CN115022253A - 基于北斗三代卫星短报文和人工智能的图像传输方法 - Google Patents
基于北斗三代卫星短报文和人工智能的图像传输方法 Download PDFInfo
- Publication number
- CN115022253A CN115022253A CN202210582742.4A CN202210582742A CN115022253A CN 115022253 A CN115022253 A CN 115022253A CN 202210582742 A CN202210582742 A CN 202210582742A CN 115022253 A CN115022253 A CN 115022253A
- Authority
- CN
- China
- Prior art keywords
- image
- image data
- packet
- beidou
- data packet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 63
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 230000001360 synchronised effect Effects 0.000 claims abstract description 5
- 238000004806 packaging method and process Methods 0.000 claims abstract description 4
- 230000006835 compression Effects 0.000 claims description 55
- 238000007906 compression Methods 0.000 claims description 55
- 238000012790 confirmation Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000000547 structure data Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000013507 mapping Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/38—Flow control; Congestion control by adapting coding or compression rate
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/90—Buffering arrangements
- H04L49/9057—Arrangements for supporting packet reassembly or resequencing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
- H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及一种基于北斗三代卫星短报文和人工智能的图像传输方法,其包括以下步骤:1)、发送端选取待发送图像并对其进行压缩,形成原始压缩图像;2)、发送端根据北斗三代卫星短报文长度限制和北斗三代卫星短报文协议,拆分原始压缩图像,形成多个拆分后的原始压缩图像子集;3)、发送端对拆分后的原始压缩图像子集进行组包从而形成多个图像数据包,组包后按顺序对图像数据包进行发送;4)、接收端逐个接收来图像数据包,实行同步应答机制,并按顺序对图像数据包进行还原,形成还原压缩图像;5)、接收端采用人工智能图像增强技术对还原压缩图像进行图像增强处理。其能减少图像整体传输时间,提高传输图像质量,且成本低。
Description
技术领域
本发明属于北斗卫星通信应用技术领域,涉及一种基于北斗三代卫星短报文和人工智能的图像传输方法
背景技术
在北斗卫星通信应用技术领域,北斗系统展现出了良好的性能。北斗三代卫星具备导航定位和通信数传两大功能,可提供定位导航授时、全球短报文通信、区域短报文通信、国际搜救、星基增强、地基增强、精密单点定位共7类服务,是功能强大的全球卫星导航系统。
北斗系统的特点之一是同时具备定位与通讯功能,无需其他通讯系统支持,能够实现北斗用户间的双向短报文通信。北斗三代卫星短报文通信服务进行了升级拓展,区域通信能力达到每次14000比特(1000汉字),全球通信能力达到每次560比特(40个汉字)。服务频度,全球短报文通信最快1min每次,区域短报文通信为30s每次,最快1s每次。然而,根据通讯服务频度和数据量,现有方法仍然不能实现经济成本低且快速的传输高清图像。具体原因如下:
