红外图像压缩（二）

红外图像压缩系列（一） 建立了红外图像的物理基础（成像特性、数据集、传统编码器和小波域统计）。本篇进入红外压缩的第二阶段：当端到端学习式压缩（LIC）遇上红外图像，当多模态 RGB-IR 数据需要联合压缩，当压缩质量不再只由 PSNR 评判——我们需要新的设计原则和评价体系。

现代学习式图像压缩通常使用 analysis transform、quantization、entropy model 和 synthesis transform，并优化 rate-distortion 损失：

但是，普通 RGB learned image compression 默认面对的是 8-bit 三通道自然图像，而红外图像可能是高位深单通道辐射数据；如果损失函数只使用 MSE 或 MS-SSIM，就可能在视觉上看似可接受，却破坏温度误差、小目标热边缘或下游检测特征。

较新的 ARWNet: Auto-Regressive Wavelet Network for Learned Infrared Image Compression 明确把 wavelet frequency decomposition 与 channel-wise autoregressive entropy modeling 结合，说明红外 LIC 研究正在从"套用通用 autoencoder"转向"把红外频域统计写进模型结构" #ARWNet-2026。

在自动驾驶、机器人和智能监控中，红外图像常与可见光图像成对采集。Lu 等人在 CVPR 2022 论文 Learning Based Multi-Modality Image and Video Compression 中指出，多模态数据会增加存储和传输成本，而传统方法通常对每个模态单独压缩，没有利用不同模态之间的相关性 #Lu-2022。

该工作使用红外图像作为参考模态，通过 channel-wise alignment module 产生对齐特征，并把对齐后的红外特征作为上下文来压缩可见光图像；同时还引入 Transformer-based spatial alignment module 来利用不同模态解码中间特征之间的相关性，并在 FLIR 和 KAIST 数据集上优于传统和学习式单模态压缩方法 #Lu-2022。

2025 年 End-to-End RGB-IR Joint Image Compression With Channel-wise Cross-modality Entropy Model 进一步提出 CCEM，用低频上下文提取和融合模块来利用模态内与模态间先验；论文摘要报告，该方法在 LLVIP 和 KAIST 上优于已有 RGB-IR 图像对压缩方法，并在 LLVIP 上相对 CVPR 2022 RGB-IR codec 节省 23.1% bit rate #Wang-2025。

Bhowmik 等人的 Lost in Compression 直接研究 JPEG 有损压缩对红外图像目标检测的影响；他们在 FLIR 热红外数据上测试 JPEG quality 95、75、50、15、10、5，并评估 Cascade R-CNN、FSAF 和 Deformable DETR 等检测架构 #Bhowmik-2022。

该论文报告，在未压缩数据上训练和评估时，Cascade R-CNN 在 FLIR 数据集上达到最大 mAP 0.823；高压缩等级，尤其 quality 15、10、5，会显著降低检测性能，而在压缩图像上重新训练模型可以缓解性能下降，在 compression level 5 上平均提升约 76%；论文还指出 tiny 和 small objects 比 medium 和 large objects 更容易受到压缩影响 #Bhowmik-2022。

因此，面向红外感知的压缩损失可以写成：

其中 $D_{pixel}$ 保证基本重建，$D_{feature}$ 保证下游 backbone 特征一致性，$\mathcal{L}_{task}$ 保证检测或分割性能，$\mathcal{L}_{small}$ 专门保护小目标热斑和边缘。

最直接的科研切口是 Task-Aware Learned Infrared Image Compression for Small Object Detection：把红外图像压缩从单纯 rate-distortion 问题改写为 rate-distortion-accuracy 问题，并专门保护小目标热斑。

更激进的方向是 Semantic-Preserving Generative Compression for Thermal Infrared Images：编码端只传低分辨率热图、目标/边缘 token 和少量 latent，解码端使用 diffusion 或 latent generative prior 重建热场语义。但这条路线必须严肃处理 hallucination 风险，因为医学、安防和军事场景不能接受"生成出来的热目标"。

红外图像压缩的关键不是"把单通道图像压小"，而是在尽可能低的码率下，保留热辐射场中对测量、识别和决策真正重要的信息。传统编码提供强工程基线，小波和红外统计提供可解释先验，学习式压缩提供端到端优化空间，多模态联合压缩提供跨传感器冗余，而任务驱动压缩则把目标从视觉保真推进到机器感知保真。

如果后续继续深入，我建议优先沿两条线推进：第一，复现传统编码、通用 LIC 和红外专用方法在 FLIR/KAIST/LLVIP 上的 rate-distortion-accuracy 曲线；第二，设计 AP_small-aware 或 radiometric-aware 的红外 LIC，使压缩模型真正服务于红外图像的应用本质。

本篇覆盖了学习式压缩、多模态联合压缩和任务驱动评价。下一篇 红外图像压缩系列（三） 将聚焦红外轮廓图与二值边缘图的专门压缩方法：从 CCITT G4、JBIG 到链码、结构保持编码和 Coding for Machines。