[发明专利]基于自适应下采样和深度学习的图像压缩方法有效
| 申请号： | 201811439805.0 | 申请日： | 2018-11-29 |
| 公开（公告）号： | CN109495741B | 公开（公告）日： | 2023-03-31 |
| 发明（设计）人： | 何小海;张达明;任超;吴晓红;熊淑华;滕奇志;王正勇 | 申请（专利权）人： | 四川大学 |
| 主分类号： | H04N19/103 | 分类号： | H04N19/103;H04N19/124;H04N19/147;H04N19/42;H04N19/70 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610065 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公布了一种基于基于自适应下采样和深度学习的图像压缩方法。主要包括以下步骤：在编码器端，为待编码的原始图像设计了多种不同的下采样模式和量化模式，然后通过率失真优化算法从多种模式中选择最优的的下采样及量化模式，最后待编码图像将在选择的最优模式下进行下采样和JPEG编码；在解码器端，采用基于卷积神经网络的超分辨率重建算法对解码后的下采样图像进行超分辨率重建，最后利用BM3D算法在超分辨率重建后进一步抑制残留的压缩效应，得到最终的解码图像。实验结果表明，相比于主流的编解码标准和先进的编解码方法，所提出的框架能有效地提升编码图像的率失真性能，并能获得更好的视觉效果。 | ||
| 搜索关键词： | 基于 自适应 采样 深度 学习 图像 压缩 方法 | ||
【主权项】：
1.基于自适应下采样和深度学习的图像压缩方法，其特征在于包括以下步骤：步骤一：为待编码的原始图像设计多种不同的下采样模式和量化模式；步骤二：通过率失真优化算法从多种模式中选择最优的下采样及量化模式；步骤三：将待编码图像在选择的最优模式下进行下采样和JPEG编解码；步骤四：采用基于卷积神经网络的超分辨率重建算法对解码后的任意下采样模式下采样的图像进行超分辨率重建；步骤五：利用BM3D算法在超分辨率重建后进一步抑制残留的压缩效应，得到最终的解码图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川大学，未经四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811439805.0/，转载请声明来源钻瓜专利网。
