一种面向目标检测的JPEG图像压缩方法、装置、介质、设备制造方法及图纸

本发明专利技术属于图像处理技术领域，公开一种面向目标检测的JPEG图像压缩方法、装置、介质、设备，包括对公开的目标检测数据集进行处理，得到回归样本集；在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量；基于得到的回归样本集和图像特征向量，对最优质量因子进行回归，训练回归模型，得到回归参数，通过回归模型对输入的图像进行压缩。本发明专利技术在不降低下游视觉任务计算指标的前提下基于JPEG压缩回归算法计算最优质量因子，以自适应地压缩图像从而减少在传输过程中的资源消耗。耗。耗。

【技术实现步骤摘要】
一种面向目标检测的JPEG图像压缩方法、装置、介质、设备


[0001]本专利技术涉及图像处理领域，特别涉及一种面向目标检测的JPEG图像压缩方法、装置、介质、设备。

技术介绍

[0002]随着计算机视觉处理技术的不断发展进步，各种智能监拍装置广泛应用于安防、电网、交通等领域。智能监拍装置的工作原理是将采集到的图像帧传输到中心节点进行实时智能分析计算，主要包括目标检测、目标识别等视觉处理过程。监拍装置采集到的图像通常为JPEG格式或可以转化为JPEG格式的PNG图像，但随着装置应用和部署规模的不断扩大，海量的图像传输会受到网络限制，从而严重影响到后续处理流程的进行。一种较为可行的解决方案是在不影响视觉任务计算指标的前提下，通过对采集到的图像在网络传输之前进行压缩优化，以达到降低网络资源消耗的目的。在图像压缩相关技术方向研究者们做出了很多探索，传统方法方面比如通过对JPEG量化表进行优化，同时近年来深度学习技术应用到此领域，衍生了基于CNN或LSTM等端到端图像压缩的方法。但这些方法大多面向人眼视觉观感，不适用于计算机视觉处理任务中，同时基于深度学习方法压缩图像通常需要一定的硬件算力支持，难以应用到实际的大规模智能监拍任务中。
[0003]因此基于传统JPEG压缩方式研究提出一种专门针对计算机视觉处理任务的JPEG图像优化方法以解决图像在传输过程中资源消耗较大的问题是必要且有意义的。

