中国物理学会高能物理分会第十一届全国会员代表大会暨学术年会

在建的同步辐射光源装置预计每年将产生高达数百PB的海量实验数据，其中占比最高的是硬X射线成像实验线站产生的图像数据。庞大的数据量为存储和传输带来极大压力，而压缩是降低数据量的有效手段，同时，为保证科学数据的完整性，压缩过程不可造成信息损失。通用图像无损压缩方法对该类图像压缩效果不佳，因此针对光源图像特性，提出一种面向同步辐射光源图像的智能无损压缩方法。首先，通过分区量化方法自适应确定像素值量化参数，提取对压缩结果影响较大的关键数据，有效降低像素值所占比特位数，同时设置占位符保证量化过程无损；其次，设计基于CNN的C-zip网络，作为高效的智能概率预测器，结合合理的训练及预测方法，有效缓解模型存储带来的数据膨胀问题；最后，提出概率距离的概念，进一步挖掘深度学习输出中有益于数据压缩的信息，提高编码并行度。基于上海同步辐射光源图像的测试表明，相较于通用图像无损压缩方法PNG/JPEG2000/JPEG-LS/FLIF，本算法可进一步将压缩比提升0.23-0.58。