[发明专利]一种基于深度学习模型的静态图像压缩方法

摘要

一种基于深度学习模型的静态图像压缩方法，数据挖掘与机器学习领域，涉及用于图像的有损压缩，主要是利用多层稀疏自动编码和K‑means算法实现以上功能。本发明进行图像数据有损压缩的主要流程为图像分块、图像分类、PSO参数寻优和模型训练、模型测试四个步骤。本发明的创新点主要体现在提出了一种由稀疏自动编码器和BP神经网络混合而成的多层稀疏自动编码(MSAE)神经网络。多层稀疏自动编码神经网络的特征提取效果以及对图像有损压缩的效果都高于传统神经网络。成功的将深度学习的方法引入了图像压缩领域，并取得了优于人工神经网络的效果。

主权项

一种基于深度学习模型的静态图像压缩方法，包括如下步骤：步骤一：图像分块把图像分成若干个8*8维的图块；步骤二：图块聚类使用K‑means聚类算法把上述步骤一所分成的具有相同特征的图块聚集在一起，形成训练数据集；步骤三：PSO参数寻优与模型训练采用多层稀疏自动编码器(MSAE)模型，用粒子群优化(PSO)算法来确定该模型的隐含层的层数和神经元个数两个参数，并把所述具有相同特征的图块输入到该模型中完成图像的压缩和解压缩；步骤四：模型测试采用上述步骤一至步骤三，分别进行图像的8倍、16倍、32倍实验，并在不同测试样本和训练样本下，把测试样本图像作为三个MSAE网络的测速集，测试该模型的压缩和解压效果。