一种图像处理方法及其设备技术

本申请涉及人工智能和图像压缩技术，本申请实施例公开了一种图像处理方法，用于图像压缩、解压缩。本申请实施例方法包括：将第一JPEG图像数据进行霍夫曼解码，得到量化系数；对量化系数进行熵估计，以得到熵估计结果，所述熵估计结果用于对所述量化系数进行概率估计；对量化系数和熵估计结果进行算术编码得到第一压缩数据，第一压缩数据占用的存储空间小于第一JPEG图像数据占用的存储空间。本申请实施例中，将第一JPEG图像数据进行霍夫曼解码得到量化系数之后，进而得到第一压缩数据，在此过程中，不需要将第一JPEG图像数据转换为RGB图像进行熵估计，进而减少了不相关的信息，提升了JPEG图像压缩的性能。JPEG图像压缩的性能。JPEG图像压缩的性能。

【技术实现步骤摘要】
一种图像处理方法及其设备


[0001]本申请实施例涉及人工智能和图像压缩领域，具体涉及一种图像压缩方法及其设备。

技术介绍

[0002]随着信息化时代的来临，大量的图像数据也随之而来。由于图像数据量的庞大，在存储、传输、处理时非常困难，因此图像数据的压缩就显得非常重要。
[0003]图像压缩是指用相对较少的比特数据表示原有的图像。数据压缩的目的就是通过去除数据冗余来减少表示数据所需的比特数。JPEG图像是目前应用范围最广的图像编码格式，传统对JPEG图像的压缩方式中，需要将JPEG图像解码为RGB图像再进行相关的压缩流程。
[0004]在将JPEG图像解码为RGB图像的过程中，会使图像又增加了更多的不相关信息，从而影响了JPEG图像压缩的性能。

