[发明专利]基于深度学习的可变码率图像编码、解码系统及方法

摘要

本发明公开了一种基于深度学习的可变码率图像编码系统及方法，包括：正向多尺度分解变换网络模块，将输入原始图像分解为多个尺度的图像特征；量化模块，将图像特征量化成整数；自适应码率分配模块，根据给定的目标码率对量化成整数的图像特征进行块级别的码率分配；熵编解码模块，将进行码率分配后的图像特征编码为二进制码流；同时提供了一种可变码率图像解码系统及方法，用于解码上述编码系统及方法形成的编码。本发明使用深度卷积神经网络构建正反多尺度分解变换，利用大量数据进行训练得到最优模型参数，结合基于图像复杂度的自适应码率分配方法，在实际应用中可实现可变码率图像编解码。

主权项

1.一种基于深度学习的可变码率图像编码系统，其特征在于，包括：正向多尺度分解变换网络模块，该模块基于深度卷积神经网络，将输入原始图像分解为多个尺度的图像特征并发送至量化模块，其中每一个尺度的图像特征对应于一个质量等级的编码结果；量化模块，将每一个尺度的图像特征量化成整数，并发送至自适应码率分配模块；自适应码率分配模块，根据给定的目标码率对整数图像特征进行块级别的码率分配，得到当前图像块的目标码率，选择与当前图像块的目标码率最接近的整数图像特征作为编码结果发送至熵编码模块；熵编码模块，将整数图像特征编码为二进制码流并输出。