[发明专利]一种图像压缩方法、装置、设备及存储介质

说明书

本申请公开了一种图像压缩方法、装置、设备及存储介质，涉及图像处理技术领域，包括：基于预设图像码率对原始图像的像素坐标进行编码得到若干编码信号；根据图像码率对编码信号进行分组得到若干分组信号；利用预设多层感知机网络对分组信号进行处理得到若干第一目标信号，并利用点乘运算对第一目标信号进行处理得到点乘后信号；利用预设多层感知机网络对点乘后信号进行处理以得到与图像RGB值对应的第二目标信号；基于预设损失函数和第二目标信号对预设神经网络进行训练得到训练后网络参数，并基于训练后网络参数生成图像压缩结果。由此可见，本申请可以通过隐式神经得到与预设图像码率对应的信号，能很好适应设备硬件的性能并提升了传输效率。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像压缩方法、装置、设备及存储介质。

背景技术

图像压缩对于数据的高效传输与存储十分必要。近年来，在深度学习技术飞速发展的前提下，基于深度学习的图像压缩技术被众多学者进行研究。其中，以基于卷积神经网络的端到端图像压缩方法所得到的率失真性能最优，远远超过了传统的JPEG（JointPhotographic Experts Group，一种压缩标准）、BPG（Better Portable Graphics，更好的可移植图形）等方法。然而，由于目前端到端图像压缩模型存储要求高，且模型训练时间长，难以部署到常用设备中。

基于隐式神经表示的图像压缩方法可以解决存储要求高的问题。隐式神经表示通常采用的多层感知机模型，结构与基于卷积神经网络的端到端图像压缩模型相比，更加简单，训练后所得到的模型更加轻量，更加适用于图像压缩数据的存储和传输。

然而，由于使用隐式神经表示进行图像压缩，主要在于将网络模型参数作为图像压缩后的数据进行传输，因此在模型结构固定的情况下，所对应的图像码率固定，率失真性能也相应固定。但从实际应用而言，图像压缩模型要尽可能根据不同的算力和需求，给出不同码率下的对应质量的图像，以适应设备硬件的性能与传输的效率。

发明内容

有鉴于此，本发明的目的在于提供一种图像压缩方法、装置、设备及存储介质，能够得到不同码率的图像，并且模型轻量，易于部署。其具体方案如下：

第一方面，本申请提供了一种图像压缩方法，应用于编码端，包括：

基于预设图像码率对原始图像的像素坐标进行编码以得到若干个编码信号；

根据图像码率对所述编码信号进行分组，得到与不同图像码率分别对应的若干组分组信号；其中，每组所述分组信号包含相应图像码率下的各像素频率对应的所述编码信号；

利用第一预设多层感知机网络分别对各所述分组信号进行处理以得到若干个第一目标信号，并利用点乘运算对所述第一目标信号进行处理得到点乘后信号；

利用第二预设多层感知机网络对所述点乘后信号进行处理以得到与图像RGB值对应的第二目标信号；

基于预设损失函数以及所述第二目标信号对预设神经网络进行训练，以得到训练后网络参数，并基于所述训练后网络参数生成所述原始图像的图像压缩结果。

可选的，所述基于预设图像码率对原始图像的像素坐标进行编码以得到若干个编码信号，包括：

根据所述原始图像中与像素坐标对应的图像元素的频率数量以及所述预设图像码率的数量确定采样的总频率数；

从预设正态分布中选出与所述总频率数相同数量的采样值；

基于所述采样值的从小到大的顺序对相应的像素坐标进行采样处理，以得到所述编码信号。

可选的，所述利用点乘运算对所述第一目标信号进行处理得到点乘后信号，包括：

对所述第一目标信号中的若干个信号分量进行点乘处理以得到点乘后信号。

可选的，所述方法还包括：