摘要
本发明公开了一种基于深度学习的自适应图像编码方法,涉及图像处理技术领域,解决了目前图像压缩编码过程中缺乏对特征目标的检测分类,解码后有可能破坏特征目标的完整性,以及压缩率较低的技术问题;包括:基于图像数据集训练得到目标检测模型GoogLeNet;将二次处理后的图像特征输入到训练完成的目标检测模型GoogLeNet中,得到最终的目标分类结果以及目标包围框位置;根据目标分类结果以及目标包围框位置将待编码图像进行块划分,以便并行处理,同时保证图像目标完整性;然后分别对每个图像块进行预测,对基于图像块得到的预测残差及预测模式进行熵编码,最终得到每个图像块的码流,进而达到提高压缩率的目的。
技术关键词
图像编码方法
图像块
像素
二次处理过程
预测残差
语义向量
图像压缩编码
更新网络参数
解码器
图像处理技术
传播算法
数据
优化器
训练集
模式
飞机
系统为您推荐了相关专利信息
结构光三维重建
优化提取方法
动态
图像灰度值
像素点
对比度
多尺度特征提取
权重特征
注意力
边缘轮廓
PWM脉冲宽度
PWM脉冲信号
脉冲宽度调制
驱动方法
子帧
特征点集合
注意力模型
机器人控制方法
融合特征
坐标