摘要
本发明提供一种面向图像存储的深度学习数据压缩方法及装置,该方法包括:针对多个相似数据子集中每个子集,从子集中提取出多个高维图像特征,并根据各高维图像特征之间的距离对每个子集中的图像数据按照相似度进行分类和筛选,得到新的相似数据子集并解码,将解码后的相似数据子集中相似度大于第二距离阈值的图像依次进行图像融合和图像拼合,得到第一待编码图像,将解码后的相似数据子集中距离小于第二距离阈值的图像对进行图像拼合,得到第二待编码图像;对第一待编码图像和第二待编码图像进行压缩,得到压缩数据集。本发明所述方法有效减少了数据冗余,提高了编码效率和图像压缩准确率,同时提升了图像数据压缩比,降低数据存储和传输成本。
技术关键词
数据压缩方法
感知哈希算法
压缩编码器
图像数据压缩比
非暂态计算机可读存储介质
数据压缩装置
离散余弦变换
熵解码器
处理器
游程编码
分块
图像缩放
度量
计算机程序产品
数据冗余
图像压缩
系统为您推荐了相关专利信息
物体三维重建方法
语义分割网络
参数化模板
超分辨率技术
非暂态计算机可读存储介质
低功耗无线网络
WAPI协议
数据传输方法
链条
非暂态计算机可读存储介质
贝叶斯网络模型
原始脑电信号
压缩编码方法
脑电设备
贝叶斯模型
局部特征信息
图像检测方法
血液
三维可视化模型
多尺寸