[发明专利]基于多描述网络的图像编码、解码方法及系统有效

专利信息
申请号: 201911001710.5 申请日: 2019-10-21
公开(公告)号: CN110753241B 公开(公告)日: 2021-10-19
发明(设计)人: 孟丽丽;李红菲;张佳;谭艳艳;刘丽;张化祥 申请(专利权)人: 山东师范大学
主分类号: H04N21/2343 分类号: H04N21/2343;H04N21/4402
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 黄海丽
地址: 250358 山东省*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 描述 网络 图像 编码 解码 方法 系统
【权利要求书】:

1.基于多描述网络的图像编码、解码方法,其特征是,

基于多描述网络的图像编码方法,包括:

接收原始图像,对原始图像进行归一化处理;

将归一化处理后的结果送入第一组若干个卷积层进行特征提取处理,最后得到卷积特征;所述第一组若干个卷积层的所有卷积层均是依次串联,所述第一组若干个卷积层的卷积层层数为四层;

卷积特征分别送入两个不同的信道;

第一信道:将卷积特征送入第二组若干个卷积层进行特征提取,然后第二组若干个卷积层得到的处理结果经过第一量化处理,得到第一多描述码流;所述第二组若干个卷积层的所有卷积层均是依次串联,所述第二组若干个卷积层的卷积层层数为两层;

第二信道:将卷积特征送入第三组若干个卷积层进行特征提取,然后第三组若干个卷积层得到的处理结果经过第二量化处理,得到第二多描述码流;所述第三组若干个卷积层的所有卷积层均是依次串联,所述第三组若干个卷积层的卷积层层数为两层;

基于多描述网络的图像解码方法,包括:

S21:请求接收第一多描述码流和第二多描述码流;

如果只接收到第一多描述码流或者只接收到第二多描述码流,则将接收到的第一多描述码流或第二多描述码流,进行去量化处理,然后进入S22;如果第一多描述码流和第二多描述码流均接收到;则将第一多描述码流和第二多描述码流分别进行去量化处理,分别得到第一去量化结果和第二去量化结果,然后进入S23;

S22:将去量化处理得到的结果,送入对应的第一或第二边解码器网络;第一或第二边解码器网络负责对接收到的第一多描述码流或第二多描述码流进行反卷积操作,得到对应的第一或第二边重构信息;

S23:将第一去量化结果送入第一边解码器网络进行反卷积操作,得到第一边重构信息;

将第二去量化结果送入第二边解码器网络进行反卷积操作,得到第二边重构信息;

将去量化处理后得到的第一量化值和第二量化值均送入中心解码器网络进行反卷积操作,得到中心重构信息;

S24:对第一边重构信息进行去归一化操作,得到第一边重构图像;

对第二边重构信息进行去归一化操作,得到第二边重构图像;

对中心重构信息进行去归一化操作,得到中心重构图像。

2.如权利要求1所述的方法,其特征是,所述第一组若干个卷积层、第二组若干个卷积层和第三组若干个卷积层,每个卷积层均添加了ReLU激活函数和BN层,使得生成的网络能够学习输入数据的非线性特征。

3.如权利要求1所述的方法,其特征是,所述量化处理,采用加性噪声函数来实现。

4.如权利要求1所述的方法,其特征是,所述第一边解码器网络,包括:依次连接的去量化层、若干个反卷积层和去归一化处理;其中,除了最后一个反卷积层外,其他每个反卷积层均添加了ReLU激活函数和BN层,最后一个反卷积层只添加BN层。

5.如权利要求1所述的方法,其特征是,边重构图像或中心重构图像与原始图像之间进行比较来判断图像压缩质量时,用平均绝对误差来表示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911001710.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top