Decadal research and development of near lossless data compression on-board satellites at the Canadian Space Agency
Notice bibliographique
Résumé
This paper reviews the researches and developments in the last decade on near lossless satellite data compression techniques at the Canadian Space Agency (CSA). After briefly describing the two vector quantization based near lossless hyperspectral data compression techniques, it reviews the activities that assessed the near lossless properties of the compression techniques. The assessment results demonstrated that the compression errors introduced by the compression techniques are smaller than the intrinsic noise of the original data. This level of compression errors is considered as near lossless, as it has no impact or minor impact on the afterwards application utilization comparing the original data. This paper summarizes the activities of evaluating how satellite data product level impacts the compression performance for making decision whether or not on-board data processing is required or radiometric conversion should be applied on-board before compression. These evaluations examined the impact of the anomalies in raw hyperspectral data and the impact of on-board pre-processing and radiometric conversion on compression performance. The studies on the effect of spatial and spectral distortion of hyperspectral sensors on compression performance are also reviewed. This paper summarizes a multi-disciplinary user acceptability study that systematically assessed the impacts of the compression techniques on remote sensing products and applications. Eleven user groups covered a wide range of application areas and a variety of hyperspectral sensors participated in the study. This paper reviews the effort to explore the benefits of employing forward error correction to further enhance the resilience to bit-errors of the compressed data. The hardware developments are reported. Two versions of hardware compressor prototypes that implement the CSA near lossless compression techniques for on-board processing have been built.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».