1、目前北斗短报文传输过程中存在不稳定、容易丢包的问题。
2、现有的图像传输方法不采用压缩图像,这样会带来随着图像分辨率和清晰度越高,图像数据量急剧增大,传输图像的时间也变得很长的问题。
3、现有的图像传输方法只采用图像压缩传输,压缩率越高传输图像过程耗时越短,但这样会带来随着图像压缩率的增加接收到的图像质量清晰度也越低,影响用户观感的问题。
4、现有的图像传输方法采用多卡终端并行发送图像数据,这样虽然整体减少了图像传输时间,但是相对于高清图像,减少的传输时间仍然有限,且带来经济成本高的问题。
因此,现有技术中需要一种减少图像整体传输时间的方法,来处理北斗短报文图像传输问题,并且需要一种针对压缩图像人工智能增强处理技术,来提高传输图像质量,并且成本低。
发明内容
本发明的目的在于克服现有技术中存在的缺点,提供一种基于北斗三代卫星短报文和人工智能的图像传输方法,其能减少图像整体传输时间,提高传输图像质量,且成本低。
为了实现上述目的,本发明提供如下技术方案:
一种基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,包括以下步骤:
1)、发送端选取待发送图像并对所述图像进行压缩处理,形成原始压缩图像;
2)、发送端根据北斗三代卫星短报文长度限制和北斗三代卫星短报文协议,拆分所述原始压缩图像,形成多个拆分后的原始压缩图像子集;
3)、发送端对所述拆分后的原始压缩图像子集进行组包从而形成多个图像数据包,组包后按顺序对所述图像数据包进行发送;
4)、接收端逐个接收来自发送端的所述图像数据包,实行同步应答机制进行应答确认,并按顺序对所述图像数据包进行还原,形成还原压缩图像;
5)、接收端采用人工智能图像增强技术对所述还原压缩图像进行图像增强处理,并显示增强处理后的图像。
优选地,所述步骤1)中,对所述图像进行压缩处理的方式包括:压缩图像质量和/或压缩图像尺寸。
优选地,所述步骤3)具体包括:
3.1)获取所述原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤1)中采用的对所述图像进行压缩处理的方式及压缩率,将这些信息组成首个图像数据包;
3.2)、将每个所述拆分后的原始压缩图像子集加上包头部结构数据组成一个整包作为后续图像数据包,其中,各个所述后续图像数据包符合北斗服务数据量限制;
3.3)、按顺序将所述首个图像数据包和各个所述后续图像数据包放入发送队列,按顺序进行发送。
优选地,所述包头部结构数据包括起始标记、数据长度、包序号和包总数。
优选地,所述步骤3.3)中,在发送所述首个图像数据包和各个所述后续图像数据包的过程中,发送端每发送一个图像数据包均对是否在设定时间内收到接收端返回的应答确认包进行确认,如收到,将当前图像数据包出队删除,继续发送下一图像数据包,如未收到,则重新发送上一图像数据包;并且,单个图像数据包重发次数超过设定值后,或者发送队列为空后,停止发送。
优选地,所述步骤4)具体包括:
4.1)、接收端接所述首个图像数据包并解析,根据包序号判断当前图像数据包是首个图像数据包还是后续图象数据包,并向发送端发送应答确认包;
4.2)、接收端解析所述首个图像数据包,以获得原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤1)中采用的对所述图像进行压缩处理的方式和压缩率;
4.3)、接收端解析所述后续图像数据包内的拆分后的原始压缩图像子集,再根据包序号和包总数数判断图像数据包是否已完整接收,完整接收后结合所述首个图像数据包内的原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤1)中采用的对所述图像进行压缩处理的方式和压缩率重建原始压缩图像,形成还原压缩图像。
优选地,如果所述步骤1)中采用的对所述图像进行压缩处理的方式为压缩图像尺寸,则所述步骤5)具体为:根据所述首个图像数据包中的图像尺寸压缩率,采用人工智能图像无损放大技术放大所述还原压缩图像,以将其尺寸放大至压缩前的图像原有尺寸大小。
优选地,所述人工智能图像无损放大技术为深度卷积神经网络。
优选地,如果所述步骤1)中采用的对所述图像进行压缩处理的方式为压缩图像质量,则所述步骤5)具体为:根据所述首个图像数据包中的图像质量压缩率,采用人工智能图像清晰度增强技术增强所述还原压缩图像的图像质量和图像清晰度,以将其质量增强至压缩前的图像原有质量。
优选地,所述人工智能图像清晰度增强技术为深度卷积神经网络。
