[发明专利]基于多头异构卷积自编码器的图像压缩恢复方法及系统

说明书

本发明公开了一种基于多头异构卷积自编码器的图像压缩恢复方法及系统，包括：基于异构变换方法，对输入的原始图像进行处理，获取异构后的图像；基于卷积自编码器的深度学习方法，对原始图像和异构后的图像进行编码，获取原始图像编码和异构后的图像编码；基于注意力机制对原始图像编码和异构后的图像编码进行融合并量化，获取压缩后的图像；基于解码器的深度学习方法，对压缩后的图像进行解码，获取恢复图像；基于恢复图像和原始图像之间的差异，构建损失函数，通过训练损失函数不断迭代至收敛，获取最优的恢复图像。本发明通过对图像进行异构处理并基于注意力机制对图像进行处理，提高图片压缩质量，在图像传输方面有较高的应用价值。

技术领域

本发明属于图像处理领域，涉及一种基于多头异构卷积自编码器的图像压缩恢复方法及系统。

背景技术

图像压缩主要分为有损压缩和无损压缩算法，对于图像压缩，无损压缩压缩比一般很小，主要使用有损压缩算法。图像压缩在图像快速传输的过程中至关重要，压缩比越高，图像传输就越快，但往往图像压缩比和图像保真度之间需要进行取舍。近年来，深度学习在图像压缩领域有了越来越多的应用，但如何在压缩比一定的情况下，使图像压缩内容更加还原图像本身，依然是一个需要解决的问题。

发明内容

本发明的目的在于解决现有技术中的问题，提供一种基于多头异构卷积自编码器的图像压缩恢复方法及系统，通过多个异构编码器对图像进行变换，并结合注意力机制对图像进行处理，在一定的压缩比下，提高图像保真度，在图像传输中的图像压缩方面有较高的应用价值。

为达到上述目的，本发明采用以下技术方案予以实现：

基于多头异构卷积自编码器的图像压缩恢复方法，包括：

基于异构变换方法，对输入的原始图像进行处理，获取异构后的图像；

基于卷积自编码器的深度学习方法，对原始图像和异构后的图像使用独立的卷积自编码器分别进行编码，获取原始图像编码和异构后的图像编码；

基于注意力机制对原始图像编码和异构后的图像编码进行融合并量化，获取压缩后的图像；

基于解码器的深度学习方法，对压缩后的图像进行解码，获取恢复图像；

基于恢复图像和原始图像之间的差异，构建损失函数，通过训练损失函数不断迭代至收敛，获取最优的恢复图像。

本发明的进一步改进在于：

基于异构变换方法，对输入的原始图像进行处理，具体为：

输入原始图像I₀，原始图像的维度为[H₀,W₀,3]，对原始图像分别使用不同的异构变换方法进行异构变换，获取不同的异构图像；

异构变换方法包括亮度随机增减、色相随机增减以及对比度随机增减方法，基于三种异构方法获取三组不同的异构后的图像I₁,I₂,I₃。

基于卷积自编码器的深度学习方法，对原始图像和异构后的图像使用独立的卷积自编码器分别进行编码，获取原始图像编码和异构后的图像编码，具体为：