特征域近端高维梯度下降图像压缩感知重构网络

压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注。现有的深度学习重构算法可以划分为“黑盒子”以及基于优化启发网络两种类型。与“黑盒子”式的网络结构相比,基于优化启发的深度网络更容易获得高精度的恢复,同时也更具可解释性。然而现有基于优化启发的图像压缩感知重构网络在每个优化阶段仅学习单一梯度,存在测量值信息利用不足、难以准确地学习梯度等缺点,限制了重构性能的提升。为了更充分地利用测量值信息,降低梯度学习的难度,本文提出了高维空间梯度学习思想,实现更准确的梯度回归。在此基础上,本文提出了特征域近端高维梯度下降(FPHGD)算法,并设计了实现该算法的深度神经网络(FPHGD-Net)以获得高精度图像重构结果。此外,本文设计了3种不同复杂度的深度空间近端映射网络结构,以满足不同的应用条件,按空间复杂度从低到高,相应模型分别为FPHGD-Net-Tiny、FPHGD-Net、FPHGD-NetPlus。实验结果表明,与OPINE-Net+相比,所提3种模型在Set11数据上的平均PSNR分别提升1.34、1.51和1.88 dB,并且在重构视觉效果上,能够恢复出更丰富的图像细节。

基于非对称离散高斯似然的深度图像压缩方法

相较于传统的图像压缩技术,深度图像压缩可以提供更优的率失真性能,甚至可以超越最新的压缩编码标准多功能视频编码(Versatile Video Coding,VVC)。然而,随着网络复杂度的提升,深度图像压缩技术的提升亦有瓶颈。因此,提出了非对称离散高斯分布的深度图像压缩方法。并非优化编解码器或是熵模型,该方法在隐空间借助语义信息和稀疏过程,实现单高斯分布向非对称高斯分布的迁移,以节约码流。相较其他方法,所提方法具有更优的率失真性能,在Kodak数据集上解码的图像更加真实自然。

基于整数U变换的图像压缩方法

整数变换方法因其较快的计算速度被国际图像和视频编码标准广泛采纳。现有基于连续正交函数系的整数变换方法不仅难以获得原始变换的准确整数形式,而且无法克服在非连续信号表达时出现的吉布斯震荡现象,降低了重构图像质量。为此,文中提出了基于非连续正交U系统的整数变换算法及其图像压缩方法。首先,采用分段积分法和施密特正交化法计算出U系统的2维正交变换矩阵,提取行向量的缩放因子得到整数矩阵;接着,建立整数U矩阵的可逆正交变换方法,使用整数矩阵将离散图像信息的能量集中到少量数据集,同时将缩放因子与量化步骤合并以减轻计算负担;然后,采用矩阵分解法将整数U矩阵分解为稀疏矩阵的乘积,从而实现图像变换的快速计算;最后,设计基于整数U变换模块和逆变换模块的图像压缩方法,用于减轻图像存储和传输压力。实验结果表明:文中方法与其他相关方法相比,可以降低图像可逆变换的截断误差;在图像和视频压缩实验中,在相同的压缩率下文中方法获得的压缩图像质量更高,而且快速变换方法可以有效地节省运算时间。

深度学习轻量化侦察图像压缩网络

为了满足小型侦察平台对低复杂度图像编码算法的应用需求,提出基于深度学习轻量化侦察图像压缩网络。轻量化侦察图像压缩网络编码端利用三个卷积模块直接将图像映射为服从均匀分布的二进制码流,得到压缩数据;在卷积模块中采用深度可分离卷积、分组卷积+通道重排等方式降低了编码端参数量和计算量。轻量化侦察图像压缩网络解码端采用转置卷积和残差连接等方式提高特征提取能力,进而提高解码图像质量。对分辨率为128×128实际采集图像的测试结果表明,与JPGE2000算法相比,基于深度学习轻量化侦察图像压缩网络PSNR提高了3.85 dB,编码时间降低了91%,实现了图像的轻量化编码压缩。

