[发明专利]一种基于频域量化损失估计的JPEG压缩图像复原方法

摘要

本发明公开了一种基于频域量化损失估计的JPEG压缩图像复原方法，首先提出了基于双域卷积神经网络的JPEG编码压缩图像复原方法的处理框架，该框架由图像特征编码单元、图像特征解码单元、双域压缩损失修正单元以及标记图，量化表等要素组成。通过研究DCT量化的统计先验特性，引入了位素图和标记图等要素，同时采用预测图像在频域中亮度和色度的损失的策略，有效地将亮度与色度分量的学习与双域卷积神经网络相结合，解决了双域卷积神经网络无法利用双域信息进行图像复原的问题。该方法在JPEG编码压缩图像复原领域较其他图像去块滤波方法在主观图像质量及PSNR、SSIM等关键技术指标上均有明显的提升。

主权项

1.一种基于频域量化损失估计的JPEG压缩图像复原方法，包括以下步骤：/n步骤1，根据待复原图像的图像质量因子匹配对应的压缩质量位素图；/n步骤2，根据压缩质量位素图和目标复原图像尺寸，以失真图像左上角为原点，重复叠加对应像素位置的压缩质量位素图，使得重复叠加的压缩质量位素图完全覆盖目标复原图像尺寸，并裁掉右侧和下侧区域多余像素点，得到目标复原图像的压缩质量标记图；/n步骤3，将压缩质量标记图与目标复原图像按通道进行连接，得到一幅四通道图像；/n步骤4，将该四通道图像及该待复原图像的图像质量因子对应的亮度通道量化表和色度通道量化表输入至训练好的双域卷积神经网络模型中，该四通道图像依次经过图像特征编码单元、n个双域压缩损失修正单元以及图像特征解码单元处理，输出复原图像；/n其中，每个双域压缩损失修正单元包括特征提取器、修正器、第一叠加层以及放大层四部分；/n特征提取器主要用于像素域特征提取，包括膨胀卷积层、激活层、连接层以及卷积层；/n修正器主要用于对频域进行修正和像素特征进行修正，其包括频域修正分支、像素特征修正分支以及对频域修正分支结果和像素特征修正分支结果进行叠加输出像素特征域损失的第二叠加层；像素特征修正分支包括一个卷积层C_P1；频域修正分支包括亮度修正分支、色度修正分支以及对亮度修正分支结果和色度修正分支结果进行融合的卷积层C_D5；/n放大层用于对第二叠加层输出的像素特征域损失进行放大；/n第一叠加层用于对放大层输出的放大后的像素特征域损失和特征提取器输入的像素域特征进行叠加融合，输出修正后的像素域特征。/n