[发明专利]一种图像压缩方法及装置

说明书

本申请适用于图像处理技术领域，提供了一种图像压缩方法及装置，所述方法包括：获取目标图像和所述目标图像对应的目标码率；确定与所述目标码率对应的第一码率参数；将所述目标图像和所述第一码率参数输入到已训练的图像压缩模型中处理，得到码率为所述目标码率的压缩图像；其中，所述图像压缩模型是基于包含所述第一码率参数在内的多个码率参数训练所得。

技术领域

本申请属于图像处理技术领域，尤其涉及一种图像压缩方法及装置。

背景技术

图像压缩技术是实现图像高效传输和存储的重要技术手段，是一种以较少的比特有损或无损地表示图像原始的像素矩阵的技术。随着深度学习技术的发展，利用神经网络模型实现图像压缩成为一种流行趋势。

然而，现有的神经网络模型都是基于固定码率训练所得，因此一种神经网络模型往往只能实现一种码率的图像压缩。当需要获得多种码率的压缩图像时，则需要基于不同的码率训练不同的模型，降低了图像压缩的效率，耗时耗力。

发明内容

本申请实施例提供了一种图像压缩方法及装置，可以解决需要训练不同码率的模型，导致图像压缩效率低的问题。

第一方面，本申请提供一种图像压缩方法，所述方法包括：获取目标图像和所述目标图像对应的目标码率；确定与所述目标码率对应的第一码率参数；将所述目标图像和所述第一码率参数输入到已训练的图像压缩模型中处理，得到码率为所述目标码率的压缩图像；其中，所述图像压缩模型是基于包含所述第一码率参数在内的多个码率参数训练所得。

可选的，所述第一码率参数包括第一压缩权重；所述图像压缩模型包括第一非线性编码网络和压缩网络；所述将所述目标图像和所述第一码率参数输入到已训练的图像压缩模型中处理，得到码率为所述目标码率的压缩图像包括：将所述目标图像和所述第一压缩权重输入到所述第一非线性编码网络中，由所述第一非线性编码网络对所述第一压缩权重例进行哑编码，得到与所述第一压缩权重例对应的编码值，并利用所述编码值对所述目标图像进行条件卷积，得到所述目标图像的第一特征图；将所述第一特征图输入到所述压缩网络进行压缩处理，得到所述压缩图像。

可选的，所述第一非线性编码网络包括K个卷积层，K为大于等于1的整数；所述K个卷积层中的每个所述卷积层的输入信息包括输入特征图像和所述第一压缩权重，且前一个卷积层的输出特征图像是后一个卷积层的输入特征图像，所述第1个卷积层的输入特征图像为所述目标图像，所述第K个卷积层的输出特征图像是所述第一特征图；所述K个卷积层中的每个所述卷积层对输入信息的处理包括：对所述第一压缩权重例进行哑编码，得到与所述第一压缩权重例对应的编码值；对所述编码值进行全连接运算和指数运算，得到第一条件值和第二条件值；对所述输入特征图像进行卷积处理，得到所述输入特征图像的特征信息；根据所述特征信息、所述第一条件值和所述第二条件值得到所述卷积层的输出特征图像。

可选的，所述对所述编码值进行全连接运算和指数运算，得到第一条件值和第二条件值，包括：对所述编码值依次进行第一全连接运算、第一指数运算、第二全连接运算以及第二指数运算，得到第一条件值，所述第一全连接运算和所述第二全连接运算的输出通道数不同；对所述编码值依次进行第三全连接运算、第三指数运算以及第四全连接运算，得到第二条件值，所述第三全连接运算和所述第四全连接运算的输出通道数不同，所述第二全连接运算和所述第四全连接运算的输出通道数相同。

可选的，所述根据所述特征信息、所述第一条件值和所述第二条件值得到所述卷积层的输出信息，包括：将所述特征信息与所述第一条件值的乘积与所述第二条件值相加得到所述输出信息。