[发明专利]图像压缩方法、装置及存储介质

说明书

本发明涉及信息采集和应用领域，尤其涉及一种图像压缩方法、装置及存储介质。本发明将具有类别属性的图像样本输入预先构建的联合学习模型，对联合学习模型的第一初始深度学习模型、第二初始深度学习模型和第三初始深度学习模型进行联合训练，得到包含图像压缩子模型、图像重构子模型和类别识别子模型的压缩模型。实际应用中，将待压缩的目标图像输入训练得到的压缩模型中，利用压缩模型的图像压缩子模型进行压缩处理，根据图像压缩子模型的输出即可获得对应该目标图像的目标压缩图像，本发明能够在保持原有图像分类性能的前提下实现图像压缩。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像压缩方法、装置及存储介质。

背景技术

图像压缩是指以较少的字节数表示原来的图像像素矩阵的技术。通常在存储图像时为了节省存储空间需要对图像进行压缩，在实际使用或展示图片时通过解压缩还原图像。

当前计算机视觉中图像分类图像检索等任务发展迅猛，但真实图像量级较大，图像的存储空间需求很大。现有技术中，通过图像压缩有效地减少了数据量，提高图像的传输速率。然而，对图像进行压缩之后，难以保留原始图像的全部信息，因此，如何在对图像进行压缩的同时保留图像原有的信息仍然为本领域技术人员待解决的技术问题。

发明内容

本发明提供了一种图像压缩方法、装置及存储介质，使用本发明进行图像压缩能够获得保持图像分类性能的压缩图像。

一方面，本发明提供一种图像压缩方法，包括：

确定目标图像和所述目标图像的类别标签；

提取所述目标图像的第一图像特征；

将所述第一图像特征输入已训练的图像压缩模型，利用所述图像压缩模型的图像压缩子模型对所述第一图像特征进行压缩处理，得到第二图像特征；

根据所述第二图像特征构建所述目标图像的目标压缩图像，

其中，基于所述图像压缩模型的图像重构子模型对所述第二图像特征重构得到的重构图像与所述目标图像之间的差异满足预设条件，并且基于所述图像压缩模型的类别识别子模型对所述目标压缩图像识别得到的类别识别结果与所述目标图像的类别标签相同。

另一方面，本发明提供一种图像压缩装置，包括：

目标图像确定模块，用于确定目标图像和所述目标图像的类别标签；

第一图像特征提取模块，用于提取所述目标图像的第一图像特征；

第二图像特征获取模块，用于将所述第一图像特征输入已训练的图像压缩模型，利用所述图像压缩模型的图像压缩子模型对所述第一图像特征进行压缩处理，得到第二图像特征；

目标压缩图像构建模块，用于根据所述第二图像特征构建所述目标图像的目标压缩图像，

其中，基于所述图像压缩模型的图像重构子模型对所述第二图像特征重构得到的重构图像与所述目标图像之间的差异满足预设条件，并且基于所述图像压缩模型的类别识别子模型对所述目标压缩图像识别得到的类别识别结果与所述目标图像的类别标签相同。

另一方面，本发明提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的图像压缩方法。

另一方面，本发明提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述的图像压缩方法。

本发明提供的一种图像压缩方法、装置及存储介质，具有如下有益效果：