融合潜空间扩散与残差补偿的遥感图像压缩实验设计OA

针对遥感图像在低码率压缩过程中易出现量化失真与纹理细节丢失、难以兼顾率失真与感知质量的问题,提出一种基于生成式建模的遥感图像压缩方法,并完成配套实验设计与验证。方法引入自适应卷积以增强对多尺度地物与复杂纹理的动态表征能力;在潜在空间中融合扩散模型进行生成式建模,以丰富潜变量分布表达并提升重建一致性;同时加入残差预测模块对量化误差进行显式补偿,进一步减弱量化噪声带来的伪影与细节损失。以DOTA与UC-Merced数据集为对象,采用峰值信噪比、多尺度结构相似性、感知相似度与每像素比特数进行评估。在0.15 bpp条件下,该方法于DOTA数据集上取得上述参数依次为32.12 dB、15.32 dB与0.32;相较ELIC,峰值信噪比提升1.1 dB、多尺度结构相似性提高1.74 dB、感知相似度降低0.04。结果表明,该方法在不同场景与码率设置下均优于多种现有基线,具有良好泛化能力。