基于优化学习的图像编码与增强

发布时间：2021-02-04 02:56

　　利用人工智能技术对图像进行表示、压缩和增强已经成为图像处理、模式识别和计算机视觉等领域的一项非常重要的研究课题。本论文以数字图像的压缩和增强为研究对象,深入地研究面向图像压缩的图像表示、兼容标准的多描述图像编码、基于深度学习的多描述图像编码、图像增强等几个关键技术。研究工作主要包括以下几个部分:（1）提出一种虚拟编码器监督的图像重采样压缩方法,用于解决硬量化函数的不可导问题。还将该方法扩展到多描述图像编码,提出一种兼容JPEG标准的多描述图像编码方法,其中,将生成的多描述图像互相作为对方的图像标签并使用多描述距离损失有效地约束多描述生成网络的学习。大量的实验结果验证了所提方法的有效性。（2）提出一种基于深度学习的多描述图像编码框架,该框架能够很好地避免多描述量化器的复杂索引分配问题。首先,所提的框架构建于自编码器,该框架包含多描述多尺度空洞卷积编码网络和多描述残差卷积解码网络。其次,通过一种端对端的自监督学习得到一对标量量化器及其重要性指示图。在多个通用的标准数据集上进行测试,实验结果表明:所提方法的编码性能优于多个现有的多描述编码方法,特别是在低码率的情况下。（3）由于下采样可以大幅... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：167 页

【学位级别】：博士

【部分图文】：

图１．３?ＶＧＧ网络和ＲｅｓＮｅｔ网络结构示意图??Ｆｉｇ?１．３?Ｔｈｅ?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ＶＧＧ?ａｎｄ?ＲｅｓＮｅｔ?ｎｅｔｗｏｒｋ??

实际图像压缩测试中ＴＮＧ压缩后图像的多尺度结构不相似指标测量一直保持领??先地位，ＴＮＧ压缩效率比ＢＰＧ提升了?１００％，同时远远超过ＪＰＥＧ和ＪＰＥＧ２０００，如??图１．４所示。由此可见，我们还需要对于基于深度学习的图像压缩进行深入的研??宂，特别是深度地挖掘大数据数据分布的差异性，很好地利用深度学习的相关技??术对数据进行更高效的表示，即充分挖掘数据之间相似性、关联性、差异性等。??①?ｈｔｔｐｓ：／／ｂｄｌａｒｄ．ｏｒｇ／ｂｐｇ／??②?ｈｔｔｐ：／／ｗｗｗ．ｔｕｃｃｘｉｅｃ．ｃｏｍ／ｎｅｗｓ／??６??

??１．５本论文的研究内容及贡献??如图１．６所示，本文主要包含三个部分内容。首先，为了解决图像的高效压缩??问题，提出兼容标准的图像编码方法，还将其扩展到多描述图像编码。与此同时，??还研宄了图像的增强技术，我们可以使用图像增强技术提升图像编码方法和多描??１５??

【参考文献】：
期刊论文
[1]基于复原理论的小波域压缩图像后处理算法[J]. 肖志云,文伟,彭思龙.  计算机工程与应用. 2007(29)
[2]一种稳健的自适应图像平滑算法[J]. 芮杰,吴冰,秦志远,山海涛.  中国图象图形学报. 2005(01)
[3]图像信号的多描述编码方法[J]. 张炜,蒋刚毅,汪增福,郁梅.  中国图象图形学报. 2004(03)

博士论文
[1]率失真优化的多描述编码及其在图像视频通信中的应用[D]. 范钰华.上海交通大学 2012
[2]多描述图像/视频编码的研究[D]. 白慧慧.北京交通大学 2008
[3]视频编码传输的容错纠错优化方法[D]. 陈云鹏.中国科学技术大学 2006



本文编号：3017603