一种基于局部特征和非局部特征的图像压缩方法技术

技术编号:42007123 阅读:19 留言:0更新日期:2024-07-12 12:27
本发明专利技术提供了一种基于局部特征和非局部特征的图像压缩方法,属于图像压缩技术领域。所述方法基于非局部特征和局部特征的非线性变换,交替地使用空间和通道注意力来提取空间和通道非局部特征,使用深度级卷积来提取局部特征,使用频域交互模块来动态地融合局部特征和非局部特征;基于非局部特征的通道熵模型来预测待编码隐状态特征块的均值和方差,去除隐状态特征不同通道之间的非局部冗余。所述方法能够减少编码隐状态特征的比特数,并提高解码图像质量。

【技术实现步骤摘要】

本专利技术属于图像压缩,具体涉及一种基于局部特征和非局部特征的图像压缩方法


技术介绍

1、图像压缩是一项数据压缩技术在图像领域的应用,其目的在于降低图像数据中的冗余,从而减少图像所需的存储空间以及传输图像所需的网络带宽。传统的图像压缩标准包括jpeg,jpeg2000等,这些标准采用离散余弦变换或者离散小波变换来消除局部图像块的冗余,已经在实际场景中得到广泛的应用。近年来,视频压缩标准如avc,hevc,vvc的帧内压缩模式进一步提高了传统图像压缩标准的性能,帧内压缩模式考虑了图像局部图像块之间的冗余,当前图像块的像素值能够根据左侧和上方图像块的像素值预测得到。其中,预测方向的种类能够决定预测的精度,avc,hevc和vvc分别采用了9种,35种和67种预测方向。传统的图像压缩算法通常采用人工设计的技术方案,缺少灵活性。

2、近年来,基于深度学习的图像压缩算法得到了快速地发展,并取得了并传统图像压缩算法更优的压缩性能。基于深度学习的图像压缩算法一般使用变分自编码器结构。在编码端,将待编码图像输入到非线性分析变换得到隐状态特征,使用通道熵模型对本文档来自技高网...

【技术保护点】

1.一种基于局部特征和非局部特征的图像压缩方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于局部特征和非局部特征的图像压缩方法,其特征在于,所述双聚合Transformer层包括:空间聚合Transformer层和通道聚合Transformer层;所述空间聚合Transformer层提取并聚合空间非局部特征和局部特征,通道聚合Transformer层提取并聚合通道非局部特征和局部特征,双聚合Transformer层计算如下:

3.根据权利要求2所述的一种基于局部特征和非局部特征的图像压缩方法,其特征在于,通道熵模型通过4层的双聚合Transform...

【技术特征摘要】

1.一种基于局部特征和非局部特征的图像压缩方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于局部特征和非局部特征的图像压缩方法,其特征在于,所述双聚合transformer层包括:空间聚合transformer层和通道聚合transformer层;所述空间聚合transformer层提取并聚合空间非局部特征和局部特征,通道...

【专利技术属性】
技术研发人员:凌强王健李峰方毅
申请(专利权)人:中国科学技术大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1