申请/专利权人：中国科学院国家空间科学中心

申请日：2021-04-27

公开（公告）日：2022-01-21

公开（公告）号：CN113242433B

主分类号：H04N19/42(20140101)

分类号：H04N19/42(20140101);H04N19/124(20140101);G06N3/04(20060101);G06N3/08(20060101);G06T9/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.01.21#授权;2021.08.27#实质审查的生效;2021.08.10#公开

摘要：本发明涉及嵌入式系统、图像压缩编码技术领域，尤其涉及图像压缩方法及基于ARM多核异构处理器的图像压缩系统。一种图像压缩方法，所述方法包括：对采集的原始图像进行归一化预处理；基于深度神经网络对预处理后的图像进行显著性检测，得到全局显著图；基于预设的图像块尺寸对全局显著图进行划分，基于划分的全局显著图对量化参数进行调整，得到量化参数调整结果；基于量化参数调整结果对预处理后的图像进行HEVC帧内自适应量化编码，得到压缩编码的图像。本发明的方法基于多层神经网络进行图像显著性检测，相较于传统算法泛化能力更强；基于显著度对图像各编码单元进行量化参数调整，充分利用显著性特征实现编码资源更加合理的分配。

主权项：1.一种图像压缩方法，所述方法包括：对采集的原始图像进行归一化预处理；基于深度神经网络对预处理后的图像进行显著性检测，得到全局显著图；基于预设的图像块尺寸对全局显著图进行划分，基于划分的全局显著图对量化参数进行调整，得到量化参数调整结果；基于量化参数调整结果对预处理后的图像进行HEVC帧内自适应量化编码，得到压缩编码的图像；所述基于深度神经网络对预处理后的图像进行显著性检测，得到全局显著图；具体包括：将预处理后的图像输入预先建立和训练好的ResNet50模型，对ResNet50模型全连接层的输出张量y进行数值排序，得到排名前五的元素ci及对应索引列表c：c＝{ci},i＝1,2,3,4,5根据索引列表c依次读取平均池化层与全连接层之间的权重对最后一层卷积层输出的特征图进行加权求和操作，得到合并的融合特征图Sal： 其中，Ak为卷积层第k个通道特征图，ReLU表示线性修正函数： 其中，v表示线性修正函数的变量；对融合特征图Sal进行上采样插值运算，转换为原始图像的尺寸，得到全局显著图Salout；所述基于预设的图像块尺寸对全局显著图进行划分，基于划分的全局显著图对量化参数进行调整，得到量化参数调整结果；具体包括：根据全局显著图Salout计算得到全局平均显著度Salavg；按照预设的图像块尺寸对全局显著图Salout进行划分，得到若干个图像块；遍历所有图像块，计算每个图像块的平均显著度Salcu_avg以及总体显著度Salcu_sum；根据每个图像块的平均显著度Salcu_avg与全局平均显著度Salavg，计算得到全局显著性对比权重ω以及对应的加权量化分量QPweighted： 根据每个图像块的总体显著度Salcu_sum进行对数运算得到感知量化分量QPsal_offset；根据预设的初始量化参数，结合加权量化分量QPweighted和感知量化分量QPsal_offset，计算得到对应图像块的量化参数偏移量，进而得到图像中所有图像块对应的量化参数调整结果。

全文数据：

权利要求：

百度查询： 中国科学院国家空间科学中心 图像压缩方法及基于ARM多核异构处理器的图像压缩系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD