一种基于深度学习的图像分块压缩与解压方法

本发明公开了一种基于深度学习的图像分块压缩与解压方法，包括以下步骤：S1、通过空间注意力网络对输入图像生成重要性评估矩阵，动态划分图像块；S2、根据重要性值将图像块分为三类区块；S3、对三类区块分别进行差异化压缩；S4、将压缩数据封装为包含头文件层、数据层和冗余层的三维二进制结构；S5、在解码端通过并行解码单元重构图像，并采用边缘融合网络消除拼接伪影。与现有技术相比，本发明通过语义感知的动态压缩策略分配、多模态压缩引擎及优化的比特流结构，显著提升了压缩效率和重建图像质量，同时优化了编解码性能。