[发明专利]一种图像压缩方法及系统

说明书

本发明实施例提供了一种图像压缩方法及系统，所述方法包括：获取图像；根据图像编码模型对所述图像进行压缩，得到压缩后的图像；其中，所述图像编码模型的训练方法包括：通过特征提取网络提取训练图像的特征；根据概率模型对所述特征进行估计，得到码率估计结果；将所述特征输入解码网络，得到重建图；将所述重建图与所述训练图像进行比较，并根据所述码率估计得到率‑失真优化结果；根据所述率‑失真优化结果对所述特征提取网络的参数进行调整，该方法可对任意类型数据进行压缩，并有很大的性能提升空间。

技术领域

本发明涉及图像压缩领域，特别涉及一种图像压缩方法及系统。

背景技术

目前的图像编码模型训练方法存在技术复杂度高、低码率容易造成细节的丢失、低码率下，对文字等细节重建质量一般等问题。

发明内容

为了解决上述问题，本发明实施例提供了一种图像压缩方法。

根据本发明的第一方面，提供了一种图像压缩方法，包括：

获取图像；

根据图像编码模型对所述图像进行压缩，得到压缩后的图像；

其中，所述图像编码模型的训练方法包括：

通过特征提取网络提取训练图像的特征；

根据概率模型对所述特征进行估计，得到码率估计结果；

将所述特征输入解码网络，得到重建图；

将所述重建图与所述训练图像进行比较，并根据所述码率估计得到率-失真优化结果；

根据所述率-失真优化结果对所述特征提取网络的参数进行调整。

进一步地，所述通过特征提取网络提取训练图像的特征包括：

通过特征提取网络进行图像特征的映射，得到所述训练图像的特征，其中，所述特征提取网络为自编码网络。

进一步地，所述根据概率模型对所述特征进行估计，得到码率估计结果包括：

根据概率模型对分布进行估计，并根据熵进行码率估计，得到所述码率估计结果。

进一步地，所述将所述特征输入解码网络，得到重建图包括：

根据自解码网络，对所述特征进行解码，得到重建图；

进一步地，所述将所述重建图与所述训练图像进行比较，并根据所述码率估计得到率-失真优化结果包括：

将所述重建图和所述训练图像进行比较，得到失真残差；

根据所述码率估计结果和所述失真残差得到所述率-失真优化结果。

进一步地，所述自编码网络和自解码网络为多层卷积神经网络，其中所述自编码网络的层数和所述自解码网络的层数可以相同和/或不同。

进一步地，在所述将所述特征输入解码网络，得到重建图之前，还包括：

对所述特征进行量化，得到量化后的特征。

根据本发明的第二方面，提供了一种图像压缩系统，其特征在于，包括：

获取装置，用于获取图像；

压缩装置，用于根据图像编码模型对所述图像进行压缩，得到压缩后的图像；

训练装置，用于训练所述图像编码模型；

其中，所述训练装置包括：

提取单元，用于通过特征提取网络提取图像的特征；