Convolutional variational autoencoders for secure lossy image compression in remote sensing

遥感数据的容量正在快速增长，主要是由于配备了各种传感器的空间和空中平台的大量增加。由于硬件和电池的限制，数据被传回地球进行处理。大量的数据以及安全问题需要新的压缩和加密技术，能够在最小化数据传输成本的同时保持重建质量。本研究调查了基于卷积变分自编码器（CVAE）的图像压缩，CVAE能够大幅度减少传输数据的容量，同时保证安全的有损图像重建。在压缩基准数据集上，CVAE已经被证明比传统的压缩方法如JPEG2000表现出更好的性能。所提出的模型利用了CVAE将数据抽象为高度深入的潜在空间的优势，结合使用熵瓶颈，能够找到压缩和重建质量之间的最佳平衡。这种平衡是通过优化代表速率失真曲线的复合损失函数来实现的。

论文试图解决如何压缩和加密遥感图像数据以减少传输成本和保证重建质量的问题。

论文提出了一种基于卷积变分自编码器（CVAE）的图像压缩方法，通过抽象数据到潜在空间并结合熵瓶颈来达到压缩和重建质量的最佳平衡。

论文使用CVAE方法在压缩基准数据集上实现了比JPEG2000更好的效果，并提出了一种优化复合损失函数的方法来平衡速率失真曲线。论文还讨论了该方法在遥感图像数据上的应用，并提供了开源代码。

相关研究包括基于深度学习的图像压缩方法，如基于神经网络的自适应图像压缩和基于生成对抗网络的图像压缩等。