[发明专利]利用加权算法的数据预测采集系统

说明书

本发明涉及一种利用加权算法的数据预测采集系统，包括：帧数解析机构，获取待压缩编码的视频文件对应的视频帧数并作为当前压缩帧数输出；压缩预判器件，基于当前压缩帧数、视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长。通过本发明，为了针对待压缩的图像内容选择出适合特定压缩时长需求和特定压缩数据存储空间需求的压缩算法，针对每一压缩算法，对待压缩的图像内容执行基于人工智能的压缩数据的预测操作，从而为压缩算法的最终选择提供关键信息。

技术领域

本发明涉及数据处理领域，尤其涉及一种利用加权算法的数据预测采集系统。

背景技术

图像压缩编码可分为两类：一类压缩是可逆的，即从压缩后的数据可以完全恢复原来的图像，信息没有损失，称为无损压缩编码；另一类压缩是不可逆的，即从压缩后的数据无法完全恢复原来的图像，信息有一定损失，称为有损压缩编码。在满足一定保真度的要求下，对图像数据的进行变换、编码和压缩，去除多余数据减少表示数字图像时需要的数据量，以便于图像的存储和传输，即以较少的数据量有损或无损地表示原来的像素矩阵的技术。

图像的数据量极大，必须对其数据总量大大压缩，才能够方便其存储以及各种通信链路的传输。对图像执行压缩编码的算法存在各种标准，不同图像内容在不同压缩编码算法的压缩处理下需要执行的压缩时间长度以及压缩后的数据总量都不相同。对于压缩时间长度要求苛刻以及压缩数据存储空间要求苛刻的压缩场景，对同一图像内容轮流执行各种不同压缩标准以进行压缩时间长度和压缩数据总量的比对和选择，显然不太现实，需要耗费大量的时间成本和运算成本。

CN103646409A公开了一种高光谱图像压缩编码方法，具体地说是一种多元向量量化的高光谱图像压缩编码方法。多元向量量化的高光谱图像压缩编码方法，包括读入高光谱图像数据；构建压缩字典：根据2种多元向量量化模型和字典原子选择策略，利用多元回归计算每一像元压缩时所使用的字典原子及其系数压缩和编码。本发明重新构建向量量化模型，提出2种多元向量量化模型，省略的误差信息要比传统的向量量化方法中的误差信息量少，而且在新提出的多元向量量化模型中，选取出的字典原子的系数也没有限定，其值为根据光谱本身和字典构成计算得出，从而保证了重建图像的质量，减小压缩编码所造成的图像失真。

CN104581186A公开了一种图像压缩中对帧内移动矢量进行编码和解码的方法。帧内移动矢量的特点是其水平分量和垂直分量的长度都总是大于或等于当前编码单元的宽度和高度，而且移动矢量总是位于当前编码单元的左方或上方或左上方，与当前编码单元的距离总是大于或等于当前编码单元的宽度和高度。本发明把移动矢量映射到距离编码单元最接近的区域，来最大限度地减小移动矢量的长度，从而减少对移动矢量进行编码所需要的比特数，提高对帧内移动矢量的编码效率。

CN104202607A公开了一种图像无损压缩方法和电子设备，属于图像压缩领域。所述方法包括：根据预测模型，对获取到的目标极光光谱图像帧中的每个像素进行预测，生成预测图像帧；对所述目标极光光谱图像帧和所述预测图像帧进行做差，生成残差图像；对所述残差图像进行算术编码，生成码流文件。本发明实施例提供一种图像压缩方法，通过对极光光谱图像每一帧分别建立预测模型，进行压缩，实现了极光光谱图像的实时压缩，从而提高了压缩效率，降低了成本。

CN103428486A公开了一种图像压缩方法和装置。该方法包括：计算对任意一个片断行进行压缩所需的总比特长度、以及对任意一个片断进行压缩所需的理论比特长度；对于处于任意一个片断行中的每个片断，获取用于对所述片断进行压缩的量化参数和压缩模式、以及利用所获取的量化参数和压缩模式对所述片断进行压缩所需的实际比特长度；将所述片断行中的一个或多个简单片断的冗余比特长度分配给所述片断行中的一个或多个复杂片断，并且重新获取用于对所述一个或多个复杂片断中的每个复杂片断进行压缩的量化参数和压缩模式；以及利用所获取的量化参数和压缩模式对所述片断行中的每个片断进行压缩。