与现有技术相比,本发明的基于北斗三代卫星短报文和人工智能的图像传输方法具有如下有益技术效果中的一者或多者:
1、其在传输图像前先采用图像压缩技术压缩图像,解决了北斗三代卫星短报文通讯带宽小和高清图像数据量大的矛盾。
2、其在传输数据过程中采用同步应答机制,解决了北斗三代卫星短报文传输过程中存在不稳定、容易丢包的问题。
3、其在传输完成后接收端采用人工智能图像增强技术进行增强处理,解决了传输前因压缩图像造成的图像质量降低,用户观感不良问题。
4、其发送和接收端只需采用单卡即可实现,且两端可以互发图像,解决了现有方法中为了增加图像传输速度采用多卡终端造成的经济成本高的问题。
附图说明
图1为本发明的基于北斗三代卫星短报文和人工智能的图像传输方法的整体流程示意图。
图2为本发明的基于北斗三代卫星短报文和人工智能的图像传输方法的发送端的流程示意图。
图3为本发明的基于北斗三代卫星短报文和人工智能的图像传输方法的接收端的流程示意图。
图4为本发明的基于北斗三代卫星短报文和人工智能的图像传输方法的发送端的首个图像数据包的数据结构示意图。
图5为本发明的基于北斗三代卫星短报文和人工智能的图像传输方法的发送端的后续图像数据包的数据结构示意图。
图6为本发明的基于北斗三代卫星短报文和人工智能的图像传输方法的接收端的应答确认包的数据结构示意图。
图7为本发明采用的深度学习卷积神经网络的模型参数结构图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,实施例的内容不作为对本发明的保护范围的限制。
本发明提供一种基于北斗三代卫星短报文和人工智能的图像传输方法,该方法可以解决北斗短报文传输图像耗时长,无法保证传输图像质量,且成本高的问题,为后续北斗短报文传输图像提供了一种新的思路。
图1示出了本发明的基于北斗三代卫星短报文和人工智能的图像传输方法的整体流程示意图。如图1所示,本发明的基于北斗三代卫星短报文和人工智能的图像传输方法包括以下步骤:
一、发送端选取待发送图像并对所述图像进行压缩处理,形成原始压缩图像。
其中,对所述图像进行压缩处理的方式包括:压缩图像质量和/或压缩图像尺寸。
优选地,可以采用OpenCV对图像进行压缩。
二、发送端根据北斗三代卫星短报文长度限制和北斗三代卫星短报文协议,拆分所述原始压缩图像,形成多个拆分后的原始压缩图像子集。
三、发送端对所述拆分后的原始压缩图像子集进行组包从而形成多个图像数据包,组包后按顺序对所述图像数据包进行发送。
具体地,其包括以下步骤:
3.1、获取所述原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤一中采用的对所述图像进行压缩处理的方式及压缩率,将这些信息组成首个图像数据包。
在本发明中,如图4所示,所述首个图像数据包的数据结构为:起始标记,其占2个字节;数据长度,其占2个字节;包序号,其占2个字节;包总数,其占2个字节;图像质量压缩率,其占1个字节;图像尺寸压缩率,其占1个字节;图像类型,其占一个字节;发送端服务频度,其占1个字节;发送端服务数据量,其占2个字节;图像名称长度,其占1个字节;图像名称,其占N个字节,其中N最大为1750-15=1735。
3.2、将每个所述拆分后的原始压缩图像子集加上包头部结构数据组成一个整包作为后续图像数据包。其中,各个所述后续图像数据包符合北斗服务数据量限制。
其中,所述包头部结构数据包括起始标记、数据长度、包序号和包总数。这样,如图5所示,所述后续图像数据包的数据结构为:起始标记,占2个字节;数据长度,占2个字节;包序号,占2个字节;包总数,占2个字节;数据,占N个字节,其中,N=1750-8=1742。
3.3、按顺序将所述首个图像数据包和各个所述后续图像数据包放入发送队列,按顺序进行发送。
其中,在本发明中,除了首个图像数据包和最后一个图像数据包外,其余各图像数据包的数据量达到服务数据量上限,以节省图像发送的次数。
并且,在发送所述首个图像数据包和各个所述后续图像数据包的过程中,发送端每发送一个图像数据包均对是否在设定时间内收到接收端返回的应答确认包进行确认。如收到,将当前图像数据包出队删除,继续发送下一图像数据包;如未收到,则重新发送上一图像数据包;并且,单个图像数据包重发次数超过设定值后,或者发送队列为空后,停止发送。
四、接收端逐个接收来自发送端的所述图像数据包,实行同步应答机制进行应答确认,并按顺序对所述图像数据包进行还原,形成还原压缩图像。
具体地,其包括以下步骤:
4.1、接收端接收所述首个图像数据包并解析。其中,根据包序号判断当前图像数据包是首个图像数据包还是后续图象数据包,并向发送端发送应答确认包。