技术实现思路

[0005]本申请实施例提供了一种图像处理方法及其设备，用于在图像解压缩时，将第一JPEG图像数据进行霍夫曼解码得到量化系数之后，将量化系数进行熵估计得到熵估计结果，并根据该熵估计结果和量化系数进行算术编码，进而得到第一压缩数据，在此过程中，不需要将第一JPEG图像数据转换为RGB图像进行熵估计，进而减少了不相关的信息，提升了JPEG图像压缩的性能。
[0006]本申请实施例第一方面提供了一种图像处理方法。
[0007]在图像处理过程中，由摄像头或者图像采集设备采集到的图像为原始图像，JPEG图像为该原始图像压缩过后的图像数据。为了对JPEG图像数据进行再压缩，终端设备或者服务器会通过霍夫曼对照表将第一JPEG图像数据进行霍夫曼解码，以得到量化系数。接着，再对该量化系数进行熵估计，以得到熵估计结果，该熵估计结果用于对该量化系数进行概率估计。在得到熵估计结果之后，将量化系数和熵估计结果进行算术编码得到第一压缩数据，该第一压缩数据通常情况下是由比特信息组成的字节流数据，该第一压缩数据占用的存储空间小于第一JPEG图像数据占用的存储空间。
[0008]本申请实施例中，将第一JPEG图像进行霍夫曼解码之后，得到量化系数，并根据该量化系数进行熵估计得到的熵估计结果和该量化系数得到第一压缩数据，因此该过程为无损压缩过程，不需要将第一JPEG图像进行RGB转换，提升了JPEG图像压缩的性能。
[0009]基于本申请实施例第一方面的方法，在一种可能的实现方式中，对量化系数进行熵估计，以得到熵估计结果的一种实现方式中，可以将量化系数输入到熵估计网络中，以得到熵估计结果。该熵估计网络用于对该量化系数进行概率估计，该熵估计网络为一种网络模型，且其中还可以包括更多的网络模型。
[0010]本申请实施例中，通过将量化系数输入到熵估计网络中，以得到熵估计结果，提升
了对量化系数进行熵估计的可实现性。
[0011]基于本申请实施例第一方面的方法，在一种可能的实现方式中，熵估计网络中包括了超先验输入模型、超先验输出模型、概率分布模型、熵参数模型，超先验输入模型、概率分布模型和超先验输出模型构成了一个超先验网络，用于对量化系数进行先验，熵参数模型用于对先验的结果进行转换，以得到概率估计所需要用的均值和方差。具体的，将量化系数输入到超先验输入模型中，以得到第一先验值，该第一先验值为量化系数相关的先验值。将该第一先验值进行量化，得到先验量化系数。
[0012]将先验量化系数输入到概率分布模型中，以得到先验估计结果，该先验估计结果是对先验量化系数的概率估计的结果。将先验估计结果和先验量化系数进行编码得到第二压缩数据，第二压缩数据是用于解压第一压缩数据的。
[0013]将先验量化系数输入到超先验输出模型中，以得到第一先验数据，第一先验数据用于生成熵估计结果。将该第一先验数据输入到熵参数模型中，以得到熵估计结果，该熵估计结果包括均值和方差，该熵估计结果用于对量化系数进行概率估计。
[0014]本申请实施例中，通过超先验网络中各个模型和熵参数模型对量化系数进行计算以得到用于概率估计的熵估计结果，使得在后续的概率估计中，可以更精准的对JPEG图像中每个像素点进行概率估计。
[0015]基于本申请实施例第一方面的方法，在一种可能的实现方式中，通过将量化系数输入到熵估计网络中，该熵估计网络中包括了上下文模型和熵参数模型，上下文模型用于优化熵估计结果，使得后续进行概率估计时更加的精准。具体的，将量化系数输入到上下文模型中，以得到上下文数据，该上下文数据用于对熵估计结果进行优化。进而将上下文数据输入到熵参数模型中，以得到熵估计结果。
[0016]本申请实施例中，通过上下文模型，并根据上下文模型得到的上下文数据得到熵估计结果，使得在后续的概率估计中，可以更准确的对JPEG图像中的每个像素点进行概率估计。
[0017]基于本申请实施例第一方面的方法，在一种可能的实现方式中，熵估计网络中包括了超先验输入模型、超先验输出模型、概率分布模型、熵参数模型、上下文模型时，在得到第一先验数据和上下文数据之后，将第一先验数据和上下文数据输入到熵参数模型中，以得到熵估计结果。
[0018]本申请实施例中，通过超先验输入模型、超先验输出模型、概率分布模型得到的第一先验数据和上下文模型得到的上下文数据得到熵估计结果，使得在后续的概率估计中，可以更准确的对JPEG图像中的每个像素点进行概率估计。
[0019]基于本申请实施例第一方面的方法，在一种可能的实现方式中，在对量化系数和熵估计结果进行算术编码得到第一压缩数据之后，当需要将该第一压缩数据还原回第一JPEG图像时，可以根据熵估计结果对第一压缩数据进行计算，得到量化系数，对量化系数进行霍夫曼编码，就可以得到第一JPEG图像数据了。
[0020]本申请实施例中，通过对第一压缩数据进行解压得到量化系数后，再对量化系数进行霍夫曼编码，就可以将第一压缩数据还原回第一JPEG图像数据了，该过程为无损的还原过程，提升了图像还原的性能。
[0021]本申请实施例第二方面提供了一种图像处理方法。
[0022]当需要对目标压缩数据进行还原时，获取目标压缩数据，该目标压缩数据为第一JPEG图像数据的压缩数据。在获取到目标压缩数据之后，根据目标压缩数据得到熵估计结果，该熵估计结果用于对目标压缩数据进行概率估计。根据熵估计结果对目标压缩数据进行计算，得到量化系数。进而对量化系数进行霍夫曼编码，得到第一JPEG图像数据。
