[发明专利]人眼视觉和机器视觉协同的图像特征压缩和解压缩方法

权利要求书

1.一种人眼视觉和机器视觉协同的图像特征压缩方法，其特征在于，包括：

在编码端：

基于机器视觉的通用骨干网络，生成作为任务先验信息的重要性掩码图；

将所述重要性掩码图加入到图像特征提取器局部通道中后，利用所述图像特征提取器获得紧凑基础特征，所述紧凑基础特征包括具有任务先验信息的局部通道特征和不具有任务先验信息的局部通道特征；

将所述具有任务先验信息的局部通道特征进行多尺度融合，获得紧凑辅助特征；

基于所述紧凑基础特征和所述紧凑辅助特征生成紧凑量化基础特征和紧凑量化辅助特征，获得压缩传输的码流，完成人眼视觉和机器视觉协同的图像特征压缩。

2.根据权利要求1所述的人眼视觉和机器视觉协同的图像特征压缩方法，其特征在于，还包括如下任意一项或任意多项：

-所述基于机器视觉的通用骨干网络，生成作为任务先验信息的重要性掩码图，包括：

加载通用骨干网络的预训练网络参数，输入原始图像，对输出的多通道任务通用深度特征按照通道维度进行平均运算，得到与原始图像分辨率相同的单通道二值二维图像，即作为任务先验信息的重要性掩码图；

-所述将所述重要性掩码图加入到图像特征提取器局部通道中后，利用所述图像特征提取器获得紧凑基础特征，包括：

在图像特征提取器的部分通道中加入所述重要性掩码图，利用所述图像特征提取器，将所述重要性掩码图分别进行2倍、4倍和8倍下采样，并与所述图像特征提取器获取的低层、中层和高层不同深度的通道特征进行空间维度融合；

将所述低层的通道特征跳接到图像特征提取器尾端，进行重构特征补充；

通过上述步骤，实现所述图像特征提取器通过间接的码率约束对输入的原始图像进行紧凑空间变换，得到具有任务先验信息的局部通道特征和不具有任务先验信息的局部通道特征，得到紧凑基础特征；

-所述将具有任务先验信息的局部通道特征进行多尺度融合，获得紧凑辅助特征，包括：

分别提取所述图像特征提取器得到的所有紧凑基础特征，将其中具有任务先验信息的局部通道特征按照通道维度进行多尺度空间融合，获得紧凑辅助特征；

-所述基于所述紧凑基础特征和所述紧凑辅助特征生成紧凑量化基础特征和紧凑量化辅助特征，获得压缩传输的码流，包括：

建立熵模型，利用所述熵模型分别对所述紧凑基础特征和所述紧凑辅助特征进行四舍五入量化，获得紧凑量化基础特征和紧凑量化辅助特征，即为紧凑量化双流特征；

对所述紧凑量化双流特征通过熵模型进行高斯概率码率估计，获得码率估计值；

基于所述码率估计值对所述紧凑量化双流特征进行熵编码，获得压缩传输的码流。

3.一种人眼视觉和机器视觉协同的图像特征解压缩方法，其特征在于，包括：

在解码端：

对紧凑量化基础特征进行重构解码，获得面向人眼视觉的重构图像；

将紧凑量化基础特征与紧凑量化辅助特征进行融合，得到面向视觉任务的紧凑量化双流特征；

将紧凑量化双流特征与视觉任务所需特征进行对齐训练，获得紧凑量化双流转换特征；

对紧凑量化双流转换特征进行任务解码，完成面向机器视觉的不同分析任务。