摘要
本发明提供一种类器官培养图像压缩方法及其系统,涉及图像压缩技术领域,包括利用特征提取模型对输入的类器官培养图像进行特征提取,并对提取的第一特征图中每个特征图块进行第一自适应量化,得到第二特征图;利用小波变换算法对第二特征图进行频域转换,并对频域转换后的系数进行第二自适应量化,得到量化系数及第二量化步长;将量化系数聚类为一组码本向量,并分配码本索引;对所有码本向量的码本索引进行熵编码,并优化码字分配,生成熵编码后的码字;对所有的熵编码后的码字进行整合,生成类器官培养图像的压缩文件,本发明通过结合深度学习、小波变换和矢量量化,实现了对类器官培养图像的高效压缩,同时保持了图像的关键信息。
技术关键词
图像压缩方法
码字
小波变换算法
特征提取模型
索引
图像压缩系统
矢量量化器
图像压缩技术
深度学习网络
特征提取模块
压缩算法
编码模块
滑动窗口
策略
冗余度
动态
系统为您推荐了相关专利信息
数据生成模型
滚动轴承
信号生成单元
转换单元
时域卷积网络
节点
风险评估模型
资源约束条件
项目管理方法
特征提取模型
遥感图像分类方法
客户端
地物特征
空间拓扑关系
参数