[发明专利]基于CNN与GEP的分形图像压缩编码方法

摘要

本发明公开了一种基于CNN与GEP的分形图像压缩编码方法，包括：将待压缩图像分别分割成互不交叠的多个值域子块和交叠的多个定义域子块，多个值域子块组成值域块池，多个定义域子块组成定义域块池；利用最优的卷积神经网络模型分别对值域块池和定义域块池进行分类，得到相应的值域块分类池和定义域块分类池；利用最优的基因表达式编程模型计算值域块分类池中每个值域子块集与定义域块分类池中同类别的定义域子块集间对应的变换参数，以实现分形图像压缩编码。本发明能大大提高压缩编码的速度，减少编码时间，并获得高压缩比，可达到实际使用需求。

主权项

1.基于CNN与GEP的分形图像压缩编码方法，其特征在于，包括以下步骤：步骤一：将待压缩图像分别分割成互不交叠的多个值域子块和交叠的多个定义域子块，每个值域子块的大小相等，多个值域子块组成值域块池，每个定义域子块的大小相等，多个定义域子块组成定义域块池；步骤二：以标准图像集为参照，对卷积神经网络进行训练，得到最优的卷积神经网络模型，利用最优的卷积神经网络模型分别对值域块池和定义域块池进行分类，得到相应的值域块分类池和定义域块分类池；步骤三：以标准图像集为参照，对基因表达式编程进行优化，得到最优的基因表达式编程模型，利用最优的基因表达式编程模型计算值域块分类池中每个值域子块集与定义域块分类池中同类别的定义域子块集间对应的变换参数，以实现分形图像压缩编码。