在本发明中,优选地,如图6所示,所述应答确认包的数据结构为:起始标记,占2个字节;数据长度,占2个字节;包序号,占2个字节;接收端服务频度,占2个字节;接收端服务数据量,占2个字节。
4.2、接收端解析所述首个图像数据包,以获得原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤一中采用的对所述图像进行压缩处理的方式和压缩率。
4.3、接收端解析所述后续图像数据包内的拆分后的原始压缩图像子集,再根据包序号和包总数数判断图像数据包是否已完整接收,完整接收后结合所述首个图像数据包内的原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤一中采用的对所述图像进行压缩处理的方式和压缩率重建原始压缩图像,形成还原压缩图像。
五、接收端采用人工智能图像增强技术对所述还原压缩图像进行图像增强处理,并显示增强处理后的图像。
其中,如果所述步骤一中采用的对所述图像进行压缩处理的方式为压缩图像尺寸,则所述步骤五具体为:根据所述首个图像数据包中的图像尺寸压缩率,采用人工智能图像无损放大技术放大所述还原压缩图像,以将其尺寸放大至压缩前的图像原有尺寸大小。
所述人工智能图像无损放大技术为深度卷积神经网络。
如果所述步骤一中采用的对所述图像进行压缩处理的方式为压缩图像质量,则所述步骤五具体为:根据所述首个图像数据包中的图像质量压缩率,采用人工智能图像清晰度增强技术增强所述还原压缩图像的图像质量和图像清晰度,以将其质量增强至压缩前的图像原有质量。
所述人工智能图像清晰度增强技术为深度卷积神经网络。
卷积神经网络SRCNN(Super-Resolution Convolutional Neural Network)是深度学习在图像超分辨率重建上的开山之作,通过采用卷积神经网络可以实现低分辨率到高分辨率图像之间端到端的映射。对于一个低分辨率的图像,首先采用双三次插值(bicubic)将低分辨率图像放大成目标尺寸,接着通过三层卷积网络拟合非线性映射,最后输出高分辨率图像结果。其中,模型参数结构图如图7所示。
其中,采用卷积神经网络对图像进行重建包括以下三个步骤:
1、图像块的提取和特征表示。
2、特征非线性映射。
3、图像最终的重建。
三个卷积层使用的卷积核的大小分为为9乘9,,1x1和5x5,前两个的输出特征个数分别为64和32。用Timofte数据集(包含91幅图像)和ImageNet大数据集进行训练。使用均方误差(Mean Squared Error,MSE)作为损失函数,以便获得较高的PSNR。
具体流程如下:
1.图像块的提取和特征表示(Patch extraction and representation)
先将低分辨率图像使用双三次(实际上,bicubic也是一个卷积的操作,可以通过卷积神经网络实现)插值放大至目标尺寸(如放大至2倍、3倍、4倍,属于预处理阶段),此时仍然称放大至目标尺寸后的图像为低分辨率图像(Low-resolution image)。从低分辨率输入图像中提取图像块,组成高维的特征图。
2.特征非线性映射(Non-linear mapping)
第一层卷积:卷积核尺寸9×9(f1×f1),卷积核数目64(n1),输出64张特征图;
第二层卷积:卷积核尺寸1×1(f2×f2),卷积核数目32(n2),输出32张特征图。
这个过程实现两个高维特征向量的非线性映射。
3.图像最终的重建(Reconstruction)
第三层卷积:卷积核尺寸5×5(f3×f3),卷积核数目1(n3),输出1张特征图即为最终重建高分辨率图像。
4,损失函数Loss Function(Mean Squared Error(MSE))
即n张重构的结果与真实图像的均方误差MSE,估计超参为重构的结果。
由此可知,在本发明的基于北斗三代卫星短报文和人工智能的图像传输方法涉及到发送端和接收端。其中,如图2所示,所述发送端的流程如图2所示,所述接收端的流程如图3所示。
下面,以一个具体的实施例详细描述本发明的基于北斗三代卫星短报文和人工智能的图像传输方法具体是如何实现的。
本实例以一张高清分辨率(1280*720)的彩色风景图像为例,查看图像文件数据大小为164797字节,图像格式为jpg,名称为test1。
首先,采用OpenCV对图片进行压缩,压缩方式有图像质量压缩和图像尺寸压缩,或者二者的组合。本实例先压缩原图的尺寸,采用等比压缩大小至原来的50%,压缩后查看图像的分辨率(640*320),数据大小为86257字节;然后再将尺寸压缩后的图片进行质量压缩,质量压缩率设置为50%,压缩后查看图像为8242字节,命名为test2.jpg。此处的质量压缩率可灵活调节设置,质量压缩率越高,压缩后的图像数据量越小,但是也随之带来清晰度越低的问题。经过反复试验测试,发现质量压缩率设置在50%左右较为合理,压缩后的图像数据量能缩减20倍左右,且图像清晰度在现有人工智能合理的清晰化增强处理能力范围之内。
