Sensornära datakomprimering - Slutrapport

Sensordata från bildalstrande sensorer kräver stor kapacitet på överföringskanaler och för lagring. Speciellt sensorer med hög spatiell, spektral och/eller temporal upplösning skapar enorma mängder data. För att kunna hantera dessa datamängder behövs komprimering. Försvarstillämpade system ställer andra krav på komprimeringsalgoritmer än vad kodningsmetoder vanligtvis är utvecklade för. Dagens komprimeringsmetoder är anpassade för gråskale- eller färgåtergivning inom det visuella spektrumet. Komprimeringsdistorsionen är anpassad för att ge så små artefakter för det mänskliga synsinnet som möjligt. Till försvarstillämpningar är olika typer av sensorer av intresse och dessutom måste komprimeringsdistorsionen vara anpassad för automatiska bild- och signalbehandlingsmetoder som detektion av mål. Inom projektet Sensornära datakomprimering har olika kodningsmetoder testats på data från IR-, SAR- och hyperspektrala sensorer. Efter kodning och avkodning av sensordata har sedan resultatet från olika detektionsalgoritmer undersökts. Det visar sig att komprimering inte bara är av ondo för detektionsprestandan. Vid vissa fall kan komprimeringsdistorsion fungera som en form av förfiltrering som plockar fram egenskaper hos målen som är bra för detektionsalgoritmen. I de flesta fall kommer som väntat distorsionen från komprimeringen att försämra resultatet från detektorn. Eftersom både valda komprimeringsalgoritmer och detektionsalgoritmer har parametrar som kommer påverka det slutgiltiga resultatet på detektionsprestandan behövs ett bra mått på prestanda givet olika komprimeringsgrader. Vi har tagit fram två sådana prestandamått för att enklare kunna undersöka resultatet från detektioner som bygger på komprimerad sensordata. Projektet har till största delen arbetat med verkliga sensordata. Dessutom har det gjorts förutsättningar för att kunna använda komprimering vid sensor- och signalbehandlingssimuleringar i simuleringslabbet MSSLab.