一种基于霍夫曼和GAN特征融合网络的图片压缩方法和体系技术

本发明专利技术提供一种基于霍夫曼和GAN特征融合网络的图片压缩方法和系统，该方法包括：图片预处理；重点区域标注；对重点区域进行霍夫曼压缩；在重点区域图片解码后的基础上，利用已训练好的GAN模型，进行图片生成。与传统的图片压缩算法相比，本发明专利技术通过将图片中的重点区域标注出来，通过霍夫曼编码技术，针对重点区域实施高效的无损压缩，确保重要细节得以完整保留。而对于非重点区域，则不进行编码，而是借助GAN网络的强大再生能力，对非重点区域或信息稀疏区域进行合理且自然的补充，使生成的整个图片保持与原图风格、色彩及纹理的一致性，从而在保证高压缩率的同时，最大化视觉质量，达成两者间的良好平衡。

【技术实现步骤摘要】

本专利技术涉及图像压缩，具体涉及一种基于霍夫曼和gan特征融合网络的图片压缩方法和系统。

技术介绍

1、图片相较于文字在传播信息上具有直观、准确、生动等特征，伴随近些年智能手机的快速普及以及移动互联网、云存储等技术的快速发展，通过拍摄照片快速传播信息已经成为人们日常生活中不可或缺的信息传播方式。据统计全世界移动社交网络每小时传播的图片超过1亿张，每目的平均传播量超过30亿张。每时每刻都有海量的图片通过互联网中进行传播，如此大的图片数据传播量给整个计算机世界的网络带宽带来了巨大的挑战。

2、另一方面，随着近些年来手机摄像技术的快速发展，单张图片的分辨率实现了从百万级到千万级乃至亿级像素的快速跨越。更高的图片分辨率也意味着单张图片需要更大的存储空间，以未经压缩的bmp图片为例，在分辨率为12032×9024编码方式为rgba4448的情况下，该文件所需的内存大小为12032×9024×4byte＝414mb，即使是通过jpeg压缩后，生生成的jpg文件占用内存的大小也超过了40mb。为了满足人们对于图片越来越高的清晰度追求，图片压缩算法必须能够与时本文档来自技高网...

【技术保护点】

1.一种基于霍夫曼和GAN特征融合网络的图片压缩方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的图片压缩方法，其特征在于，步骤S2中，是利用训练好的自注意力机制对重点区域进行自动标注，和/或根据用户指定对重点区域进行人工标注。

3.根据权利要求2所述的图片压缩方法，其特征在于，步骤S2中，所述自注意力机制基于transformer模型，采用多头自注意力模块，将图片信息分为五个维度，分别是：图片中的人物、图片中间区域、图片中色彩鲜艳部分、拍照聚焦区域、图片中靠近镜头的物体。

4.根据权利要求3所述的图片压缩方法，其特征在于，步骤S2中，所述自注...

【技术特征摘要】

1.一种基于霍夫曼和gan特征融合网络的图片压缩方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的图片压缩方法，其特征在于，步骤s2中，是利用训练好的自注意力机制对重点区域进行自动标注，和/或根据用户指定对重点区域进行人工标注。

3.根据权利要求2所述的图片压缩方法，其特征在于，步骤s2中，所述自注意力机制基于transformer模型，采用多头自注意力模块，将图片信息分为五个维度，分别是：图片中的人物、图片中间区域、图片中色彩鲜艳部分、拍照聚焦区域、图片中靠近镜头的物体。

4.根据权利要求3所述的图片压缩方法，其特征在于，步骤s2中，所述自注意力机制的损失函数如下：

5.根据权利要求4所述的图片压缩方法，其特征在于，步骤s2中，多...

【专利技术属性】
技术研发人员：金名亮，黄俊锟，黄圣洋，廖生涛，钟梦萍，陈森，蔡太伟，肖帅，彭保，周国富，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：