基于跳白块编码和深度神经网络对脉冲星候选体诊断图像的压缩研究

500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)脉冲星搜索产生的候选体诊断图量级呈指数增长,给科学数据管理工作带来挑战,迫切需要研究压缩方法,实现诊断图的有效存储,加快其在网络中传输共享.脉冲星诊断图像由稀疏的黑白图像、随机分布的灰度图和彩色图像组成,简单视为彩色图像用同一种压缩方法处理显然不合理.提出跳白块编码和深度网络压缩编码压缩模型对脉冲星候选体诊断图分区压缩,使用近年来FAST巡天搜索项目脉冲星候选体诊断图来训练和验证.结果表明,改进的跳白块编码(White Block Skipping,WBS)压缩稀疏黑白图像的性能是PNG(Portable Network Graphics)的5倍;深度网络压缩算法处理灰度图和彩色图峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)性能优于JPEG(Joint Photographic Experts Group)和JPEG2000算法,与BPG(Better Portable Graphics)算法性能相当,结构相似性(Structural Similarity,SSIM)远超传统压缩算法.