[發明專利]一種深度語義感知與BPG壓縮工具的圖像壓縮方法

在審

• 申請號: 201911404225.2
• 申請日: 2019-12-31
• 公開（公告）號: CN111145277A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 吳振東;李銳;金長新
• 申請（專利權）人: 山東浪潮人工智能研究院有限公司
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06N3/04
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 羅文曌

本發明涉及圖像壓縮技術領域，具體提供了一種深度語義感知與BPG壓縮工具的圖像壓縮方法。與現有技術相比，本發明的一種深度語義感知與BPG壓縮工具的圖像壓縮方法，分為以下步驟：編碼過程S101、原輸入圖像；S102、利用CNN卷積神經網絡對圖像處理和分類，輸出特征圖，通過CAM方法得到語義顯著圖；S103、將語義顯著圖劃分為等級不同的注意力區域；S104、利用BPG壓縮工具對上述不同注意力區域進行不同壓縮率的壓縮，生產多個.bpg中間文件。利用CAM良好的圖像分類能力和計算邊界框能力，提升圖像壓縮速度、壓縮率，具有良好的推廣價值。

技術領域

本發明涉及圖像壓縮技術領域，具體提供一種深度語義感知與BPG壓縮工具的圖像壓縮方法。

背景技術

BPG是一種新型的圖片格式，其設計初衷在于圖片質量或文件大小成為瓶頸時,取代JPEG。這種壓縮工具具備高壓縮比，在質量類似的情況下，壓縮后的圖片文件比JPEG小很多。對于相同大小的圖片，BPG的存儲質量要遠高于JPEG。

圖像理解就是對圖像的語義理解。它是以圖像為對象，知識為核心，研究圖像中有什么目標、目標之間的相互關系、圖像是什么場景以及如何應用場景的一門學科。

傳統的物體檢測僅限于檢測圖像中的單個顯著物體，從而不能保證語義對物體的完整性，與人眼注視所產生的結果是有誤差的，因此不能很好的與壓縮工具結合，導致圖像壓縮的速度和壓縮率降低，壓縮后的圖像會降低失真率，減慢壓縮過程。

發明內容

本發明是針對上述現有技術的不足，提供一種實用性強的深度語義感知與BPG壓縮工具的圖像壓縮方法。

本發明解決其技術問題所采用的技術方案是：

一種深度語義感知與BPG壓縮工具的圖像壓縮方法，分為以下步驟：

(一)編碼過程

S101、原輸入圖像；

S102、利用CNN卷積神經網絡對圖像處理和分類，輸出特征圖，通過CAM方法得到語義顯著圖；

S103、將語義顯著圖劃分為等級不同的注意力區域；

S104、利用BPG壓縮工具對上述不同注意力區域進行不同壓縮率的壓縮，生產多個.bpg中間文件；

(二)解碼過程

S201、將多個.bpg中間文件利用BPG壓縮工具進行還原，生成多個圖像區域；

S202、將圖像區域根據特征圖進行還原，形成輸出圖片。

進一步的，在步驟S102中CNN卷積神經網絡定位單個圖像多個感興趣區域并捕捉場景結構,通過為圖像中一組物體中每一個進行單獨學習特征圖,對重要特征求和,從而生成一個單一不變的特征圖。

進一步的，CNN卷積神經網絡是多層前饋體系結構，每一層學習的功能要應用前一層所輸出的卷積濾波器的權重，并且梯度化進行，在每層中并行學習多個過濾器過程中，卷積層輸出3-d特征圖，其中，深度表示過濾器的數量。

進一步的，CNN卷積神經網絡在每次卷積之后都包括一個最大池化步驟，通過替換幾個相鄰的激活系數來減少3-d特征圖的高度和寬度，一次激活等于該窗口內的最大值，池化操作是屬于跨步的，其中，池窗口的大小大于跨步，窗口重疊；對于給定的內核大小，輸入數據的下采樣和濾波器作用于3-d特征圖上將會形成較大感受用于減少CNN卷積神經網絡模型的參數數量并訓練更深層的網絡。

進一步的，步驟S102中所述的CAM類激活映射生成模糊邊界，能夠捕獲不屬于任何特定物體，只需對物體類的打上圖像級別的標簽，無需像素級注釋或邊框定位。