[发明专利]一种应用于家具三维打印的基于深度学习的图像压缩方法在审
| 申请号： | 201910327972.4 | 申请日： | 2019-04-23 |
| 公开（公告）号： | CN110084843A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 熊健;王一平;张训飞;马强;杨洁;桂冠 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06T7/41 | 分类号： | G06T7/41;G06N3/08;G06N3/02;B33Y50/00;B29C64/386;H04N13/106;H04N13/161 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种应用于家具三维打印的基于深度学习的图像压缩方法，包括：采集家具表面纹理图像数据；对所述家具表面纹理图像数据进行量化编码；构建图像熵神经网络模型；将所述量化编码后的图像数据输入图像熵神经网络模型进行训练，得到图像压缩网络模型；将待打印的家具表面纹理图像数据输入所述图像压缩网络模型，得到压缩后的家具表面纹理图像数据；再将压缩后的图像数据传入三位打印机执行解压、打印工序；本发明的神经网络模型能有效地压缩具有丰富结构信息和独特几何纹理的家具纹理图像，最大限度地减少原始图像与解压图像之间的均方误差；本发明应用于家具三维打印时，可以有效降低内存占用空间，提高打印图像图像的分辨率。 | ||
| 搜索关键词： | 纹理图像数据 家具表面 图像压缩 神经网络模型 三维打印 家具 量化编码 网络模型 图像熵 解压 压缩 打印 应用 内存占用空间 图像数据输入 图像 打印图像 几何纹理 结构信息 均方误差 图像数据 纹理图像 原始图像 有效地 分辨率 打印机 构建 采集 学习 | ||
【主权项】：
1.一种应用于家具三维打印的基于深度学习的图像压缩方法，其特征在于，包括以下步骤：S1，采集家具表面纹理图像数据；S2，对所述家具表面纹理图像数据进行量化编码；S3，构建图像熵神经网络模型；S4，将所述量化编码后的图像数据输入图像熵神经网络模型进行训练，得到图像压缩网络模型；S5，将待打印的家具表面纹理图像数据输入所述图像压缩网络模型，得到压缩后的家具表面纹理图像数据。
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南京邮电大学，未经南京邮电大学许可，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/patent/201910327972.4/，转载请声明来源钻瓜专利网。