其次,本实例收发端均采用单卡终端,双方通过区域短报文通讯,服务数据量为14000比特,服务频度为1s/次。发送流程如图2所示。如图4所示,组数据包首包。如图5所示,将压缩后的图像数据拆分,加上包头数据结构组成后续包,再将所有数据包按顺序放入发送队列。其中,计算每包字节数上限:14000/8=1750字节,图4内包头部数据结构占:2+2+2+2=8字节,剩余数据所占空间:1750-8=1742字节。压缩后的图像共拆分出数据包个数:8242/1742=4.7,因此应该为5个数据包。拆分图像数据时除开最后一个数据包外,其余数据包均按通讯服务数据量上限1750字节填充。由此,加上首包,共6个数据包。
本例中发送队列中首包数据结构为:起始标记-0xFFFF,数据长度-20,包序号-1,包总数-6,图像质量压缩率-50,图像尺寸压缩率-50,图像类型-1(约定1代表jpg,2代表png,…),发送端服务频度-1(约定1代表区域短报文,2代表全球短报文),发送端服务数据量-1750,图像名称长度-5,图像名称-test2。
队列第二个数据包数据结构:起始标记-0xFFFF,数据长度-1750,包序号-2,总包数-6,数据-xxx(xxx代表从test2.jpg压缩图像拆分出的二进制数据)。后续类似。
发送数据从第一个包开始,按顺序发送,每包数据发送完成后,开启1秒定时器,若1秒内未收到接收端回复应答包确认,则继续重复发送该包,若收到应答包确认则删除该包数据,继续发送下一个数据包,重发次数超过预设值5次后终止发送。此处预设值可以根据用户需要灵活设置,定时器时长也可以灵活设置但不应小于北斗服务频度。
接收端的接收流程如图3所示,接收端实时监听通讯接口有无数据接收。将接收到的当前数据包进行解析,如图4、图5所示,根据起始标记是否为0xFFFF判断是否为发送端传输的图像数据,根据解析出的包序号判断当前包是第几个发送包,并采用该序号组回复数据包,及时发送,以应答确认,例如首包回复确认包为:起始标记-0xFFFE,数据长度-10,包序号-1,接收端服务频度-1,接收端服务数据量-1750。当解析当前序号为1时,清空接收队列,并且解析出图像名称-test2,图像类型1-jpg,图像质量压缩率50%,图像尺寸压缩率50%。当解析当前数据包序号大于1时为后续数据包,根据包长度和包头数据结构长度截取所发送压缩图像数据,并将数据按顺序放入接收队列。当解析出当前包序号和包总数相等时,即可判断为当前图像整个接收完成,用图像名称、类型和队列中的所有图像数据创建原始压缩图像。
最后,根据完整接收的原始图像和压缩信息,采用人工智能图像增强技术处理原始压缩图像。本例中接收图像的尺寸压缩率和质量压缩率均为50%,所以接下来采用人工智能图像增强技术将接收后的原始压缩图像无损放大2倍,再采用人工智能图像超清化处理接收图片。处理完成后显示图片。具体采用卷积神经网络SRCNN(Super-ResolutionConvolutional Neural Network)实现,“test2.jpg 2output”作为人工智能模型的输入参数,test2.jpg代表接收的原始压缩图像,2代表模型参数代表图像尺寸放大2倍,output.jpg代表处理后输出文件名,经过几秒钟后查看人工智能处理后的图片,大小为770,634字节,分辨率为1280*720,显示画质清晰,细腻,与原图基本一致,观感良好。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,包括以下步骤:
1)、发送端选取待发送图像并对所述图像进行压缩处理,形成原始压缩图像;
2)、发送端根据北斗三代卫星短报文长度限制和北斗三代卫星短报文协议,拆分所述原始压缩图像,形成多个拆分后的原始压缩图像子集;
3)、发送端对所述拆分后的原始压缩图像子集进行组包从而形成多个图像数据包,组包后按顺序对所述图像数据包进行发送;
4)、接收端逐个接收来自发送端的所述图像数据包,实行同步应答机制进行应答确认,并按顺序对所述图像数据包进行还原,形成还原压缩图像;
5)、接收端采用人工智能图像增强技术对所述还原压缩图像进行图像增强处理,并显示增强处理后的图像。
2.根据权利要求1所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,所述步骤1)中,对所述图像进行压缩处理的方式包括:压缩图像质量和/或压缩图像尺寸。
