
-
生物通官微
陪你抓住生命科技
跳动的脉搏
RNN-LSTM 辅助的基于熵的信源 - 信道编码用于鲁棒图像传输
《Scientific Reports》:RNN–LSTM-assisted entropy-based source–channel coding for robust image transmission
【字体: 大 中 小 】 时间:2026年08月27日 来源:Scientific Reports 4.9
编辑推荐:
摘要多媒体应用在无线网络中的广泛增长增加了对鲁棒图像和视频通信的需求。在嘈杂通信信道上的无线图像传输由于带宽限制和信道损伤而遭受重建质量下降。现有方法往往未能有效整合基于熵的压缩与自适应特征建模,限制了它们的鲁棒性和效率。为解决此问题,本研究开发了一种有效的技术,利用深度学习
多媒体应用在无线网络中的广泛增长增加了对鲁棒图像和视频通信的需求。在嘈杂通信信道上的无线图像传输由于带宽限制和信道损伤而遭受重建质量下降。现有方法往往未能有效整合基于熵的压缩与自适应特征建模,限制了它们的鲁棒性和效率。为解决此问题,本研究开发了一种有效的技术,利用深度学习和基于熵的源信道编码进行图像传输。最初,输入图像使用基于图割的兴趣区域 (ROI) 检测方法进行处理,以识别视觉显著区域。然后将图像分为 ROI 和非 ROI 区域并独立编码。在此,ROI 区域使用 LZW 编码,而非 ROI 区域则经过小波变换、量化和基于全息熵的算术编码以实现增强压缩。编码流被合并为统一的最终比特流。随后,提出的基于循环神经网络 (RNN)-长短期记忆 (LSTM) 模型的熵编码器在通过加性高斯白噪声信道传输之前进一步优化比特流。在接收端,联合源信道解码器重建传输数据,随后进行解压和 ROI 引导的图像重建。开发的 RNN-LSTM + 熵编码实现了卓越的性能,产生高达 46.64 dB 的峰值信噪比,最低 29.3% 的平均绝对误差,最低 5.6% 的均方误差,最高 92.5% 的结构相似性指数,更高的 95.4% 多尺度结构相似性指数,以及最低 6.2% 的学习感知图像块相似性。这些结果证实了所提出的框架在鲁棒图像传输方面的有效性。