[发明专利]图像压缩方法及基于ARM多核异构处理器的图像压缩系统

权利要求书

1.一种图像压缩方法，所述方法包括：

对采集的原始图像进行归一化预处理；

基于深度神经网络对预处理后的图像进行显著性检测，得到全局显著图；

基于预设的图像块尺寸对全局显著图进行划分，基于划分的全局显著图对量化参数进行调整，得到量化参数调整结果；

基于量化参数调整结果对预处理后的图像进行HEVC帧内自适应量化编码，得到压缩编码的图像；

所述基于深度神经网络对预处理后的图像进行显著性检测，得到全局显著图；具体包括：

将预处理后的图像输入预先建立和训练好的ResNet50模型，对ResNet50模型全连接层的输出张量y进行数值排序，得到排名前五的元素c_i及对应索引列表c：

c＝{c_i},i＝1,2,3,4,5

根据索引列表c依次读取平均池化层与全连接层之间的权重对最后一层卷积层输出的特征图进行加权求和操作，得到合并的融合特征图Sal：

其中，A^k为卷积层第 k个通道特征图，ReLU()表示线性修正函数：

其中，v表示线性修正函数的变量；

对融合特征图Sal进行上采样插值运算，转换为原始图像的尺寸，得到全局显著图Sal_out；

所述基于预设的图像块尺寸对全局显著图进行划分，基于划分的全局显著图对量化参数进行调整，得到量化参数调整结果；具体包括：

根据全局显著图Sal_out计算得到全局平均显著度Sal_avg；

按照预设的图像块尺寸对全局显著图Sal_out进行划分，得到若干个图像块；

遍历所有图像块，计算每个图像块的平均显著度Sal_{cu_avg}以及总体显著度Sal_{cu_sum}；

根据每个图像块的平均显著度Sal_{cu_avg}与全局平均显著度Sal_avg，计算得到全局显著性对比权重ω以及对应的加权量化分量QP_weighted：

根据每个图像块的总体显著度Sal_{cu_sum}进行对数运算得到感知量化分量QP_{sal_offset}；

根据预设的初始量化参数，结合加权量化分量QP_weighted和感知量化分量QP_{sal_offset}，计算得到对应图像块的量化参数偏移量，进而得到图像中所有图像块对应的量化参数调整结果。

2.根据权利要求1所述的图像压缩方法，其特征在于，所述方法还包括预先建立和训练ResNet50模型，用于提取输入图像的特征图；所述ResNet50模型包括依次连接的卷积层、平均池化层和全连接层。

3.根据权利要求2所述的图像压缩方法，其特征在于，所述基于量化参数调整结果对预处理后的图像进行HEVC帧内自适应量化编码，得到压缩编码的图像；具体包括：

基于预设的图像块尺寸，将预处理后的图像划分为若干个块单元，根据量化参数调整结果调整不同块单元的量化参数，依次进行帧内预测、变换、量化、熵编码以及环路滤波，得到压缩编码的图像。

4.一种终端设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的方法。

5.一种计算机可读存储介质，用于存储计算机程序，当该计算机程序被处理器执行时执行所述权利要求1至3中任一项所述的方法。