基于图像纹理的混合图像压缩算法

针对经典图像压缩编码中跨纹理边缘图像块编码性能差、存在非稀疏表示等问题,提出一种基于图像纹理的混合图像压缩编码方案。在图傅里叶变换中,利用图像块具有不同纹理特征的特点对图拉普拉斯矩阵进行构造并实现图像块纹理特征的自适应选择,以提高图像块的压缩编码性能;再通过率失真优化实现离散余弦变换和图傅里叶变换的最优变换选择。实验结果表明,在相同比特率下,混合图像压缩算法的峰值信噪比比单纯的离散余弦变换平均高出1.08 dB,并且在相同的量化步长下具有更好的图像质量。

基于深度学习的轻量级图像压缩算法

基于深度学习的图像压缩算法变换部分存在结构复杂、计算量大的问题.为了加快其编码和解码的速度,提出了一种在尽可能保持原有压缩图像质量的情况下,使用知识蒸馏减少原网络参数量和乘-加运算计算量(multiply-accumulationoperations,MACs)的方法.同时训练原网络和轻量化网络,通过将原网络的特征信息传递给轻量化网络,提升轻量化网络的性能.在轻量化网络的结构设计中,为了保留更多的特征信息,且尽可能地减少网络的参数量和MACs,在减少其通道数量的同时引入了分组卷积.在测试数据集Kodak以及DIV2K上的实验结果证明,相比于原网络,经过知识蒸馏的轻量化网络其参数量和MACs约为原来1/16,且仍然保持了较好的图像质量.

融合多尺度特征卷积神经网络的多光谱图像压缩方法

不同于普通图像压缩,多光谱图像压缩除了需要去除空间冗余同时还需要去除光谱间冗余,近年来研究表明端到端的卷积神经网络模型在图像压缩方面具有很好的性能,但对于多光谱图像压缩其编解码器并不能有效解决同时高效提取到多光谱图像空间和光谱间特征的问题,同时也会忽略图像局部特征信息。针对以上问题,本文提出了一种融合多尺度特征卷积神经网络的多光谱图像压缩方法。所提出网络在压缩模型的编解码器中嵌入了可以提取出不同尺度下空间和光谱间特征信息的多尺度特征提取模块,以及可以用来捕捉局部空间信息和光谱信息的空间光谱间非对称卷积模块。实验表明,与传统算法如JPEG2000和3D-SPIHT以及深度学习方法相比,在Landsat-8的7波段和Sentinel-2的8波段数据集上所提出模型的峰值信噪比(PSNR)指标高于传统算法1-2dB。在平均光谱角度(MSA)指标的衡量下,所提出的模型在Landsat-8数据集上优于传统算法约8×10^(-3)rad,在Sentinel-2数据集上优于传统算法约2×10^(-3)rad。满足了多光谱图像压缩对空间和光谱间特征提取以及局部特征提取的要求。

基于增强型多尺度残差生成对抗网络的图像压缩

为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注意力模块,帮助网络更加关注图像复杂的部分,减少简单部分的比特。判别器部分采用全新的相对平均判别器,在网络框架中使用LPIPS(learned perceptual image patch similarity)感知损失减轻图像伪影问题。采用两阶段训练的方式解决引入生成对抗网络导致训练不稳定的问题。实验结果表明了在低码率下所提模型的有效性,与之前的工作相比,所提方法在感知失真指标上表现更优,性能提升了65%左右,重建图像更符合人类视觉感知。

基于Unity3D的图像压缩编码游戏化教学系统设计与实现

设计并实现了基于虚拟现实技术的游戏化教学系统,以完成图像压缩编码基本理论知识、图像压缩编码方法实验操作教学计划为导向,借助Unity3D平台的导航系统、粒子系统、动画系统等技术,创建出虚拟可视化情景式图像压缩编码教学环境,向学生展示了比传统教学模式更直观立体的图像压缩操作方法,并建立了多维有效的教学场景。学生自主参与图像压缩实验的全过程,在无限可能的虚拟场景中寻求解决问题的方法。

