基于3D卷积集与因果熵模型的高光谱图像压缩网络及压缩方法

本发明公开了一种基于3D卷积集与因果熵模型的高光谱图像压缩网络及压缩方法，主要解决现有技术对无法联合提取并平衡高光谱图像空谱特征、熵模型依赖固定因果关系的问题。其包括基于3D卷积集的编码器、基于3D卷积集的非对称解码器、超先验编、解码器及上下文因果自适应熵模型。所述编码器包括3D卷积集注意力残差块、光谱自注意力模块和卷积模块，用于将输入转换成潜在特征，平衡空谱特征；所述非对称解码器包括3D卷积集注意力残差块、上采样3D卷积集模块、光谱自注意力模块和卷积模块，用于将潜在特征恢复为图像；超先验编码器包括卷积层和激活层，用于提取编码器输出的统计信息；该网络训练后可实现对高光谱图像有损压缩。本发明能提高图像空间及光谱重建质量，降低编码所需比特数，可用于环境监测及资源勘探。