摘要
本发明公开一种基于混合局部与非局部相关性的图像压缩方法及系统,涉及图像编解码技术领域。一种基于混合局部与非局部相关性的图像压缩方法及系统,方法包括以下步骤:通过核心编码器提取多级图像特征,优化局部细节与全局依赖关系,结合CSWin Transformer的十字形窗口自注意力机制与卷积神经网络,实现多尺度特征融合;通过超先验编码器与解码器优化变量、调整特征权重、抑制冗余;核心解码器重建压缩图像,优化失真度量与码率分配。本发明提出的基于混合局部和非局部相关性的图像压缩方法,有效整合Transformer的非局部上下文建模能力和CNN的局部特征提取能力,在非局部信息和局部细节之间实现平衡;利用阶段重要性图动态调整特征权重,进一步提高图像压缩效率。
技术关键词
图像压缩方法
特征提取模块
图像编解码技术
图像压缩系统
拉格朗日
编码器
多尺度特征融合
度量
编码模块
局部特征提取
解码器
核心
特征提取网络
深度编码
模型训练模块
注意力机制
阶段
系统为您推荐了相关专利信息
推荐算法
注意力机制
神经网络模型
客户
排序损失
测试电池
电池老化状态
退役动力电池
分选方法
静态特征
锂电池热失控
异常检测方法
积分特征
时域特征提取
电流
AMT变速箱
能量特征提取
BP神经网络
两侧对称布置
AMT控制器