MarsQE: Semantic-Informed Quality Enhancement for Compressed Martian Image

失真图像压缩对于火星探测任务是必不可少的，因为地球和火星之间的带宽有限。然而，压缩可能会引入视觉伪影，从而使火星表面的地质分析变得复杂。现有的质量增强方法主要针对地球图像，对于火星图像来说，由于缺乏考虑火星独特语义的方法，这些方法不够适用。为了应对这一挑战，我们对火星图像进行了深入分析，基于语义得出了两个关键见解：纹理相似性的存在和火星图像中纹理表示的紧凑性。受这些发现的启发，我们引入了MarsQE，这是一种创新的、基于语义的、两阶段质量增强方法，专门针对火星图像设计。第一阶段涉及基于语义的匹配纹理相似的参考图像，第二阶段通过将这些参考图像的纹理模式转移到压缩图像中来增强图像质量。我们还开发了一个后增强网络，进一步减少压缩伪影，实现了卓越的压缩质量。我们广泛的实验表明，MarsQE在火星图像的质量增强方面显著优于现有的地球图像方法，为火星图像的质量增强建立了新的基准。

本论文旨在解决火星探测任务中由于地球与火星之间带宽有限，而进行的有损图像压缩可能会引入视觉伪影，从而干扰对火星表面的地质分析的问题。作者提出了一种火星图像质量增强的方法。

本文提出了一种新的、基于语义的火星图像质量增强方法MarsQE，通过两个阶段来实现：第一阶段是基于语义的纹理匹配，第二阶段是通过从参考图像中转移纹理模式来提高图像质量。此外，作者还开发了一个后增强网络来进一步减少压缩伪影。

该方法在广泛的实验中表现出显著的优越性，优于现有的地球图像质量增强方法，为火星图像质量增强建立了新的基准。值得关注的是，作者发现火星图像中存在纹理相似性和纹理表示的紧凑性，并基于这些发现提出了新的解决方案。

在这个领域中，最近还有一些相关的研究，例如：“Deep Learning-Based Image Super-Resolution: A Comprehensive Review”和“Image Quality Assessment: From Error Visibility to Structural Similarity”。