深度图像压缩方法及其装置、设备和存储介质制造方法及图纸

本发明专利技术提供的一种深度图像压缩方法及其装置、设备和存储介质，通过对深度图像进行正变以得到特征系数矩阵，并通过高斯概率模型对量化后的特征系数矩阵进行熵编码以得到对应的特征系数码流，以及对所述深度图像的元信息进行旁路熵编码以得到对应的元信息码流，最后合并所述特征系数码流及所述元信息码流以作为所述深度图像的压缩数据。本发明专利技术能够深度图像压缩导致合成视图失真的问题，并且在压缩性能方面超越传统编码标准JPEG和BPG。

Depth image compression method and its device, equipment and storage medium

【技术实现步骤摘要】
深度图像压缩方法及其装置、设备和存储介质
本专利技术涉及深度图像处理
尤其是涉及一种深度图像压缩方法及其装置、设备和存储介质。
技术介绍
光场视频作为一种新型的数字媒体，通过提供多个视点的视频数据使用户自由选择视点从多个角度观看三维立体场景，其独特的立体感和视点间交互功能使它广泛应用于三维电视、自由视点电视和光场监控等多个领域。光场视频包含了大量的数据信息，从而导致了存储和传输的巨大压力，如何高效地对光场视频进行压缩成为制约其发展的瓶颈。基于深度图像绘制的虚拟视图合成是光场视频应用中的关键技术，它利用参考视点的视频数据和相应的深度图像合成任意视点的视图，其合成视图的质量很大程度上依赖于深度图像的质量。在过去的几十年中，一系列的图像编码标准被广泛地应用。目前已有的图像压缩标准有很多种，包括联合图片专家组制定的JPEG和JPEG2000，由国际标准化组织/国际电工技术委员会发布的PNG等。但上述图像压缩是针对传统图像的，并不是针对深度图像的。与视频图像不同，深度图像是包含大量的均匀区域、更多的空间冗余和锐利边界的灰度图，使用传统的图本文档来自技高网...

【技术保护点】
1.一种深度图像压缩方法，其特征在于，所述方法包括：/n对深度图像进行基于自编码网络的正变换处理以得到表征所述深度图像的信息的特征系数矩阵；/n对所述特征系数矩阵进行量化处理，并通过高斯概率模型对量化后的所述特征系数矩阵进行熵编码，以得到对应的特征系数码流；/n对所述深度图像的元信息进行旁路熵编码以得到对应的元信息码流；/n合并所述特征系数码流及所述元信息码流以作为所述深度图像的压缩数据。/n

【技术特征摘要】
1.一种深度图像压缩方法，其特征在于，所述方法包括：
对深度图像进行基于自编码网络的正变换处理以得到表征所述深度图像的信息的特征系数矩阵；
对所述特征系数矩阵进行量化处理，并通过高斯概率模型对量化后的所述特征系数矩阵进行熵编码，以得到对应的特征系数码流；
对所述深度图像的元信息进行旁路熵编码以得到对应的元信息码流；
合并所述特征系数码流及所述元信息码流以作为所述深度图像的压缩数据。


2.根据权利要求1所述的深度图像压缩方法，其特征在于，所述特征系数矩阵能经过自编码网络的反变换以重构出所述深度图像的像素值。


3.根据权利要求2所述的深度图像压缩方法，其特征在于，所述正变换与所述反变换呈对称结构，分别由6层卷积层、及5层归一化层组成。


4.根据权利要求1所述的深度图像压缩方法，其特征在于，所述量化处理为标量量化，包括：对输入值进行四舍五入量化处理，以及选取最接近所述输值入的整数作为输出值。


5.根据权利要求1所述的深度图像压缩方法，其特征在于，在所述自编码网络进行训练时，通过增加随机均匀噪声来近似所述量化处理，使得编解码过程变得可导。


6.根据权利要求1所述的深度图像压缩方法，其特征在于，所述高斯概率模型是通过对所述深度图像的特征系数进行基于高斯分布的概率建模得到的。


7.根据权利要求1所述的深度图像压缩方法，其特征在于，...

【专利技术属性】
技术研发人员：胡强，石志儒，
申请(专利权)人：曜科智能科技上海有限公司，
类型：发明
国别省市：上海;31