[发明专利]一种图片处理方法、智能终端及存储介质

说明书

本发明公开了一种图片处理方法、智能终端及存储介质，所述方法包括：将输入的图片进行有损编码处理，提取所述图片的特征后量化处理成特征图；将所述特征图进行无损编码处理，获取所述特征图的特征值和概率值，并将所述特征值和概率值合并后进行算术编码形成二进制文件；将所述二进制文件进行无损解码处理得到所述特征图；将所述特征图进行有损解码处理还原出所述图片。本发明减少了图像压缩所产生的中间文件，提高压缩比，使得图像能被压缩得更小。

技术领域

本发明涉及图片处理技术领域，尤其涉及一种图片处理方法、智能终端及存储介质。

背景技术

视频和图片是日常生活中一种常见信息载体，然而无损图片是非常占据物理存储空间的，并且不利于传输，图片压缩的一项关键技术就是熵编码(熵编码是根据字符被预估的概率来进行编码,预估概率越准确，文件压缩比则越高，比如原本文件为50M，压缩之后为25M，压缩比就为2，这个数越高，文件就能被压缩得更小；编码过程中按熵原理不丢失任何信息的编码)，熵编码能将图像压缩所产生的中间文件进行无损压缩。

熵编码可以被分成两部分：概率估计部分和算术编码部分。一般基于深度学习的概率估计网络是不能和图像压缩模块进行联合训练的，如果盲目的将熵编码和图像压缩模块进行联合训练(两个不同功能的网络结合到一起，一般会产生无法预料的结果)，解压之后的图片会出现不正常现象(意思是和原始图片差距很大)，无法得到想要的图片效果。

因此，现有技术还有待于改进和发展。

发明内容

本发明的主要目的在于提供一种图片处理方法、智能终端及存储介质，旨在解决现有技术中解压后的图片会出现不正常现象，无法得到想要的图片效果的问题。

为实现上述目的，本发明提供一种图片处理方法，包括如下步骤：

将输入的图片进行有损编码处理，提取所述图片的特征后量化处理成特征图；

将所述特征图进行无损编码处理，获取所述特征图的特征值和概率值，并将所述特征值和概率值合并后进行算术编码形成二进制文件；

将所述二进制文件进行无损解码处理得到所述特征图；

将所述特征图进行有损解码处理还原出所述图片。

可选地，所述的图片处理方法，其中，所述将输入的图片进行有损编码处理，提取所述图片的特征后量化处理成特征图，具体为：

输入所述图片，通过编码网络对所述图片进行有损编码处理，提取所述图片的特征，将所述特征量化处理成所述特征图。

可选地，所述的图片处理方法，其中，所述二进制文件由概率估计网络和算数编码进行无损编码得到。

可选地，所述的图片处理方法，其中，所述将输入的图片进行有损编码处理，提取所述图片的特征后量化处理成特征图，具体包括：

输入所述图片，经过空间转通道操作进行下采样，并经过卷积操作、批归一化操作和ReLU激活函数进行非线性变换；

将所述图片进行分离处理获取不同尺度的第一特征图、第二特征图、第三特征图和第四特征图；

将所述第一特征图、所述第二特征图和所述第三特征图下采样到与所述第四特征图相同尺度，并进行合并后进行量化处理。

可选地，所述的图片处理方法，其中，所述将所述特征图进行无损编码处理，获取所述特征图的特征值和概率值，并将所述特征值和概率值合并后进行算术编码形成二进制文件，具体包括：

对所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图的每个特征值分别进行概率估计得到概率值；