【技术实现步骤摘要】
面向大规模图像存储的认知型软件可调整图像编码装置
[0001]本专利技术涉及到图像的属性挖掘方法,围绕着挖掘出的图像的画像(Profile),开展个性化的图像编码。特别是面向大规模数据存储的图像编码方法。
技术介绍
[0002]数字图像是目前重要的信息表现形式,它们可以利用丰富的像素信息,表示现实中的各种生活场景、平面广告以及各种医疗图片等。当二维光的强度信号被采样和量化,创建数字图像时,可能会产生大量的,过于丰富的数据,例如数字化图片的尺寸可能太大,色彩深度过深等,最终导致不切实际的存储或传输要求。图像压缩编码解决了减少表示数字图像所需的信息量的问题,从而减少了表示图像所需的信息,使图像的传输或存储要求更加实用。图像压缩编码是一个旨在产生图像的紧凑表示的过程,从而减少图像存储传输要求。事实上,每个图像都会有冗余数据,冗余是指图像中数据的重复,可能是在图像中重复频率高的像素或图案。图像压缩编码是通过利用图像中的冗余信息进行的。减少冗余有助于实现图像存储空间的节省。当这些冗余中的一个或多个被减少或消除时,就实现了图像压缩编码。
[0003]专利技术人在进行面向存储的大规模图像压缩编码研究时,发现现有技术不能够针对图像的本质进行弹性编码,但这种缺陷并不是由图像编码器的编码原理导致的。因为对于任意图像来说,不同的图像编码器都能胜任图像压缩编码的任务。事实上,图像压缩编码器在进行编码之前,需要人为的设定编码的量化参数,但并不能够在编码之前确定怎样的参数组合才能够使得大规模图像具有最佳的呈现质量。
[0004] ...
【技术保护点】
【技术特征摘要】
1.一种面向大规模图像存储的认知型软件可调整图像编码装置,其特征在于,包括:模块1,用于获取待编码图像集的基本信息,该参数信息包括:待编码图像集的规模、每张待编码图像的尺寸和每张待编码图像的色深。模块2,用于挖掘并构建图像的深层信息,所述深层信息包括:每张待编码图像的内容画像、待编码图像集的整体画像、编码器所处的环境画像。模块3,用于对该基本信息和该深层信息进行整合,并结合该编码装置中编码器的可调整的编码参数,构建数学模型。模块4,用于求解该数学模型,得到最优编码参数,并以该最优编码参数对该待编码图像集进行编码。2.如权利要求1所述的面向大规模图像存储的认知型软件可调整图像编码装置,其特征在于,该模块1包括:根据待编码图像集的图像数量、待编码图像集的存储名称及其排列顺序,确定执行编码器的硬件是否能够承担待编码图像的规模;根据每张待编码图像的宽度和高度、每张待编码图像的总像素数,确定每张图像的尺寸是否能够直接作为图像编码器的输入;确认编码装置是否支持当前色深的图像编码。3.如权利要求1所述的面向大规模图像存储的认知型软件可调整图像编码装置,其特征在于,该模块2包括:挖掘并构建每张待编码图像的内容画像;包括:图像编码器采用的不同量化参数对输出图像质量的影响;通过上述信息构建每张图像与编码器之间的关系;第i张待待编码图像(1≤i≤N)的内容画像的每一个元素表示为:C
i
={(A
i
,bit
i
,M
i
)}其中A=(a1,a2,
…
,a
n
)表示n种模态的图像评价指标集合;M=(μ1,μ2,
…
,μ
k
)表示k种编码软件可调整的参数集合;第i张待待编码图像的画像元素C
i
为在指定的编码器中,编码参数集合M的情况下,图像的评价指标集合为A,所占用的存储空间为bit。挖掘并构建待编码图像集的整体画像;包括:整个图像集在当前编码器下的图像存储空间上限bit
max
与下限bit
min
;通过上述信息构建整个图像集画像,为图像集的编码限制条件提供参考;挖掘并构建编码器所处的环境画像;包括:预测当前编码环境在整个编码过程中的耗时上限T;预测当前编码环境在整个编码过程中的功耗上限W;通过上述信息构建编码环境的画像,为图像集的编码限制条件提供参考。4.如权利要求1所述的面向大规模图像存储的认知型软件可调整图像编码装置,其特征在于,该模块3包括:确定适用于当前应用场景的图像评价指标信息A的模态种类数n;确定当前编码器可调整的编码参数M的数量和种类数k;根据适当的衡量方式,结合实际情况,合理的配比A中n种模态的图像评价指标权重向量Ω=(ω1,ω2,
…
,ω
n
);根据每种模态信息与画像参数及其权重配比,构建该数学模型。5.如权利要求4所述的面向大规模图像存储的认知型软件可调整图像编码装置,其特
征在于,该模块4包括:确定用于组成图像内容画像图像质量评价指标,包括:峰值信噪比、结构相似性和多方法评估融合;确定通过挖掘并构建待编码图像集的整体画像、编...
【专利技术属性】
技术研发人员:纪雯,刘建然,
申请(专利权)人:中国科学院计算技术研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。