[发明专利]一种高质量的图像压缩方法

权利要求书

1.一种高质量的图像压缩方法，其特征在于，按照以下步骤进行：

步骤1)采用K-means算法进行颜色聚类，将原始图像进行压缩，经过聚类算法后压缩比为n:1；

1.1、提取图像的RGB像素矩阵A1，A2，A3；

1.2、确定聚类簇数K；

1.3、统计A1，A2和A3的像素分布，按照像素的分布规律采用聚类算法将矩阵A1，A2和A3的像素值分别分为K类，

1.4、用此K类簇的中心值取代所有的像素值得到输出数据X；

步骤2)将步骤1)输出数据X输入到两层深度神经网络压缩算法进行两层编码得到压缩数据H₁，经过两层解码层后得到的解压缩数据为X¹，经过深度神经网络压缩算法压缩比为m:1；

步骤3)将数据X和数据X¹输入到均方误差函数中，得到整个压缩算法的误差L₁，整体算法达到的压缩比为nm:1。

2.根据权利要求1所述的高质量的图像压缩方法，其特征在于，两层神经网络压缩算法的具体步骤如下：

输入：经过K-means算法的图像的像素矩阵X(x₁,x₂,...,x_N)；

输出:解压缩后的像素矩阵

第一次层编码：

2.1、初始化权重W₁和偏置b₁，然后通过公式(1)计算隐藏层的输出H；

2.2、初始化权重W₂和偏置b₂，解码是从H到A，通过公式(2)计算A；

2.3、通过均方误差函数来计算误差，计算公式如(3)所示：

其中，a_j为A(a₁,a₂,...,a_N)里的向量；

2.4、通过公式(4)将W₁，W₂更新为计算公式(4)为：

2.5、通过公式(5)将b₁,b₂更新为计算公式(5)为：

2.6、重复2.1-2.5，直到公式(3)小于设定的阈值；

2.7、将第一编码层的输出H输入到第二编码层；

第二层编码:

算法的过程与第一层相似，最终的输出为H₁，由公式(6)计算得到；

解码:

2.8、第一层解码结果为Y，初始化权重W₂₁和b₂₁，通过公式(7)计算得到：

2.9、初始化权重W¹和偏置b¹，通过公式(8)计算输出X¹；

2.10、通过公式(9)计算X¹和X间的误差；

2.11通过公式(10)更新参数；

2.12、重复2.8-2.11，直到公式(9)满足设定的阈值；

2.13、最终得到的解码层输出为X¹。

3.根据权利要求1所述的高质量的图像压缩方法，其特征在于，步骤1)中采用的聚类算法除使用的K-means算法，或者是DBSCAN算法，或者是FCM算法及K-means的系列改进算法。

4.根据权利要求1所述的高质量的图像压缩方法，其特征在于，所述步骤1.2中聚类簇数K通过肘部法则来确定，具体步骤如下：

设定聚类数K为1,2,...，K为自然数；

对矩阵A1进行聚类；

恢复A1为A1’；

计算损失函数

做L与K的图像，拐点处即为推荐的聚类数。

5.根据权利要求1所述的高质量的图像压缩方法，其特征在于，所述的经过聚类算法达到的压缩比n:1：

6.根据权利要求1所述的高质量的图像压缩方法，其特征在于，所述的经过深度神经网络压缩算法的压缩比m:1：

式中，M为压缩数据H₁的维度大小，N为原始图像的维度大小。