[发明专利]一种基于重建残差的稀疏灰度图像编解码方法及系统

说明书

一种基于重建残差的稀疏灰度图像编解码方法，包括以下步骤：1)假定所述编解码系统中包含有n对级联的编解码器，则需要将图像扩展为n个通道的数据，其中新的通道以0填充，构成输入数据x；2)输入到编解码系统中，由编码器提取图像特征并将图像特征压缩成一个低维度的编码向量；3)由解码器对编码向量进行解码，获得一个通道的粗重建图像；4)将重建图像与原图像的差作为残差图像填充到x的零值通道中；5)重复步骤2)～4)，直到x中所有零值通道都已被残差图像填充完毕；6)执行步骤2)获得编码向量，然后通过编码量化器进行编码量化；7)将量化后的编码输入到解码器获得最终的重建图像。以及提供一种基于重建残差的稀疏灰度图像编解码系统。本发明旨在提升图像编解码器对于稀疏灰度图像的重建精度，并提高对稀疏灰度图像的压缩率。

技术领域

本发明属于图像编解码领域，尤其是对图像重建残差再利用来提高重建精度的编解码方法及系统。

背景技术

稀疏灰度图像通常用于描述物体的形状轮廓，其稀疏和灰度的特性使得稀疏灰度图像的细节丰富度相比自然图像要少得多，故相比一般自然图像，这类图像有更大的图像压缩潜力。本发明在自编码器的基础上提出了应用在稀疏灰度图像的自差异自编码器，通过将图像重建误差反复输入到编解码器中再进行重建的方法来减小编解码器的重建误差。在公开数据集和自有数据集上的实验表明，本发明提出的模型相比普通的自编码器在几乎不增加模型参数的前提下，在不同的压缩率下都可以显著提升图像的重建精度。此外，本发明通过实验表明该方法训练出的编解码器模型学习到了训练图像的全局轮廓特征，从而可以将该模型作为新颖性生成器，对从图像上提取并压缩的特征编码进行特征修改用以生成新颖逼真的图像。

特征压缩尤其是图像的特征压缩在近几年取得了长足的进展。一个图像压缩算法通常由两个部分组成，分别是图像编码器和图像解码器。图像编码器将图像编码为维度较低的编码向量，配套的图像解码器将编码后的编码向量还原为一张图像。无损压缩方法的重建图像与原图像完全一致，相应的，有损图像压缩算法的重建图像与原图像高度近似但并不完全相同。在图像压缩与编解码领域通常使用bpp(比特每像素)来衡量图像压缩算法的压缩率。通常有损压缩的压缩率越高重建精度就会越低。除了传统图像压缩算法例如JPEG、以及后来的Webp等技术以外，基于深度神经网络的图像特征压缩技术的潜力被越发的发掘出来，受到广泛的关注和投入。

但是由于自然图像通常大小不确定并且图像纹理的丰富度和复杂度很高，现有的图像压缩算法都是将一张完整的图像先切分成若干的小块(例如32x32或128x128)，然后将每个小块分别输入编码器形成编码，接着将若干个小块的编码分别由解码器将编码重建为对应的小块图像，最后将小块图像汇总得到重建图像。使用这些方法压缩后生成的图像编码实际上是一个个小块图像的编码集合，而不是一整张原图像的全局高层特征的编码。这种方式虽然可以较好的应对图像压缩的任务，但由于像图像编辑这种需要修改图像全局高层特征的任务就不能直接使用现有的图像压缩算法提取到的图像小块的特征。

发明内容

为了克服已有图像编解码方法对于稀疏灰度图像压缩效率较低的问题，本发明提供一种基于重建残差的稀疏灰度图像编解码方法及系统，用于提高图像编解码器对于稀疏灰度图像的编解码精度，减小重建损失。

本发明解决其技术问题所采用的技术方案是：

一种基于重建残差的稀疏灰度图像编解码方法，所述方法包括以下步骤：

1)假定所述编解码系统中包含有n对级联的编解码器，则需要将图像扩展为n个通道的数据，其中新的通道以0填充，构成输入数据x；

2)输入到编解码系统中，由编码器提取图像特征并将图像特征压缩成一个低维度的编码向量；

3)由解码器对编码向量进行解码，获得一个通道的粗重建图像；

4)将重建图像与原图像的差作为残差图像填充到x的零值通道中；

5)重复步骤2)～4)，直到x中所有零值通道都已被残差图像填充完毕；