(duì)異常區(qū)域做出標(biāo)記，實(shí)現(xiàn)衛(wèi)星遙感數(shù)據(jù)的同步壓縮，為后續(xù)的數(shù)據(jù)壓縮技術(shù)的創(chuàng)新奠定基礎(chǔ)[4]?；诖?，本文對(duì)基于深度學(xué)習(xí)算法的衛(wèi)星遙感數(shù)據(jù)智能壓縮方法進(jìn)行設(shè)計(jì)分析。

1 構(gòu)建衛(wèi)星遙感數(shù)據(jù)深度學(xué)習(xí)測(cè)算智能壓縮方法

1.1 遙感數(shù)據(jù)塊量化處理

由于衛(wèi)星遙感數(shù)據(jù)量十分龐大，需要在設(shè)定的周期之內(nèi)進(jìn)行數(shù)據(jù)的壓縮處理，便于后續(xù)傳輸工作的執(zhí)行。為提升整體的工作效率與質(zhì)量，一般會(huì)將所采集的數(shù)據(jù)以數(shù)據(jù)塊或者數(shù)據(jù)包的形式量化壓縮，避免出現(xiàn)誤差或者失真等問題的出現(xiàn)[5]?？梢韵劝凑贞P(guān)聯(lián)性程度對(duì)待壓縮數(shù)據(jù)進(jìn)行層次結(jié)構(gòu)上的劃分，設(shè)定數(shù)據(jù)排列集合，構(gòu)建數(shù)據(jù)塊的量化處理空間[6]。再利用專業(yè)的設(shè)備獲取衛(wèi)星遙感數(shù)據(jù)，匯總整合后進(jìn)行初步壓縮，篩選壓縮過程中較弱的關(guān)聯(lián)結(jié)構(gòu)，并測(cè)算出數(shù)據(jù)塊映射值，結(jié)合測(cè)算的數(shù)據(jù)塊映射值，劃定不同層級(jí)中遙感數(shù)據(jù)塊的映射距離與范圍，在不受到外界干擾的情況下，對(duì)數(shù)據(jù)的規(guī)劃處理設(shè)定制約行為標(biāo)準(zhǔn)，構(gòu)建多個(gè)智能量化數(shù)據(jù)塊壓縮程序，與基礎(chǔ)的執(zhí)行原理相融合，形成的量化處理結(jié)構(gòu)，在標(biāo)定的數(shù)據(jù)處理范圍之內(nèi)建立在候選基序列，計(jì)算出無線傳感遙感數(shù)據(jù)序列的相關(guān)次數(shù)，明確出數(shù)據(jù)塊量化深度學(xué)習(xí)的基序列，如公式（1）所示：

式中：A 表示固定基序列，f 表示量化處理次數(shù)，N 表示序列相關(guān)系數(shù)，c 表示壓縮距離，l 表示備選序列覆蓋范圍。利用得出的基序列劃定不同種類數(shù)據(jù)塊的量化情況，為后續(xù)的分層壓縮處理提供依據(jù)[7]。

1.2 確定壓縮稀疏度

壓縮稀疏度是指在數(shù)據(jù)獲取之后執(zhí)行壓縮任務(wù)過程中數(shù)據(jù)之間的壓縮間距，也是壓縮程序的間距[8]。利用無線傳感網(wǎng)絡(luò)獲取衛(wèi)星的遙感數(shù)據(jù)、信息，通過壓縮指令，將所獲取的數(shù)據(jù)進(jìn)行分類，依據(jù)壓縮的步驟。需要注意的是，需要在壓縮之前，設(shè)計(jì)壓縮層級(jí)，結(jié)合深度學(xué)習(xí)算法的測(cè)算形式，將同序列的數(shù)據(jù)聚集到一個(gè)分組之中，形成深度訓(xùn)練數(shù)據(jù)集，此時(shí)，可以將數(shù)據(jù)集通過平臺(tái)編制成壓縮指令，輸入至稀疏自動(dòng)編碼器中，通過遙感數(shù)據(jù)尋優(yōu)參數(shù)的變化，最終確定數(shù)據(jù)包的具體壓縮程度，此時(shí)，需要計(jì)算出稀疏懲罰項(xiàng)，具體如公式（2）所示：

式中：U 表示稀疏懲罰項(xiàng)，O 表示自適應(yīng)范圍，x1表示預(yù)設(shè)懲罰系數(shù)，x2表示實(shí)際懲罰系數(shù)，V 表示壓縮范圍，κ 表示等效傳感距離。通過上述方式最終可以得出實(shí)際的稀疏懲罰項(xiàng)。在不同的環(huán)境下，稀疏懲罰項(xiàng)相當(dāng)于一個(gè)動(dòng)態(tài)化的壓縮限制條件，利用深度學(xué)習(xí)算法對(duì)不同階段的壓縮稀疏度進(jìn)行測(cè)算，具體如公式（3）所示：

