[发明专利]基于自适应下采样和深度学习的图像压缩方法

权利要求书

1.基于自适应下采样和深度学习的图像压缩方法，其特征在于包括以下步骤：

步骤一：为待编码的原始图像设计多种不同的下采样模式和量化模式；

步骤二：通过率失真优化算法从多种模式中选择最优的下采样及量化模式；该算法对图像进行自适应下采样、压缩后的码率和解码后超分辨率重建图像的误差均要小于JPEG直接压缩图像，且在此基础上的码率最小值及均方误差最小值所对应的下采样模式和量化模式即为该算法选出的最优模式；

步骤三：将待编码图像在选择的最优模式下进行下采样和JPEG编解码；

步骤四：采用基于卷积神经网络的超分辨率重建算法对解码后的任意下采样模式下采样的图像进行超分辨率重建；基于卷积神经网络的超分辨率重建算法将下采样产生的低分辨率图像在不同QP中压缩生成待训练的压缩图像，采用基于卷积神经网络的超分辨率重建算法学习压缩图像和相应原始图像的映射关系，根据QP的不同来选择最合适的模型，最后使用选定的模型获得完整的高分辨率图像；参数QP的计算方法如下：其中Q是JPEG标准的量化参数；

步骤五：利用BM3D算法在超分辨率重建后进一步抑制残留的压缩效应，得到最终的解码图像。

2.根据权利要求1所述的基于自适应下采样和深度学习的图像压缩方法，其特征在于步骤一中所述的多种下采样模式和量化模式：提供水平和垂直方向采样率分别为1/4，1/2，3/4，1共计十六种下采样模式，和满足的八种量化模式，其中QP和Q均表示改变量化矩阵的参数且Q为JPEG标准的量化参数，对原图进行下采样和量化操作得到128种编码模式，能够充分考虑图像之间的差异性和JPEG在不同码率下的编码特性。/