[发明专利]一种应用自编码神经网络的有损图像压缩方法

摘要

本发明提供一种应用自编码神经网络的有损图像压缩方法，该方法包括：步骤S1：对有损图像进行预处理得到采样图像；步骤S2：建立自编码神经网络模型；步骤S3：根据所述自编码神经网络模型计算隐藏层图像；步骤S4：将所述隐藏层图像作为新的采样图像进行后续压缩处理，得到最终的压缩图像。与现有技术相比，本发明提供的一种应用自编码神经网络的有损图像压缩方法由于在构造映射器的过程中使用了自编码神经网络使得图像再一次进行了冗杂信息的处理，即所谓的图像降维处理；同时该网络有着类似提取特征的作用，意味着在解压还原图像的过程中可以利用隐藏层特征的作用达到一定的去噪效果，提升了压缩率的同时还有着提升图像质量的效果。

主权项

1.一种应用自编码神经网络的有损图像压缩方法，其特征在于，该方法包括以下步骤：步骤S1：对有损图像进行预处理得到采样图像；步骤S2：建立自编码神经网络模型；步骤S3：根据所述自编码神经网络模型计算隐藏层图像；步骤S4：将所述隐藏层图像作为新的采样图像进行后续压缩处理，得到最终的压缩图像；所述步骤S2具体包括如下步骤：步骤S21：将采样图像的转换为像素矩阵再变成一维数组:，设像素为N；步骤S22：根据压缩率的需要设置隐藏层的神经元数目M，M＜N；步骤S23：训练自编码神经网络，得到最终的对应的两个权重矩阵，并将这两个权重矩阵记录为第一权重矩阵和第二权重矩阵，所述第一权重矩阵为输入层到隐藏层的连接矩阵，所述第二权重矩阵为隐藏层到输出层的连接矩阵，其中，所述第一权重矩阵和所述第二权重矩阵在所述自编码神经网络的训练过程中可动态调整使误差小于设定误差值以得到最终的权重矩阵；步骤S24：将所述第一权重矩阵放到映射器中，将所述第二权重矩阵放到逆映射器中。