3.根据权利要求2所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,所述步骤3)具体包括:
3.1)获取所述原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤1)中采用的对所述图像进行压缩处理的方式及压缩率,将这些信息组成首个图像数据包;
3.2)、将每个所述拆分后的原始压缩图像子集加上包头部结构数据组成一个整包作为后续图像数据包,其中,各个所述后续图像数据包符合北斗服务数据量限制;
3.3)、按顺序将所述首个图像数据包和各个所述后续图像数据包放入发送队列,按顺序进行发送。
4.根据权利要求3所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,所述包头部结构数据包括起始标记、数据长度、包序号和包总数。
5.根据权利要求4所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,所述步骤3.3)中,在发送所述首个图像数据包和各个所述后续图像数据包的过程中,发送端每发送一个图像数据包均对是否在设定时间内收到接收端返回的应答确认包进行确认,如收到,将当前图像数据包出队删除,继续发送下一图像数据包,如未收到,则重新发送上一图像数据包;并且,单个图像数据包重发次数超过设定值后,或者发送队列为空后,停止发送。
6.根据权利要求5所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,所述步骤4)具体包括:
4.1)、接收端接收所述首个图像数据包并解析,根据包序号判断当前图像数据包是首个图像数据包还是后续图象数据包,并向发送端发送应答确认包;
4.2)、接收端解析所述首个图像数据包,以获得原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤1)中采用的对所述图像进行压缩处理的方式和压缩率;
4.3)、接收端解析所述后续图像数据包内的拆分后的原始压缩图像子集,再根据包序号和包总数数判断图像数据包是否已完整接收,完整接收后结合所述首个图像数据包内的原始压缩图像的属性信息、图像名称、图像类型、以及所述步骤1)中采用的对所述图像进行压缩处理的方式和压缩率重建原始压缩图像,形成还原压缩图像。
7.根据权利要求6所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,如果所述步骤1)中采用的对所述图像进行压缩处理的方式为压缩图像尺寸,则所述步骤5)具体为:根据所述首个图像数据包中的图像尺寸压缩率,采用人工智能图像无损放大技术放大所述还原压缩图像,以将其尺寸放大至压缩前的图像原有尺寸大小。
8.根据权利要求7所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,所述人工智能图像无损放大技术为深度卷积神经网络。
9.根据权利要求6-8中任一项所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,如果所述步骤1)中采用的对所述图像进行压缩处理的方式为压缩图像质量,则所述步骤5)具体为:根据所述首个图像数据包中的图像质量压缩率,采用人工智能图像清晰度增强技术增强所述还原压缩图像的图像质量和图像清晰度,以将其质量增强至压缩前的图像原有质量。
10.根据权利要求9所述的基于北斗三代卫星短报文和人工智能的图像传输方法,其特征在于,所述人工智能图像清晰度增强技术为深度卷积神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582742.4A CN115022253A (zh) | 2022-05-25 | 2022-05-25 | 基于北斗三代卫星短报文和人工智能的图像传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582742.4A CN115022253A (zh) | 2022-05-25 | 2022-05-25 | 基于北斗三代卫星短报文和人工智能的图像传输方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115022253A true CN115022253A (zh) | 2022-09-06 |
Family
ID=83071682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210582742.4A Pending CN115022253A (zh) | 2022-05-25 | 2022-05-25 | 基于北斗三代卫星短报文和人工智能的图像传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115022253A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115665425A (zh) * | 2022-11-16 | 2023-01-31 | 北极星云空间技术股份有限公司 | 一种适用于卫星短报文通信的渐进式图片传输的方法 |
CN115843002A (zh) * | 2022-10-31 | 2023-03-24 | 国网北京市电力公司 | 基于北斗短报文终端进行的图片传输的方法及装置 |
CN116389772A (zh) * | 2023-06-02 | 2023-07-04 | 广州磐钴智能科技有限公司 | 一种基于北斗网的图像传输方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743616A (zh) * | 2016-05-06 | 2016-07-06 | 南京大学 | 基于北斗短报文通信的长报文分割和可靠通信方法 |
CN106709875A (zh) * | 2016-12-30 | 2017-05-24 | 北京工业大学 | 一种基于联合深度网络的压缩低分辨率图像复原方法 |
CN109413379A (zh) * | 2018-08-27 | 2019-03-01 | 中国人民解放军海军工程大学 | 一种基于北斗短报文的智能航空反恐监控方法和系统 |
CN110996274A (zh) * | 2019-12-04 | 2020-04-10 | 北京天海达科技有限公司 | 一种基于北斗短报文发送图片的系统及方法 |
CN112378461A (zh) * | 2021-01-18 | 2021-02-19 | 长江空间信息技术工程有限公司(武汉) | 一种基于北斗三号卫星的河道流量监测方法及其相关系统 |
CN113965242A (zh) * | 2021-08-27 | 2022-01-21 | 天津七所精密机电技术有限公司 | 一种基于北斗卫星的大数据报文传输方法 |
CN114007050A (zh) * | 2021-10-14 | 2022-02-01 | 桂林电子科技大学 | 一种基于北斗通信的目标识别图像传输方法 |
-
2022
- 2022-05-25 CN CN202210582742.4A patent/CN115022253A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743616A (zh) * | 2016-05-06 | 2016-07-06 | 南京大学 | 基于北斗短报文通信的长报文分割和可靠通信方法 |
CN106709875A (zh) * | 2016-12-30 | 2017-05-24 | 北京工业大学 | 一种基于联合深度网络的压缩低分辨率图像复原方法 |
CN109413379A (zh) * | 2018-08-27 | 2019-03-01 | 中国人民解放军海军工程大学 | 一种基于北斗短报文的智能航空反恐监控方法和系统 |
CN110996274A (zh) * | 2019-12-04 | 2020-04-10 | 北京天海达科技有限公司 | 一种基于北斗短报文发送图片的系统及方法 |
CN112378461A (zh) * | 2021-01-18 | 2021-02-19 | 长江空间信息技术工程有限公司(武汉) | 一种基于北斗三号卫星的河道流量监测方法及其相关系统 |
CN113965242A (zh) * | 2021-08-27 | 2022-01-21 | 天津七所精密机电技术有限公司 | 一种基于北斗卫星的大数据报文传输方法 |
CN114007050A (zh) * | 2021-10-14 | 2022-02-01 | 桂林电子科技大学 | 一种基于北斗通信的目标识别图像传输方法 |
Non-Patent Citations (1)
Title |
---|
周菲;王春梅;林树青;刘书伟: "基于北斗短报文的图像步进传输技术研究", 通信技术, no. 012, pages 2841 - 2847 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115843002A (zh) * | 2022-10-31 | 2023-03-24 | 国网北京市电力公司 | 基于北斗短报文终端进行的图片传输的方法及装置 |
