[发明专利]面向大规模图像存储的认知型软件可调整图像编码装置

说明书

本发明提出一种面向大规模图像存储的认知型软件可调整图像编码装置，包括：模块1，用于获取待编码图像集的基本信息，该参数信息包括：待编码图像集的规模、每张待编码图像的尺寸和每张待编码图像的色深；模块2，用于挖掘并构建图像的深层信息，所述深层信息包括：每张待编码图像的内容画像、待编码图像集的整体画像、编码器所处的环境画像；模块3，用于对该基本信息和该深层信息进行整合，并结合该编码装置中编码器的可调整的编码参数，构建数学模型；模块4，用于求解该数学模型，得到最优编码参数，并以该最优编码参数对该待编码图像集进行编码。相较现有的图像编码方法，本发明有效降低图像存储空间，节省存储运算成本。

技术领域

本发明涉及到图像的属性挖掘方法，围绕着挖掘出的图像的画像(Profile)，开展个性化的图像编码。特别是面向大规模数据存储的图像编码方法。

背景技术

数字图像是目前重要的信息表现形式，它们可以利用丰富的像素信息，表示现实中的各种生活场景、平面广告以及各种医疗图片等。当二维光的强度信号被采样和量化，创建数字图像时，可能会产生大量的，过于丰富的数据，例如数字化图片的尺寸可能太大，色彩深度过深等，最终导致不切实际的存储或传输要求。图像压缩编码解决了减少表示数字图像所需的信息量的问题，从而减少了表示图像所需的信息，使图像的传输或存储要求更加实用。图像压缩编码是一个旨在产生图像的紧凑表示的过程，从而减少图像存储传输要求。事实上，每个图像都会有冗余数据，冗余是指图像中数据的重复，可能是在图像中重复频率高的像素或图案。图像压缩编码是通过利用图像中的冗余信息进行的。减少冗余有助于实现图像存储空间的节省。当这些冗余中的一个或多个被减少或消除时，就实现了图像压缩编码。

发明人在进行面向存储的大规模图像压缩编码研究时，发现现有技术不能够针对图像的本质进行弹性编码，但这种缺陷并不是由图像编码器的编码原理导致的。因为对于任意图像来说，不同的图像编码器都能胜任图像压缩编码的任务。事实上，图像压缩编码器在进行编码之前，需要人为的设定编码的量化参数，但并不能够在编码之前确定怎样的参数组合才能够使得大规模图像具有最佳的呈现质量。

让软件具备认知功能的概念于1999年首次提出，当时被用于无线电的技术，称为认知无线电。其核心思想是，无线电应该具备学习能力，能与周围环境交互，并获取周边环境的反馈信息，以此来感知和利用在该空间的可用频谱，限制和降低冲突的发生。这一发现使得无线电技术能够广泛的适应各种环境和需求，提高了个人无线业务的灵活性。因此，发明人认为图像编码器应该包含一个认知装置，该装置能够在图像被编码之前对图像的个性化情况有基本认知，从而灵活的做出相应的编码决策，提升编码的灵活性。

发明内容

本发明的目的是提供一种面向大规模图像存储的认知型软件可调整图像编码装置。从宏观的角度出发，将大规模图像压缩编码定义为一种离散变量优化问题。首先，图像编码装置通过数据挖掘，对图像进行深层认知，构建不同模态的图像内容画像和图像编码环境画像；之后，结合不同模态的画像构建数学模型，确定该装置依托的编码器可调整的编码参数；最后，使用动态优化方法，求出该数学模型的最优解，输出能够指导编码器编码的参数决策，灵活的完成大规模图像编码。

具体来说本发明提出了一种面向大规模图像存储的认知型软件可调整图像编码装置，其中包括：

模块1，用于获取待编码图像集的基本信息，该参数信息包括：待编码图像集的规模、每张待编码图像的尺寸和每张待编码图像的色深；

模块2，用于挖掘并构建图像的深层信息，所述深层信息包括：每张待编码图像的内容画像、待编码图像集的整体画像、编码器所处的环境画像；

模块3，用于对该基本信息和该深层信息进行整合，并结合该编码装置中编码器的可调整的编码参数，构建数学模型；

模块4，用于求解该数学模型，得到最优编码参数，并以该最优编码参数对该待编码图像集进行编码。

所述的面向大规模图像存储的认知型软件可调整图像编码装置，其中该模块1包括：