基于深度学习图像编码技术的数据压缩方法技术

本发明专利技术涉及一种基于深度学习图像编码技术的数据压缩方法，包括：输入无人机抓拍图像数据；提取图像数据的特征信息，将图像数据分为感兴趣和非感兴趣图像信息；计算自适应采样矩阵；对自适应优化采样图像进行编解码；逐点进行分量变换，把感兴趣图像数据从RGB空间变换到YLJV空间进行无损压缩，非感兴趣图像数据从RGB空间变换到YCbCr空间进行无损压缩；利用DWT变换对分块后的图像数据进行量化；对DWT变换后的图像数据进行EBCOT编码；将编码后的图像数据输入深度学习神经网络进行预测；图像重建，获得预测结果之后，通过残差重构以及压缩感知重构方法恢复出原始图像信息。该方法有利于在保证传输图像清晰度的同时，有效降低存储成本，提高传输效率。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种基于深度学习图像编码技术的数据压缩方法。

技术介绍

1、电力行业是国家经济的重要组成部分，随着技术的发展，电力无人机巡检逐渐成为电力行业的重要手段。巡检无人机搭载高分辨率相机、遥感监控仪、红外测温仪等设备，对电力塔、电力线路进行全方位的拍摄和监测，其需要将拍摄的高清图像和视频与地面控制终端进行数据传输。

2、而无人机巡检高清图像数据在线传输面临着如何在无线信道上实时、高质量地实时传输大量图像和视频数据的挑战，因此，如何通过在前缘端大比例压缩、后端高质量恢复的非对称性图像编解码技术，对无人机精细化巡检输电线路中所拍摄的大数据量的高精度图像在前端进行自适应的大比例压缩技术，并通过复用既有数据传输方式实现高效传输，提升前端的数据传输效率是一个亟待解决的问题。

技术实现思路

1、本专利技术的目的在于提供一种基于深度学习图像编码技术的数据压缩方法，该方法有利于在保证传输图像清晰度的同时，有效降低存储成本，提高传输效率。

2、为了实现上述目的，本专利技术采用的技本文档来自技高网...

【技术保护点】

1.一种基于深度学习图像编码技术的数据压缩方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习图像编码技术的数据压缩方法，其特征在于，步骤S3包括：将感兴趣区域的图像数据和非感兴趣区域的图像数据作为输入数据，输出为已重构非感兴趣的图像数据，自适应采样通过设计一个卷积层替代传统的非自适应矩阵；

3.根据权利要求1所述的基于深度学习图像编码技术的数据压缩方法，其特征在于，步骤S4中，对自适应优化采样图像采用JPEG2000标准进行编码，具体方法为：

4.根据权利要求1所述的基于深度学习图像编码技术的数据压缩方法，其特征在于，步骤S6中，对...

【技术特征摘要】

1.一种基于深度学习图像编码技术的数据压缩方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习图像编码技术的数据压缩方法，其特征在于，步骤s3包括：将感兴趣区域的图像数据和非感兴趣区域的图像数据作为输入数据，输出为已重构非感兴趣的图像数据，自适应采样通过设计一个卷积层替代传统的非自适应矩阵；

3.根据权利要求1所述的基于深度学习图像编码技术的数据压缩方法，其特征在于，步骤s4中，对自适应优化采样图像采用jpeg2000标准进行编码，具体方法为：

4.根据权利要求1所述的基于深度学习图像编码技术的数据压缩方法，其特征在于，步骤s6中，对分块图像进行dwt变换，具体方法为：对感兴趣图像分块采用基于提升机制的整数小波变换，是无损编码，对非感兴趣图像分块采用基于卷积的实数型小波变换，是有损编码，形成不同的分辨...

【专利技术属性】
技术研发人员：王仁书，陈伯建，吴文斌，张伟豪，李哲舟，陈卓磊，韩腾飞，梁曼舒，林承华，
申请(专利权)人：国网福建省电力有限公司电力科学研究院，
类型：发明
国别省市：