式中：D 表示壓縮稀疏度，? 表示標(biāo)定壓縮單元，e 表示壓縮次數(shù)，α 表示尋優(yōu)參數(shù)，結(jié)合測(cè)試得出的壓縮稀疏度，獲取不同階段的深度學(xué)習(xí)波動(dòng)比，進(jìn)行壓縮階段設(shè)定，最終確定壓縮稀疏度[9]。

1.3 設(shè)定智能數(shù)據(jù)壓縮周期

利用衛(wèi)星傳輸回的遙感數(shù)據(jù)及信息，結(jié)合深度學(xué)習(xí)算法設(shè)定具體的數(shù)據(jù)壓縮周期[10]。首先，進(jìn)行壓縮數(shù)據(jù)的歸類，這部分需要在數(shù)據(jù)范圍之內(nèi)布設(shè)一定數(shù)量的監(jiān)測(cè)節(jié)點(diǎn)，獲取實(shí)時(shí)的數(shù)據(jù)與信息。隨后結(jié)合深度學(xué)習(xí)算法中的回歸算法測(cè)定出壓縮偏差，具體如下公式（4）所示：

式中：L 表示壓縮偏差，δ 表示預(yù)設(shè)壓縮范圍，t 表示重疊壓縮范圍，η 表示數(shù)據(jù)包回歸堆疊間距，? 表示單向壓縮時(shí)間，t 表示稀疏度，z 表示壓縮次數(shù)。

結(jié)合得出的壓縮偏差對(duì)壓縮的程序及執(zhí)行標(biāo)準(zhǔn)進(jìn)行修正及調(diào)整，再根據(jù)深度學(xué)習(xí)中的回歸測(cè)算模式，對(duì)數(shù)據(jù)的傳輸時(shí)間做出對(duì)應(yīng)標(biāo)記，對(duì)簇頭監(jiān)測(cè)節(jié)點(diǎn)進(jìn)行調(diào)整，設(shè)置好數(shù)據(jù)的壓縮周期，在合理的范圍之內(nèi)利用執(zhí)行程序?qū)πl(wèi)星遙感數(shù)據(jù)進(jìn)行智能化周期性的處理，逐步完善壓縮結(jié)構(gòu)。

1.4 基于深度學(xué)習(xí)的遙感數(shù)據(jù)壓縮模型

衛(wèi)星遙感數(shù)據(jù)、信息的傳輸范圍一般是較為廣泛的，且在實(shí)際傳輸?shù)倪^程中數(shù)據(jù)壓縮工作的不穩(wěn)定性相對(duì)較強(qiáng)，嚴(yán)重的甚至?xí)?duì)數(shù)據(jù)造成損壞。因此，可以先將遙感數(shù)據(jù)中弱關(guān)聯(lián)集的映射活動(dòng)設(shè)定成動(dòng)態(tài)化的指令，由信息協(xié)議向智能壓縮數(shù)據(jù)體發(fā)出指令，形成關(guān)聯(lián)壓縮行為，采用深度學(xué)習(xí)處理模式，分析出數(shù)據(jù)的壓縮邏輯，具體如下：利用布設(shè)的節(jié)點(diǎn)，獲取壓縮模型的基礎(chǔ)框架，隨后，捕捉數(shù)據(jù)塊的關(guān)聯(lián)映射，形成一種邏輯壓縮連接關(guān)系，測(cè)算出可壓縮向量值，如公式（5）所示：

式中：d 表示映射結(jié)果，π 表示遙感數(shù)據(jù)集覆蓋范圍，b 表示步長(zhǎng)距離，μ 表示傳輸單向值。通過上述計(jì)算，最終可以得出實(shí)際的映射結(jié)果，將映射的結(jié)果與模型的數(shù)據(jù)壓縮標(biāo)準(zhǔn)融合，在深度學(xué)習(xí)測(cè)算的輔助之下，根據(jù)壓縮序列的變動(dòng)情況，在模型中設(shè)定不同的數(shù)據(jù)壓縮目標(biāo)。

以此為條件，限定遙感數(shù)據(jù)利用模型傳輸過程中的偏移情況，根據(jù)壓縮法則的具體標(biāo)準(zhǔn)設(shè)計(jì)動(dòng)態(tài)化執(zhí)行的物理壓縮指令。需要注意的是，所設(shè)計(jì)的指令并不是固定的，而是隨遙感數(shù)據(jù)變動(dòng)隨之改變，且遵循關(guān)聯(lián)性法則。在實(shí)際應(yīng)用過程中，可以先下達(dá)壓縮指令，確定具體的壓縮范圍之后對(duì)數(shù)據(jù)壓縮程序進(jìn)行重構(gòu)，獲取不同階段及環(huán)境下的弱關(guān)聯(lián)傳導(dǎo)系數(shù)，設(shè)立一階段導(dǎo)數(shù)和二階段導(dǎo)數(shù)，形成完整的壓縮限制標(biāo)準(zhǔn)，逐步構(gòu)建定向的數(shù)據(jù)結(jié)構(gòu)，進(jìn)一步完善壓縮模型的應(yīng)用能力，確保數(shù)據(jù)的壓縮效果。