[0023]本申请实施例中，通过对目标压缩数据进行解压得到量化系数后，再对量化系数进行霍夫曼编码，就可以将目标压缩数据还原回第一JPEG图像数据了，该过程为无损的还原过程，提升了图像还原的性能。
[0024]基于本申请实施例第二方面的方法，在一种可能的实现方式中，该目标数据包括了第一压缩数据和第二压缩数据，该第一压缩数据为第一JPEG图像数据的压缩数据，第二压缩数据是用于解压第一压缩数据的。将第二压缩数据进行解压，得到中间数据，对该中间数据进行计算得到先验量化系数，先验量化系数为量化系数的先验。将先验量化系数输入到超先验输出模型中，以得到第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：将第一JPEG图像数据进行霍夫曼解码，得到量化系数；对所述量化系数进行熵估计，以得到熵估计结果，所述熵估计结果用于对所述量化系数进行概率估计；对所述量化系数和所述熵估计结果进行算术编码得到第一压缩数据，所述第一压缩数据占用的存储空间小于所述第一JPEG图像数据占用的存储空间。2.根据权利要求1所述的方法，其特征在于，对所述量化系数进行熵估计，以得到熵估计结果包括：将所述量化系数输入到熵估计网络中，以得到所述熵估计结果，所述熵估计网络用于对所述量化系数进行概率估计。3.根据权利要求2所述的方法，其特征在于，所述熵估计网络包括超先验输入模型、超先验输出模型、概率分布模型、熵参数模型，将所述量化系数输入到熵估计网络中，以得到所述熵估计结果包括：将所述量化系数输入到超先验输入模型，以得到第一先验值，所述第一先验值为所述量化系数的先验值；将所述第一先验值量化得到先验量化系数；将所述先验量化系数输入到所述概率分布模型中，以得到先验估计结果；将所述先验估计结果和所述先验量化系数进行编码得到第二压缩数据，所述第二压缩数据用于解压所述第一压缩数据；将所述先验量化系数输入到所述超先验输出模型中，以得到第一先验数据，所述第一先验数据用于生成所述熵估计结果；将所述第一先验数据输入到所述熵参数模型中，以得到所述熵估计结果。4.根据权利要求2所述的方法，其特征在于，所述熵估计网络包括上下文模型、熵参数模型，所述方法还包括：将所述量化系数输入到所述上下文模型中，以得到上下文数据，所述上下文数据用于优化所述熵估计结果；将所述上下文数据输入到所述熵参数模型中，以得到所述熵估计结果。5.根据权利要求3所述的方法，其特征在于，所述熵估计网络还包括上下文模型，所述方法还包括：将所述量化系数输入到所述上下文模型中，以得到上下文数据，所述上下文数据用于优化所述熵估计结果；将所述上下文模型输入到所述熵参数模型中，以得到所述熵估计结果包括：将所述第一先验数据和所述上下文数据输入到所述熵参数模型中，以得到所述熵估计结果。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述对所述量化系数和所述熵估计结果进行算术编码得到第一压缩数据之后，所述方法还包括：根据所述熵估计结果对所述第一压缩数据进行计算，得到所述量化系数；对所述量化系数进行霍夫曼编码，得到所述第一JPEG图像数据。7.一种图像处理方法，其特征在于，包括：
获取目标压缩数据，所述目标压缩数据包括第一JPEG图像数据的压缩数据；根据所述目标压缩数据得到熵估计结果，所述熵估计结果用于对所述目标压缩数据进行概率估计；根据所述熵估计结果对所述目标压缩数据进行计算，得到量化系数；对所述量化系数进行霍夫曼编码，得到所述第一JPEG图像数据。8.根据权利要求7所述的方法，其特征在于，所述目标压缩数据包括第一压缩数据和第二压缩数据，所述第一压缩数据包括所述第一JPEG图像数据的压缩数据，所述第二压缩数据用于解压第一压缩数据，根据所述目标压缩数据得到熵估计结果包括：根据所述第二压缩数据得到先验量化系数，所述先验量化系数为所述量化系数的先验；将所述先验量化系数输入到超先验输出模型中，以得到第一先验数据，所述第一先验数据用于生成所述熵估计结果；将所述第一先验数据输入到熵参数模型中以得到熵估计结果；根据所述熵估计结果对所述目标压缩数据进行计算，得到量化系数包括：根据所述熵估计结果对所述第一压缩数据进行计算，得到量化系数。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：将所述第一压缩数据进行解压，得到量化系数的维度信息；根据所述维度信息得到模拟量化系数；将所述模拟量化系数输入到上下文模型中得到上下文数据，所述上下文数据用于优化所述熵估计结果；将所述第一先验数据输入到熵参数模型中以得到熵估计结果包括：将所述第一先验数据和所述上下文数据输入到熵参数模型中以得到熵估计结果。10.一种图像处理装置，其特征在于，包括：解码单元，用于将第一JPEG图像数据进行霍夫曼解码，得到量化系数；处理单元，用于对所述量化系数进行...

【专利技术属性】
技术研发人员：王晶，白博，冯义晖，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：