摘要
本发明提供一种基于霍夫曼和GAN特征融合网络的图片压缩方法和系统,该方法包括:图片预处理;重点区域标注;对重点区域进行霍夫曼压缩;在重点区域图片解码后的基础上,利用已训练好的GAN模型,进行图片生成。与传统的图片压缩算法相比,本发明通过将图片中的重点区域标注出来,通过霍夫曼编码技术,针对重点区域实施高效的无损压缩,确保重要细节得以完整保留。而对于非重点区域,则不进行编码,而是借助GAN网络的强大再生能力,对非重点区域或信息稀疏区域进行合理且自然的补充,使生成的整个图片保持与原图风格、色彩及纹理的一致性,从而在保证高压缩率的同时,最大化视觉质量,达成两者间的良好平衡。
技术关键词
图片压缩方法
特征融合网络
注意力机制
霍夫曼编码技术
图片压缩系统
计算机装置
数据分布
GAN模型
噪声先验
解码
样本
压缩算法
网络模块
处理器
可读存储介质
基础
系统为您推荐了相关专利信息
LSTM模型
滚动轴承振动信号
数据
损耗
船尾螺旋桨
插补方法
交叉注意力机制
解码器
专用编码器
融合特征
区块链技术
预警方法
频谱特征
融合卷积神经网络
滑动时间窗口
物体
导航方法
多头注意力机制
关系
残差神经网络