技术实现思路

[0004]本专利技术实施例提供了一种面向目标检测的JPEG图像压缩方法、装置、介质、设备，以解决现有技术中JPEG图像在传输过程中资源消耗较大的问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0005]根据本专利技术实施例的第一方面，提供了一种面向目标检测的JPEG图像压缩方法，包括：
[0006]对公开的目标检测数据集进行处理，得到回归样本集；
[0007]在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量；
[0008]基于得到的回归样本集和图像特征向量，对最优质量因子进行回归，训练回归模型，得到回归参数；
[0009]通过回归模型对输入的图像进行压缩。
[0010]在一个实施例中，所述方法包括：所述对公开的目标检测数据集进行处理，得到回归样本集的步骤，包括：
[0011]构建训练样本、验证样本和测试样本。
[0012]在一个实施例中，所述方法包括：所述对公开的目标检测数据集进行处理，得到回
归样本集的步骤，还包括：
[0013]在训练样本、验证样本和测试样本中，使用多种压缩质量因子，将所有图像划分为若干个图像子块，对所有图像子块进行压缩；
[0014]将压缩后的图像送入目标检测模型中进行预测推理，得到最优质量因子，作为该图像的标注值。
[0015]在一个实施例中，所述方法包括：所述在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量的步骤，所述图像特征包括：
[0016]图像亮度特征、图像色彩丰富度特征、图像纹理信息特征和图像边缘信息特征。
[0017]在一个实施例中，所述方法包括：所述图像亮度特征的特征向量以图像像素灰度值的平均值来表示。
[0018]在一个实施例中，所述方法包括：所述图像色彩丰富度特征的特征向量以图像像素灰度值相对于均值的离散程度来表示。
[0019]在一个实施例中，所述方法包括：所述在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像纹理信息特征的特征向量的步骤，包括：
[0020]描述图像中的循环方向和循环二位模式，图像的空间域经过傅里叶变换得到频域和频谱；
[0021]利用频谱，得到空间域与频谱的函数关系；
[0022]根据空间域与频谱的函数关系，确定图像纹理信息特征目标参数，得到目标参数函数。
[0023]在一个实施例中，所述方法包括：所述利用频谱，得到空间域与频谱的函数关系，确定图像纹理信息特征目标参数，得到目标参数函数的步骤，包括：
[0024]所述图像纹理信息特征目标参数包括表示图像纹理的清晰度的对比度和表示图像所含纹理信息数量的纹理熵。
[0025]在一个实施例中，所述方法包括：所述图像边缘信息特征的特征向量以平均梯度来表示。
[0026]在一个实施例中，所述方法包括：所述基于得到的回归样本集和图像特征向量，对最优质量因子进行回归，训练回归模型，得到回归参数的步骤，包括：
[0027]构建图像特征向量矩阵，并采用套索回归算法计算最优质量因子，训练回归模型，得到回归参数。
[0028]在一个实施例中，所述方法包括：所述对公开的目标检测数据集进行处理，得到回归样本集的步骤，包括：
[0029]所述训练样本、验证样本和测试样本之间的数量关系为训练样本＞测试样本＞验证样本。
[0030]在一个实施例中，所述方法包括：所述在训练样本、验证样本和测试样本中，使用多种压缩质量因子，将所有图像划分为若干个图像子块，对所有图像子块进行压缩的具体步骤，包括：
[0031]使用等差数列作为压缩质量因子，将所有图像划分为若干个图像子块，对所有图像子块进行压缩。
[0032]在一个实施例中，所述方法包括：所述将压缩后的图像送入目标检测模型中进行
预测推理，得到最优质量因子，作为该图像的标注值的具体步骤，包括：
[0033]将SSD模型作为目标检测模型，使用SSD在VOC训练集上的预训练模型对压缩得到的图像进行推理，记录推理结果；
[0034]分析推理结果，对于同一张图像的不同压缩比的所有图像，选择置信度大于一且压缩比最小的图像作为最优质量因子，作为该图像的回归样本集的标注值。
[0035]根据本专利技术实施例的第二方面，提供了一种面向目标检测的JPEG图像压缩装置，包括：
[0036]回归样本集模块，用于对公开的目标检测数据集进行处理，得到回归样本集；
[0037]图像特征的选取与计算模块，用于在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量；
[0038]最优质量因子回归模块，用于基于得到的回归样本集和图像特征向量，对最优质量因子进行回归，训练回归模型，得到回归参数；
[0039]数据压缩模块，用于通过回归模型对输入的图像进行压缩。
[0040]根据本专利技术实施例的第三方面，提供了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现所述的一种面向目标检测的JPEG图像压缩方法的步骤。
[0041]根据本专利技术实施例的第四方面，提供了一种计算机设备。
[0042]在一些实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向目标检测的JPEG图像压缩方法，其特征在于，包括：对公开的目标检测数据集进行处理，得到回归样本集；在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量；基于得到的回归样本集和图像特征向量，对最优质量因子进行回归，训练回归模型，得到回归参数；通过回归模型对输入的图像进行压缩。2.根据权利要求1所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述对公开的目标检测数据集进行处理，得到回归样本集的步骤，包括：构建训练样本、验证样本和测试样本。3.根据权利要求2所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述对公开的目标检测数据集进行处理，得到回归样本集的步骤，还包括：在训练样本、验证样本和测试样本中，使用多种压缩质量因子，将所有图像划分为若干个图像子块，对所有图像子块进行压缩；将压缩后的图像送入目标检测模型中进行预测推理，得到最优质量因子，作为该图像的标注值。4.根据权利要求1所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像特征向量的步骤，所述图像特征包括：图像亮度特征、图像色彩丰富度特征、图像纹理信息特征和图像边缘信息特征。5.根据权利要求4所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述图像亮度特征的特征向量以图像像素灰度值的平均值来表示。6.根据权利要求4所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述图像色彩丰富度特征的特征向量以图像像素灰度值相对于均值的离散程度来表示。7.根据权利要求4所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述在回归样本集中选取与JPEG图像压缩关联的图像特征，计算得到图像纹理信息特征的特征向量的步骤，包括：描述图像中的循环方向和循环二位模式，图像的空间域经过傅里叶变换得到频域和频谱；利用频谱，得到空间域与频谱的函数关系；根据空间域与频谱的函数关系，确定图像纹理信息特征目标参数，得到目标参数函数。8.根据权利要求7所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述根据空间域与频谱的函数关系，确定图像纹理信息特征目标参数，得到目标参数函数的步骤，包括：所述图像纹理信息特征目标参数包括表示图像纹理的清晰度的对比度和表示图像所含纹理信息数量的纹理熵。9.根据权利要求4所述的面向目标检测的JPEG图像压缩方法，其特征在于，所述图像边缘信息特征的特征向量以...

【专利技术属性】
技术研发人员：林颖，师伟，孙景文，李杰，秦佳峰，王江伟，张丕沛，汪鹏，孙承海，张峰达，李壮壮，刘萌，白德盟，郑文杰，熊永平，吕晓兵，刘碧云，李晓龙，李程启，张围围，刘辉，周超，
申请(专利权)人：国家电网有限公司北京邮电大学沈阳工业大学，
类型：发明
国别省市：