基于图像压缩采样的人体运动姿态评估与应用

为了保证人体运动安全,为运动姿态的调整提供数据支持,提出基于图像压缩采样的人体运动姿态评估方法。利用图像压缩采样技术获取人体运动图像,从边缘和纹理两个方面,提取人体运动特征。采用特征匹配的方式,完成对人体运动姿态的识别与跟踪。构建人体运动姿态评估指标体系,根据识别与跟踪数据计算评估指标的具体取值,采用主成分分析法求解评估指标权重,完成人体运动姿态的评估。通过应用实验得出结论:与传统评估方法相比,优化设计方法的姿态评估误差减小约0.3,同时评估对象的人体损伤程度明显降低,即优化设计方法在应用性能方面具有明显优势。

基于长短注意力模块的深度学习图像压缩方法

基于超先验自动编码器的潜在表示最近被应用于端到端图像压缩,其性能与最新的通用视频编码(VVC)帧内编码相当。图像压缩的率失真效率很大程度上受到自动编码器提取的潜在表示的影响。为此提出了一种新的注意力机制模块,利用长短注意力(LSA)模块进行深度学习图像压缩,将长短注意力模块引入自动编码器中,分别在编码阶段和解码阶段添加两个长短注意力模块来提高网络的编解码能力,从而使模型获得更准确的图像的潜在特征表示。长短注意力模块提高了自动编码器提取全局和局部图像特征的能力,节省比特率并实现更高的算法压缩性能。在JPEG-AI数据集上的实验表明,长短注意力模块成功地重建了图像细节,所提出的方法在多尺度结构相似性(MS-SSIM)方面实现了最先进的性能,并在低比特率下的峰值信噪比(PSNR)方面优于当前最先进的方法。

输电线路无人机自主巡检图像压缩研究与应用

为解决输电线路无人机自主巡检中存在的通信流量大、存储空间占用多的问题,提出了一种基于非对称性图像压缩的输电线路无人机图像压缩方法。首先,通过图像预处理对输入的输电线路无人机图像进行预处理,消除数据噪声带来的影响。其次,采用增强压缩算法进行压缩处理,实现图像压缩最优,最后,在某供电公司输电工区进行应用,其结果验证了输电线路无人机自主巡检图像压缩的有效性和可行性。

基于Python技术的网络通信彩色图像压缩编码传输

为了解决彩色图像传输过程中存在的信息偏差较高的问题,提出基于Python技术的网络通信彩色图像压缩编码传输方法。完成色彩空间转换后,将原始图像数据从空间域表示为频域系数,并对变换系数进行量化和变换编码处理。利用Python创建了一个socket对象作为图像压缩编码载体,借助bind()绑定本地地址和端口号,结合listen()监听到的连接请求,使用accept()接受请求并返回一个新的socket对象。在测试结果中,MS-SSIM值始终稳定在较高水平,最小值也达到了0.92,传输图像的信息偏差明显低于对照组。

自适应编码与混合模型联合改进图像压缩算法

为准确描述残差图像的概率分布特征,以实现图像的自适应无损压缩,提出了一种自适应算术编码与有限混合几何模型相联合的分块无损图像压缩算法。算法首先对图像的残差图像进行非重叠分块,并通过联合分布估计各分块的统计模型;然后通过最大似然估计对分块的混合参数进行估计;最后在预测误差块中使用直方图截断算法减少算术编码中的符号数量,从而减少零次符号的出现概率。实验结果表明,在实验图像集基础上,所提图像压缩算法的压缩比优于常用的标准JPEG-2000和JPEG-LS。

基于MATLAB的图像压缩加密编码设计及实现

随着信息爆炸时代的到来,图像信息的高效与安全传输问题迫切需要解决。从系统的角度出发,利用MATLAB平台,设计并实现了一种新的图像压缩与加密方法。首先分析了SVD图像压缩、JPEG图像压缩、混沌系统和DNA编码运算解码等原理和方法;然后基于MATLAB GUI界面开发方法,把多个相关模块串联到一起,进而设计了融合图像压缩、加密、编码、传输的数字通信系统。该研究对图像高速传输与安全性能的提高具有重要的实际意义,对于同类设计具有一定的指导作用。

