【技术实现步骤摘要】
一种基于神经网络自动构建的影像数据压缩方法
[0001]本专利技术涉及到影像数据处理
,具体涉及一种基于神经网络自动构建的影像数据压缩方法。
技术介绍
[0002]随着科学技术的发展,智能终端、监控摄像头、遥感卫星等传感器的数量快速增加,使得影像数据的规模也呈爆炸式增长,同时这些传感器的分辨率越来越高,拍摄的影像数据占用的空间也越来越大,使得存储和传输这些影像数据都需要付出较高的代价,降低这些影像数据存储空间的压缩方法具有很高的经济价值和实用价值。
[0003]传统的影像数据压缩方法主要分为无损压缩方法和有损压缩方法,无损影像数据压缩方法通过消除数据中的冗余信息,利用编码替代数据中重复出现的长编码,达到降低数据存储空间的目的。解压缩的过程是利用压缩文件中保存的长编码对应关系,将编码还原为长编码,从而恢复原始的数据。当影像内容简单时,无损数据压缩方法具有较好的压缩效果,但当影像数据内容变复杂时,无损数据压缩方法的压缩效果则会明显降低。
[0004]有损影像数据压缩方法是利用人眼自动使用相近颜色填补丢失颜色的机制,通过算法删除影像中人眼不敏感的颜色变化,以减少数据的存储空间,压缩后的影像数据无法还原。有损影像数据压缩方法能够压缩复杂的影像数据,但需要大幅压缩影像数据存储空间时,压缩后影像数据的信息损失严重。
[0005]综上,传统的影像数据压缩方法压缩和解压速度较快,且具有较强的通用性,能够被应用于处理不同类型的影像数据,但在处理大规模复杂影像数据,且需要保证影像质量时,传统的影像数据压缩方 ...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络自动构建的影像数据压缩方法,其特征在于,包括如下步骤:步骤1、待压缩影像数据预处理:将待压缩影像数据进行归一化处理,并对处理后的影像数据进行聚类分组;步骤2、初始化神经网络种群:对神经网络种群进行参数配置,根据配置的参数和步骤1获得的数据集随机初始化神经网络种群;步骤3、神经网络种群的迭代训练与更新:使用步骤1获得的数据集对神经网络种群通过迭代训练的方式进行压缩和解压,并根据解压结果与原始影像的误差对种群中神经网络的参数进行更新;步骤4、神经网络种群演化:依据种群中神经网络的训练结果,淘汰训练结果较差的神经网络,并随机从种群中挑选神经网络进行演化,当达到最大演化次数时进入步骤5,否则返回步骤3继续训练种群中的神经网络;步骤5、导出数据完成压缩:选取训练误差最小的神经网络,导出该神经网络的压缩模型对影像数据的编码,同时导出其解压模型的网络结构和参数,完成影像数据的压缩。2.根据权利要求1所述的基于神经网络自动构建的影像数据压缩方法,其特征在于:步骤1中对待压缩影像数据进行预处理的具体步骤如下:步骤1.1、分析待压缩的影像数据集,根据影像的特征评估影像数据集需要划分的组数;步骤1.2、将待压缩的影像数据集中的影像归一化处理;步骤1.3、使用K
‑
Means算法对影像数据集进行聚类分组,使得同一组内的影像数据相似。3.根据权利要求2所述的基于神经网络自动构建的影像数据压缩方法,其特征在于:使用K
‑
Means算法对影像数据集进行聚类分组过程如下:S1、从待压缩的影像数据集中随机选取3张影像作为聚类中心;S2、计算待压缩的影像数据集中影像与聚类中心的距离,将影像的分组标记为距离较近的聚类中心;S3、根据分组结果,更新聚类中心,返回步骤S2循环,直到聚类中心不再变化;S4、根据聚类结果,将数据集中的影像分组为D1,D2,D3。4.根据权利要求1所述的基于神经网络自动构建的影像数据压缩方法,其特征在于:步骤2中配置的参数包括神经网络种群中初始神经网络数量、神经网络种群中神经网络最大数量、种群演化最大次数、交叉演化的概率、变异演化的概率、每个批次输入神经网络的影像数量、神经网络参数的学习率。5.根据权利要求1所述的基于神经网络自动构建的影像数据压缩方法,其特征在于:步骤3中神经网络种群的迭代训练与更新的具体过程为:...
【专利技术属性】
技术研发人员:文力,李朋龙,敖影,丁忆,张滔,罗鼎,马泽忠,张孝成,肖禾,李晓龙,胡艳,张灿,刘亦凡,范文武,吕帅,
申请(专利权)人:重庆市地理信息和遥感应用中心,
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。