吉林大学学报(工学版) ›› 2020, Vol. 50 ›› Issue (5): 1788-1795.doi: 10.13229/j.cnki.jdxbgxb20190793
• 计算机科学与技术 • 上一篇
Zhi-jun LI(),Chu-xi YANG,Dan LIU,Da-yang SUN()
摘要:
在图像压缩过程中,信息利用率对图像压缩的效率起决定性作用。为了更好地提高信息的利用率,提出了一种端到端的基于深度卷积神经网络的信息流增强图像压缩方法。在编解码网络中,采用特殊的网络结构,增加了卷积层之间的前向与后向连接,与传统的前向神经网络相比,信息流的双向流动和视觉特征的循环反馈可有效实现信息流的增强,从而提高图像的压缩效率。实验表明:在相同码率下,本文算法复原图像的MS-SSIM分别比JPEG、JPEG2000和HEVC高0.08、0.027和0.012。将基于深度神经网络的信息流增强结构用于图像压缩,可有效提高压缩效率。
中图分类号:
1 | 刘丽丽, 陈贺新, 桑爱军, 等. 基于多维矢量矩阵正交变换理论的彩色图像压缩编码[J]. 吉林大学学报: 工学版,2011, 41(6): 1754-1759. |
Liu Li-li, Chen He-xin, Sang Ai-jun, et al. Color image coding based on multidimensional vector matrix discrete cosine transform theory[J]. Journal of Jilin University(Engineering and Technology Edition), 2011, 41(6): 1754-1759. | |
2 | 桑爱军, 杨树媛, 赵欣. 基于多维矢量矩阵离散余弦变换的熵编码[J]. 吉林大学学报: 工学版, 2011, 41(): 319-324. |
Sang Ai-jun, Yang Shu-yuan, Zhao Xin. Entropy code based on multidimensional vector matrix DCT[J]. Journal of Jilin University(Engineering and Technology Edition), 2011, 41(Sup.1): 319-324. | |
3 | 赵岩, 李丽, 王世刚. 结合成像几何特征的立体元图像阵列编码[J]. 光学精密工程, 2018, 26(12): 3060-3066. |
Zhao Yan, Li Li, Wang Shi-gang. Elemental image array coding combining imaging geometry features[J]. Optics and Precision Engineering, 2018, 26(12): 3060-3066. | |
4 | Wallace G K. The JPEG still picture compression standard[J]. IEEE Transactions on Consumer Electronics, 1992, 38(11): 1-17. |
5 | Skodras A, Christopoulos C, Ebrahimi T. The JPEG 2000 still image compression standard[J]. IEEE Signal Processing Magazine, 2001, 18(5): 36-58. |
6 | Sullivan G, Ohm J, Han W, et al. Overview of the high efficiency video coding(HEVC) standard[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2012, 22(12): 1649-1668. |
7 | He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]∥2016 IEEE Conference on Computer Vision and Pattern Recognition(CVPR), Las Vegas, USA, 2016: 770-778. |
8 | Huang G, Liu Z, Maaten L V D, et al. Densely connected convolutional networks[C]∥IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, USA, 2017: 2261-2269. |
9 | Yang Y, Zhong Z, Shen T, et al. Convolutional neural networks with alternately updated clique[C]∥IEEE Conference on Computer Vision and Pattern Recognition, Salt Lake, 2018: 2413-2422. |
10 | Li M, Zuo W, Gu S, et al. Learning convolutional networks for content-weighted image compression[C]∥IEEE Conference on Computer Vision and Pattern Recognition, Salt Lake, 2018: 3214-3223. |
11 | Mentzer F, Agustsson E, Tschannen M, et al. Conditional probability models for deep image compression[C]∥IEEE Conference on Computer Vision and Pattern Recognition, Salt Lake, 2018: 4394-4402. |
12 | Deng J, Dong W, Socher R, et al. ImageNet: a large-scale hierarchical image database[C]∥IEEE Conference on Computer Vision and Pattern Recognition, Miami, USA, 2009: 248-255. |
13 | Photo CD dataset Kodak [EB/OL]. (1999-11-15). [2013-01-27]. |
14 | Wang Z, Simoncelli E P, Bovik A C. Multiscale structural similarity for image quality assessment[C]∥Proceedings of the 37th Asilomar Conference on Signals, Systems and Computers, Pacific Grove, USA, 2003: 1398-1402. |
15 | Theis L, Shi W, Cunningham A, et al. Lossy image compression with compressive autoencoders[C]∥ICLR2017, Toulon, 2017: 1-19. |
[1] | 王柯俨,王迪,赵熹,陈静怡,李云松. 基于卷积神经网络的联合估计图像去雾算法[J]. 吉林大学学报(工学版), 2020, 50(5): 1771-1777. |
[2] | 谌华,郭伟,闫敬文,卓文浩,吴良斌. 基于深度学习的SAR图像道路识别新方法[J]. 吉林大学学报(工学版), 2020, 50(5): 1778-1787. |
[3] | 车翔玖,董有政. 基于多尺度信息融合的图像识别改进算法[J]. 吉林大学学报(工学版), 2020, 50(5): 1747-1754. |
[4] | 张根保,李浩,冉琰,李裘进. 一种用于轴承故障诊断的迁移学习模型[J]. 吉林大学学报(工学版), 2020, 50(5): 1617-1626. |
[5] | 马子骥,卢浩,董艳茹. 双通道单图像超分辨率卷积神经网络[J]. 吉林大学学报(工学版), 2019, 49(6): 2089-2097. |
[6] | 周柚,杨森,李大琳,吴春国,王岩,王康平. 基于现场可编程门电路的人脸检测识别加速平台[J]. 吉林大学学报(工学版), 2019, 49(6): 2051-2057. |
[7] | 赵宏伟,王鹏,范丽丽,胡黄水,刘萍萍. 相似性保持实例检索方法[J]. 吉林大学学报(工学版), 2019, 49(6): 2045-2050. |
[8] | 车翔玖,刘华罗,邵庆彬. 基于Fast RCNN改进的布匹瑕疵识别算法[J]. 吉林大学学报(工学版), 2019, 49(6): 2038-2044. |
[9] | 郭继昌,吴洁,郭春乐,朱明辉. 基于残差连接卷积神经网络的图像超分辨率重构[J]. 吉林大学学报(工学版), 2019, 49(5): 1726-1734. |
[10] | 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903. |
[11] | 王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329. |
[12] | 马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252. |
[13] | 李琳辉, 伦智梅, 连静, 袁鲁山, 周雅夫, 麻笑艺. 基于卷积神经网络的道路车辆检测方法[J]. 吉林大学学报(工学版), 2017, 47(2): 384-391. |
[14] | 陈绵书, 王园园, 桑爱军, 陈贺新. 基于多维矢量矩阵理论的KL变换[J]. 吉林大学学报(工学版), 2016, 46(2): 627-631. |
[15] | 侯阿临, 廖庆, 靳志娟, 陈娟, 耿莹. 计算全息图的人工神经网络压缩算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 21-24. |
|