1.5 深度解壓縮實(shí)現(xiàn)數(shù)據(jù)處理

解壓縮是對(duì)數(shù)據(jù)的一種分層級(jí)壓縮處理，結(jié)合深度學(xué)習(xí)算法構(gòu)建具體的壓縮矩陣。為此，先利用壓縮模型測(cè)定出不同階段下的遙感數(shù)據(jù)類別，采用分層解析的方式，測(cè)算出壓縮分類閾值，具體如公式（7）所示：

式中：g 表示壓縮分類閾值，y 表示遙感周期數(shù)據(jù)差，v表示堆疊壓縮結(jié)果，p 表示壓縮步長(zhǎng)值，E 表示壓縮次數(shù)。結(jié)合得出的壓縮分類閾值，可以構(gòu)建深度壓縮程序，隨后，利用測(cè)算規(guī)則對(duì)獲取的實(shí)時(shí)數(shù)據(jù)進(jìn)行方向解壓縮，搭配壓縮模型對(duì)遙感數(shù)據(jù)壓縮誤差進(jìn)行更好的控制，采用數(shù)據(jù)壓縮模型對(duì)監(jiān)測(cè)節(jié)點(diǎn)進(jìn)行調(diào)整和重新部署，利用深度解壓模式對(duì)所采集的遙感數(shù)據(jù)做出篩選及動(dòng)態(tài)化處理，測(cè)定出每一組數(shù)據(jù)之間的差值，觀測(cè)其是否處于合理范圍之內(nèi)，如果超出范圍，則需要重新壓縮處理，調(diào)整實(shí)際的壓縮模式及單元標(biāo)準(zhǔn)，設(shè)計(jì)更多元化的壓縮途徑，還要更改數(shù)據(jù)壓縮目標(biāo)及布設(shè)的監(jiān)測(cè)節(jié)點(diǎn)，測(cè)算出監(jiān)測(cè)間距，實(shí)現(xiàn)數(shù)據(jù)的同步壓縮處理，最終完成數(shù)據(jù)壓縮方法的設(shè)計(jì)和優(yōu)化。

2 方法測(cè)試

考慮到最終測(cè)試結(jié)果的真實(shí)可靠，選定三組相同大小的衛(wèi)星遙感傳輸?shù)臄?shù)據(jù)包作為測(cè)試的主要目標(biāo)對(duì)象，將本文方法與文獻(xiàn)[6]與文獻(xiàn)[7]方法進(jìn)行對(duì)比。首先，將預(yù)設(shè)的三組數(shù)據(jù)分別設(shè)定在控制平臺(tái)的壓縮程序之中，對(duì)衛(wèi)星下達(dá)對(duì)應(yīng)的數(shù)據(jù)監(jiān)測(cè)指令，獲取對(duì)應(yīng)周期之內(nèi)的實(shí)時(shí)應(yīng)變數(shù)據(jù)，再根據(jù)數(shù)據(jù)的壓縮處理需求及標(biāo)準(zhǔn)，在對(duì)應(yīng)位置部署一定數(shù)量的壓縮節(jié)點(diǎn)。隨后測(cè)定不同環(huán)境下遙感數(shù)據(jù)壓縮時(shí)間，具體見圖1所示。

圖1 測(cè)試遙感數(shù)據(jù)單位傳輸速率對(duì)比圖示

結(jié)合圖1 可以了解到與另外兩種方法相比，本文方法的遙感數(shù)據(jù)壓縮時(shí)間更短，且更加穩(wěn)定，基本上可以在2 s 內(nèi)的時(shí)間內(nèi)完成相關(guān)數(shù)據(jù)的壓縮，具有良好的遙感數(shù)據(jù)壓縮效率。接下來，測(cè)算出不同方法的壓縮數(shù)據(jù)單位傳輸速率，具體見表1 所示。

表1 測(cè)試結(jié)果對(duì)比分析表

根據(jù)表1 可知，相比于傳統(tǒng)方法，本文方法的壓縮數(shù)據(jù)單位傳輸速率更高，均控制在90 Mbps 以上，表明在實(shí)際應(yīng)用過程中，設(shè)計(jì)方法不僅可以保證壓縮速度，也可以提升傳輸速度，反過來可以證明設(shè)計(jì)方法的壓縮效果更佳，具有實(shí)際的應(yīng)用價(jià)值。

3 結(jié)論

以上便是基于深度學(xué)習(xí)算法的衛(wèi)星遙感數(shù)據(jù)智能壓縮方法的設(shè)計(jì)分析全過程。通過實(shí)驗(yàn)可知，本文在深度學(xué)習(xí)算法的輔助之下，可以更精準(zhǔn)、完整地對(duì)衛(wèi)星遙感所傳回的數(shù)據(jù)進(jìn)行處理和壓縮，在復(fù)雜的數(shù)據(jù)整合環(huán)境之下建立深度測(cè)算矩陣，幫助數(shù)據(jù)進(jìn)行多維分類，增加數(shù)據(jù)壓縮過程中的可靠性與真實(shí)性，具有一定應(yīng)用價(jià)值。