[发明专利]一种基于人工智能的图像数据压缩方法及系统

权利要求书

1.一种基于人工智能的图像数据压缩方法，其特征在于，所述方法包括：

获取多张训练图像；将所述训练图像转换至CIE-xyY颜色空间中，获得二维颜色信息；

以所述二维颜色信息作为自编码神经网络的训练数据；所述自编码神经网络输出为压缩颜色信息；根据所述训练图像中每个像素点的所述二维颜色信息在预设阶数上的二维标准差进行高斯拟合，获得每个所述像素点的高斯模型；根据所述二维标准差获得所述二维颜色信息的界限二维颜色信息；根据所述压缩颜色信息和所述界限二维颜色信息在所述高斯模型上的差异获得颜色趋向性；以所述像素点在预设邻域范围内与其他像素点的所述二维颜色信息差异作为第一色差；以所述像素点在所述邻域范围内与其他像素点的所述压缩颜色信息差异作为第二色差；根据所述第一色差与第二色差的差异和所述颜色趋向性构建所述自编码神经网络的损失函数；根据所述损失函数和所述训练数据训练所述自编码神经网络；

将待压缩图像的所述二维颜色信息输入所述自编码神经网络中，输出图像压缩数据。

2.根据权利要求1所述的一种基于人工智能的图像数据压缩方法，其特征在于，所述预设阶数设置为三阶。

3.根据权利要求1所述的一种基于人工智能的图像数据压缩方法，其特征在于，所述根据所述训练图像中每个像素点的所述二维颜色信息在预设阶数上的二维标准差进行高斯拟合包括：

以所述像素点的所述二维颜色信息为中心，以所述二维标准差作为模型均值进行高斯拟合，获得所述高斯模型。

4.根据权利要求1所述的一种基于人工智能的图像数据压缩方法，其特征在于，所述根据所述二维标准差获得所述二维颜色信息的界限二维颜色信息包括：

所述界限二维颜色信息包括负界限二维颜色信息和正界限二维颜色信息；将所述二维颜色信息与所述二维标准差相减，获得负界限二维颜色信息；将所述二维颜色信息与所述标准差相加，获得正界限二维颜色信息。

5.根据权利要求4所述的一种基于人工智能的图像数据压缩方法，其特征在于，所述根据所述压缩颜色信息和所述界限二维颜色信息在所述高斯模型上的差异获得颜色趋向性包括：

根据颜色趋向性公式获得所述颜色趋向性；所述颜色趋向性公式包括：

其中，qx_i为第i个所述像素点的所述颜色趋向性，G_i(y_i’)为第i个所述像素点的所述压缩颜色信息在所述高斯模型上的模型值，(X_i，Y_i)为第i个所述像素点的所述二维颜色信息，为第i个所述像素点的所述二维标准差，为第i个所述像素点的所述界限二维颜色信息在所述高斯模型上的模型值。

6.根据权利要求1或5所述的一种基于人工智能的图像数据压缩方法，其特征在于，所述根据所述第一色差与第二色差的差异和所述颜色趋向性构建所述自编码神经网络的损失函数包括：

所述损失函数包括：

其中，loss为所述损失函数，I为所述像素点的总数量，qx_i为第i个所述像素点的所述颜色趋向性，S为所述邻域范围，y_i为第i个所述像素点的所述二维颜色信息，m_j为所述邻域范围内第j个其他像素点的所述二维颜色信息，E(y_i,m_j)为所述第一色差，y_i′为第i个所述像素点的所述压缩颜色信息，m′_j为所述邻域范围内第j个其他像素点的所述压缩颜色信息，E(y_i′,m′_j)为所述第二色差。

7.根据权利要求1所述的一种基于人工智能的图像数据压缩方法，其特征在于，所述将待压缩图像的所述二维颜色信息输入所述自编码神经网络中，输出图像压缩数据还包括

获取所述待压缩图像的灰度信息，将所述待压缩图像的灰度信息和所述二维颜色信息输入所述自编码神经网络中，输出复合图像压缩数据；所述复合图像压缩数据包括所述图像压缩数据和所述灰度信息。