[发明专利]基于深度学习的感兴趣区域图像编码、解码系统及方法

摘要

本发明公开了一种基于深度学习的感兴趣区域图像编码系统及方法，包括感兴趣区域编码网络模块、码率分配模块和熵编码模块。图像输入系统后，感兴趣区域编码网络模块同时对输入图像进行正向多尺度分解变换以及感兴趣区域分割预测，得到图像的多尺度特征和感兴趣区域掩模，再经过码率分配模块为感兴趣区域分配更多的特征，分配后的特征经过量化和熵编码得到二进制码流；同时提供了一种感兴趣区域图像解码系统及方法，用于解码上述编码系统及方法形成的编码。本发明使用深度学习技术构建感兴趣区域编解码网络和熵编解码器，利用大量数据训练得到最优模型参数，在实际应用中可达到显著优于现有感兴趣编码系统的主观和客观的编码性能。

主权项

1.一种基于深度学习的感兴趣区域图像编码系统，其特征在于，包括：感兴趣区域编码网络模块，该模块基于深度卷积神经网络，将输入原始图像分解为多个尺度的图像特征并进行量化，同时对所述原始图像进行图像分析得到感兴趣区域掩模矩阵，将量化的所述多个尺度的图像特征以及所述感兴趣区域掩模矩阵发送至码率分配模块；码率分配模块，根据所述感兴趣区域编码网络模块得到的所述感兴趣区域掩模矩阵和所述多个尺度的图像特征进行码率分配，并将分配后的整数图像特征作为编码结果发送至熵编码模块；熵编码模块，将所述码率分配模块分配后的整数图像特征编码为二进制码流并输出。