了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介
摘要: 本发明公开了一种基于深度卷积神经网络的静止图像压缩方法。该方法主要包括以下步骤:
- 在编码端,对原始图像进行下采样,并利用JPEG2000标准进行编解码;
- 利用深度卷积神经网络对解码图像进行抑制压缩效应;
- 采用超分辨率方法对抑制压缩效应图像进行重建;
- 将原始图像与解码的高分辨率图像相减,得到残差图像,并进行针对性编码;
- 将编码的低分辨率图像、残差图像与辅助信息形成比特流并传输;
- 在解码端,解码得到解码的低分辨率图像、残差图像与辅助信息;
- 对解码的低分辨率图像进行处理,得到解码的高分辨率图像,并与解码的残差图像相叠加,便得到最终解码的高分辨率图像。
本发明所述的静止图像压缩方法具有比JPEG2000标准更好的率失真性能。
摘要:本发明公开了一种基于深度卷积神经网络的静止图像压缩方法。主要包括以下步骤在编码端对原始图像进行下采样并利用JPEG2000标准编解码;利用深度卷积神经网络对解码图像进行抑制压缩效应;采用超分辨率方法对抑制压缩效应图像进行重建;将原始图像与解码的高分辨率图像相减得到残差图像并针对性编码;将编码的低分辨率图像、残差图像与辅助信息形成比特流并传输;解码端解码得到解码的低分辨率图像、残差图像与辅助信息;对解码的低分辨率图像进行处理得到解码的高分辨率图像,并与解码的残差图像相叠加便得到最终解码的高分辨率图像。本发明所述的静止图像压缩方法具有比JPEG2000标准更好的率失真性能。
(此文字表达经过AI优化完善,查看原文请点击
原文)
专利基本信息
| 专利名称 |
基于深度卷积神经网络的静止图像压缩方法 |
| 专利状态 |
- |
专利号(申请号) |
CN201710287432.9 |
| 申请号 |
- |
专利申请日期 |
2017-04-27 |
| 专利授权日期 |
2017-08-04 |
专利权届满日 |
- |
| 专利所属地 |
中国 |
专利类型 |
发明专利 |
| 发明人 |
何小海;陈敬勖;陈洪刚;卿粼波;滕奇志;吴小强;王正勇 |
| 权利人 |
- |
| 专利摘要 |
本发明公开了一种基于深度卷积神经网络的静止图像压缩方法。主要包括以下步骤:在编码端对原始图像进行下采样并利用JPEG2000标准编解码;利用深度卷积神经网络对解码图像进行抑制压缩效应;采用超分辨率方法对抑制压缩效应图像进行重建;将原始图像与解码的高分辨率图像相减得到残差图像并针对性编码;将编码的低分辨率图像、残差图像与辅助信息形成比特流并传输;解码端解码得到解码的低分辨率图像、残差图像与辅助信息;对解码的低分辨率图像进行处理得到解码的高分辨率图像,并与解码的残差图像相叠加便得到最终解码的高分辨率图像。本发明所述的静止图像压缩方法具有比JPEG2000标准更好的率失真性能。 |