摘要
本发明公开了一种基于二维不可分小波变换的端到端图像无损压缩方法。本方法通过多级小波变换对图像进行分解,得到不同尺寸的子带系数。将系数输入熵编码模型,使用上下文模型驱动算术编码器将系数压缩成比特流。本发明采用了二维不可分小波变换,使用了小波变换的提升结构,包含三个预测滤波器和一个更新滤波器,滤波器结构为卷积神经网络结构。熵编码模块同样使用了神经网络结构。通过深度学习对所有参数进行整体优化,训练网络直至收敛,使用训练好的模型实现图像无损压缩。本发明在无损压缩方面表现出优异的性能,相较于传统的JPEG2000无损压缩方法有了显著提升,并且也优于基于传统可分小波变换的端到端图像无损压缩方法。
技术关键词
图像无损压缩方法
预测滤波器
算术编码器
编码模块
卷积神经网络结构
解码比特流
高斯混合模型
滤波器结构
参数
算术解码
多尺度
图像压缩
图像重建
系统为您推荐了相关专利信息
跨模态融合特征
电子健康记录
注意力
图像编码
分类方法
异常数据
逻辑回归模型
条带
对象存储设备
故障数据恢复方法
排除方法
显微成像
诊断辅助系统
图像特征向量
样本
实时图像
定位方法
车辆识别定位系统
编码模块
交通
多路径效应
折射误差
计算机程序指令
参数
选星方法