CN115665425A (zh) * | 2022-11-16 | 2023-01-31 | 北极星云空间技术股份有限公司 | 一种适用于卫星短报文通信的渐进式图片传输的方法 |
CN115665425B (zh) * | 2022-11-16 | 2024-04-19 | 北极星云空间技术股份有限公司 | 一种适用于卫星短报文通信的渐进式图片传输的方法 |
CN116389772A (zh) * | 2023-06-02 | 2023-07-04 | 广州磐钴智能科技有限公司 | 一种基于北斗网的图像传输方法及系统 |
CN116389772B (zh) * | 2023-06-02 | 2023-08-11 | 广州磐钴智能科技有限公司 | 一种基于北斗网的图像传输方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115022253A (zh) | 基于北斗三代卫星短报文和人工智能的图像传输方法 | |
US7761793B1 (en) | SATCOM data compression system and method | |
CN100553277C (zh) | 一种处理图像及其应用于即时通讯的方法和系统 | |
DE69827530T2 (de) | Adaptive Kommunikationsdatenformatierung | |
US8311527B2 (en) | Mobile communication terminal, server, system and method for message service with font data | |
US20130097267A1 (en) | Method and Radio Communication Device for the Transmission Efficient Editing Of Multimedia Messages | |
US20070106819A1 (en) | Method for document viewing | |
EP3654607A1 (en) | Data transmission method, device, server and storage medium | |
EP0940969B1 (en) | Facsimile image re-transmission using data compression | |
CN103177015A (zh) | 网页图像展示方法和系统 | |
CN107094241B (zh) | 一种机载sar的实时成像显示方法及系统 | |
DE10137866B4 (de) | Verfahren zur Datenübertragung | |
MXPA05010727A (es) | Aparato y metodo para transmitir mensajes en una terminal de comunicaciones movil. | |
CN101686568B (zh) | 文本信息传送的方法及终端、文本信息显示的方法及终端 | |
KR20090036456A (ko) | 폰트 메시지 서비스를 제공하는 이동 통신 단말, 메시지서비스 장치 및 그 서비스 제공 방법 | |
US20010034783A1 (en) | Method for transmitting information | |
CN108205937A (zh) | 在线答疑信息交互方法 | |
CN102752368A (zh) | 提高电子设备之间的界面远程显示效率和画质的方法 | |
CN105610979B (zh) | 一种基于虚拟化技术的网络资源传输系统及其方法 | |
CN111581408A (zh) | 一种基于超分辨率的图片存储方法及系统 | |
CN111601292A (zh) | 一种基于近距离广播的可穿戴设备图像传输系统及方法 | |
US7333497B2 (en) | Moving picture server and method of controlling same | |
CN112367492A (zh) | 一种低带宽人工智能人像视频传输方法 | |
CN110708590A (zh) | 一种提升投屏分辨率的方法 | |
CN116112058A (zh) | 基于北斗卫星的图像传输方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |