[发明专利]一种基于神经网络的图片存储方法、介质及装置

说明书

本发明公开了一种基于神经网络的图片存储方法、介质及装置。包括构建图像数据库；构建神经网络结构，包括输入图像、编码器网络、编码、解码器网络和图像输出；编码器网络，输入为RGB的图像，输出的编码为浮点数；解码器网络，解码器的输入编码的维数与编码器网络输出维数相同，解码器网络结构的隐藏层与编码器网络的隐藏层个数相同；解码器网络的反卷积层个数与所述的编码器网络的卷积层相同，编码器网络和解码器网络都包含一个全连接层编码器网络卷积层的卷积核和解码器网络反卷积层的卷积核大小、卷积核深度通道数、卷积步长分别相等，RGB的图像输出通道个数与编码器网络输入通道个数相同。本发明方法可以存储高质量真实照片。

技术领域

本发明涉及图像处理与人工智能领域，尤其是涉及一种基于神经网络的图片存储方法、介质及装置。

背景技术

现有的图像存储方法有两种方式：位图存储(Bitmap)和矢量存储(Vector)。

位图图像，常用的图片存储方式都是位图图像。位图图像又称作点阵图像、位映射图像，它是由一系列像素组成的可识别的图像。如果把一幅位图图像看成一个数字矩形，则矩形中的任一元素(即像素)对应于图像中的一个点，而相应的值对应于该点的颜色或者灰度。位图图像与分辨率有关，任何一幅位图图像都含有有限的像素。图像分辨率取决于显示图像的大小。显示图像小时，像素就少.增加了分辨率；显示图像大时，像素就变多，则降低了分辨率。当一幅图像显示得很大时，就可以看到锯齿状的边缘和块状结构的过渡，就像一幅马赛克图像。如果想要边缘光滑，就必须增加图像中的像素数目。

特性：

(1)位图图像是由固定数目像素组成的任何图像，无论它有多少色彩。所以.处理内容复杂的图像或者希望得到真实照片那样的图像，则采用位图图像最合适。

(2)位图图像的品质与图像分辨率有关。所以，应根据不同的图像品质需要，设置不同的图像分辨率，才能经济快捷地进行图像处理。当图像需要高质量的输出或者保存，希望得到清晰的图像，则提高图像分辨率。当然这样的话由于产生的图像文件增大，它所需要的存储空间也大，处理图像的时间也较长。对于小尺寸的图像，只在屏幕上显示作品(如多媒体图像)，图像分辨率可以设置低一点。最好反复实践，根据需要设置合适的图像分辨率。

矢量图像，用于各类设计的图多采用矢量图像。矢量图形不是直接描述图像数据的每一个点.而是描述产生这些点的过程以及方法，通过数学方程来对图形的边线和内部填充描述以建立图形。矢量图形的关键是计算机用数学方程来描述物体。矢量图形是由各个矢量对象组成，它是用数学原理将各种矢量对象组合而成的图形，以一组指令的形式存在。这些指令描述依附图形中所包台的直线、圆、弧线等对象的各种属性，也可以使用更为复杂的形式表示图像中曲面、光照、材质等效果。图形中的每一个对象都是一个独立的实体，都独立的定义了各自的色彩、形状、轮廓、尺寸以及位置等属性。

特性：

(1)由于矢量图形把线段、形状及文本定义为数学方程，因此矢量图形与分辨率无关，对图形的更为细致、真实。它可以将图形的尺寸任意改变而不会导致失真和降低图形的质量。这是矢量图形一个非常有用的特点。

(2)由于矢量图形与分辨率无关，因此矢量图形可以自动适应输出设备的最大分辨率。以打印机作为输出设备时，打印机把矢量图形的数学方程变成打印机的像素，无论打印的图形有多大，图形看上去都十分均匀清晰。

(3)由于矢量图形是以数学方法描述的图形，它并不存储图形的每一点，而只存储图形内容的轮廓部分，因此不含有位图图像的矢量图形的存储空间较位图图像的存储空间要小得多。

(4)在矢量图形中，文件大小取决于图形中所包含对象的数量和复杂程度，因此矢量图形文件大小与输出图形的大小几乎没有关系，这一点与位图图像正好相反。

(5)在矢量图形中可以只编辑其中某个对象而不影响图形中的其他对象。矢量图形中的对象可以互相覆盖而不会互相影响。