利用采样和隐式神经表示的高光谱图像压缩
原文中文，约500字，阅读约需2分钟。发表于：。基于隐式神经表示的多层感知器网络在高光谱图像压缩中充当压缩编码器，通过对每个像素位置进行评估以重建原始图像，并通过采样方法来降低压缩时间，实验证明该方法在低比特率下比 JPEG、JPEG2000 和 PCA-DCT 实现更好的压缩性能，与学习方法如 PCA+JPEG2000、FPCA+JPEG2000、3D DCT、3D DWT+SVR 以及 WSRC 相比，采样方法也获得了更好的速度和性能。
本研究使用具有特定块大小的HSI立方体提取中心像素的空间-光谱特征表示，通过引入空间过拟合问题和多视图变换器，提高了HSI分类的性能。实验结果表明，该方法在三个HSI数据集上都取得了优越的性能。
