[发明专利]一种基于人工智能的图像数据压缩方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。该方法分析训练图像的二维颜色信息，根据二维颜色信息在预设阶数上的二维标准差分析出达到无损效果界限的界限二维颜色信息，并根据二维标准差获得每个像素点的高斯模型，根据压缩颜色信息和界限二维颜色信息在高斯模型上的差异获得颜色趋向性，进一步结合像素点压缩前后与邻域范围内其他像素点的色差构建损失函数。以二维颜色信息作为训练数据训练自编码神经网络。实现通过自编码神经网络达到无损压缩。本发明通过获得色彩宽容度的界限对网络进行约束，实现了利用自编码神经网络对图像数据无损压缩。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。

背景技术

常见的数据压缩方法是将图像执行较为复杂的逆运算，以实现无损压缩。逆运算较为复杂且对于不同类型的图像数据运算难度也较大。随着人工智能领域不断发展，现有技术中可通过人工智能构建网络，对图像数据进行自适应的快速压缩，常见的网络有自编码神经网络等。

利用网络对图像数据进行压缩过程中，会期望实现图像的无损压缩，即压缩前后图像中的色彩信息不变，对于图像数据而言，实现完全无损压缩较为复杂，难度较大，会增加网络构建成本，影响压缩效率。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的图像数据压缩方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于人工智能的图像数据压缩方法，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。

进一步地，所述预设阶数设置为三阶。

进一步地，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。

进一步地，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。

进一步地，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：