[發明專利]基于自適應下采樣和深度學習的圖像壓縮方法有效
| 申請號： | 201811439805.0 | 申請日： | 2018-11-29 |
| 公開（公告）號： | CN109495741B | 公開（公告）日： | 2023-03-31 |
| 發明（設計）人： | 何小海;張達明;任超;吳曉紅;熊淑華;滕奇志;王正勇 | 申請（專利權）人： | 四川大學 |
| 主分類號： | H04N19/103 | 分類號： | H04N19/103;H04N19/124;H04N19/147;H04N19/42;H04N19/70 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 610065 四川*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 自適應 采樣 深度 學習 圖像 壓縮 方法 | ||
1.基于自適應下采樣和深度學習的圖像壓縮方法，其特征在于包括以下步驟：
步驟一：為待編碼的原始圖像設計多種不同的下采樣模式和量化模式；
步驟二：通過率失真優化算法從多種模式中選擇最優的下采樣及量化模式；該算法對圖像進行自適應下采樣、壓縮后的碼率和解碼后超分辨率重建圖像的誤差均要小于JPEG直接壓縮圖像，且在此基礎上的碼率最小值及均方誤差最小值所對應的下采樣模式和量化模式即為該算法選出的最優模式；
步驟三：將待編碼圖像在選擇的最優模式下進行下采樣和JPEG編解碼；
步驟四：采用基于卷積神經網絡的超分辨率重建算法對解碼后的任意下采樣模式下采樣的圖像進行超分辨率重建；基于卷積神經網絡的超分辨率重建算法將下采樣產生的低分辨率圖像在不同QP中壓縮生成待訓練的壓縮圖像，采用基于卷積神經網絡的超分辨率重建算法學習壓縮圖像和相應原始圖像的映射關系，根據QP的不同來選擇最合適的模型，最后使用選定的模型獲得完整的高分辨率圖像；參數QP的計算方法如下：其中Q是JPEG標準的量化參數；
步驟五：利用BM3D算法在超分辨率重建后進一步抑制殘留的壓縮效應，得到最終的解碼圖像。
2.根據權利要求1所述的基于自適應下采樣和深度學習的圖像壓縮方法，其特征在于步驟一中所述的多種下采樣模式和量化模式：提供水平和垂直方向采樣率分別為1/4，1/2，3/4，1共計十六種下采樣模式，和滿足的八種量化模式，其中QP和Q均表示改變量化矩陣的參數且Q為JPEG標準的量化參數，對原圖進行下采樣和量化操作得到128種編碼模式，能夠充分考慮圖像之間的差異性和JPEG在不同碼率下的編碼特性。/
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于四川大學，未經四川大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811439805.0/1.html，轉載請聲明來源鉆瓜專利網。