基于图像压缩的震损结构三维模型快速重建方法分析

本文为了给震损结构三维模型快速重建提供一些参考,简单介绍了图像压缩算法,论述了基于图像压缩算法的震损结构三维模型快速重建流程,并以一个外包钢加固震损SRC框架结构为例,验证了基于图像压缩算法的震损结构三维模型快速重建方法应用可行性。得出:在震损结构评估中应用图像压缩算法,可以在保证建模精度的基础上有效缩短建模时间。因此,应根据震损结构评估要求合理应用图像压缩算法。

基于卷积神经网络的高分六号卫星多光谱图像压缩

高分六号多光谱图像的空间冗余和谱间冗余较高,为了降低高分六号多光谱图像所占用的存储空间,提高国产高分多光谱图像的压缩效率,提出一种基于卷积神经网络的端到端多光谱图像压缩模型SMIC。SMIC模型由自编码器、量化结构、熵编码3个部分组成。自编码器通过卷积下采样提取图像的特征,降低数据的空间维度。量化结构采用多进制量化将特征矩阵离散化,减少图像压缩过程中的信息损失。熵编码采用高斯混合模型进行编码,降低码流,减少图像所占用的存储空间。实验结果表明:在相同码率下SMIC模型的高分六号多光谱图像压缩效果明显优于传统图像压缩算法JPEG,重建图像的质量明显提高,图像的峰值信噪比较JPEG高约2 dB,且SMIC重建图像的误差值主要集中在[-100,100]范围内,区间占比达到80%以上;SMIC模型重建图像的NDVI与原始图像NDVI的决定系数R2为0.93;SMIC模型的冬小麦提取准确率为87.16%,误检率为4.47%,冬小麦提取结果验证了SMIC模型能够满足部分定量遥感的应用需求。

遥感图像压缩质量检测技术

遥感图像的存储、传送和处理等均涉及到图像压缩技术,而图像压缩质量的好坏直接关系到压缩遥感图像的应用价值。为了正确评价图像质量,首先给出了用于遥感图像压缩质量评价的主要评价指标和相关概念,并讨论了图像压缩比、压缩质量、压缩速率和复杂度等评价指标的构建原理和基本算法;然后在此基础上,开发了遥感图像数据压缩质量评价软件。

基于改进粒子群优化的BP神经网络图像压缩方法

为了改善反向传播(BP)神经网络算法过度依赖初始参数,导致网络收敛速度慢,容易陷入局部极小值的问题,提出利用改进的粒子群优化(IPSO)算法,对BP神经网络的参数进行优化,找出合适的初始权值和阈值。该文算法在基本粒子群优化(PSO)算法中增加了基于四分位数的选择策略,引入遗传算法的自适应变异概率作为扰动概率,加入基于个体自身适应度值与种群平均适应度值比值的自适应扰动策略。该文算法IPSO-BP对训练图像Lena、测试图像Cameraman和验证图像Peppers效果都有明显的提高,经过IPSO-BP训练的模型峰值信噪比(PSNR)和均方误差(MSE)明显好于惯性权重线性递减的粒子群优化-反向传播(LDWPSO-BP)、基于动态加速因子的粒子群优化-反向传播(PSO-DAC-BP)、基于正态分布衰减惯性权重的粒子群优化-反向传播(NDPSO-BP)、自适应变异粒子群优化-反向传播(ADVPSO-BP)、遗传算法-反向传播(GA-BP)以及天牛须搜索-反向传播(BAS-BP),PSNR在7种算法中最大,MSE在7种算法中最小。虽然IPSO-BP在图像Lena上的压缩率(CR)小于PSO-DAC-BP和BAS-BP,在Cameraman上的CR小于NDPSO-BP、ADVPSO-BP和GA-BP,但相差不超过0.01和0.006。

基于四叉树的分形图像压缩编码算法的C++实现

该文首先介绍了分形图像压缩的基本理论,如迭代函数系统,拼贴定理等。然后重点研究了基于四叉树的分形图像压缩编码算法。最后通过编写代码实现此算法,并与基本的分形图像压缩算法进行试验比较,进行总结。