基于自适应下采样和超分重建的图像压缩框架

发布时间：2021-04-23 13:11

　　针对联合图像专家组（JPEG）标准设计了一种基于自适应下采样和超分辨力重建的图像压缩编码框架。在编码器端,为待编码的原始图像设计了多种不同的下采样模式和量化模式,通过率失真优化算法从多种模式中选择最优的下采样模式（DSM）和量化模式（QM）,最后待编码图像将在选择的模式下进行下采样和JPEG编码;在解码器端,采用基于卷积神经网络的超分辨力重建算法对解码后的下采样图像进行重建。此外,所提出的框架扩展到JPEG2000压缩标准下同样有效可行。仿真实验结果表明,相比于主流的编解码标准和先进的编解码方法,提出的框架能有效地提升编码图像的率失真性能,并能获得更好的视觉效果。 

【文章来源】：太赫兹科学与电子信息学报. 2020,18(02)北大核心

【文章页数】：9 页

【文章目录】：
1 编码框架简介
2 自适应采样率下采样
    2.1 下采样模式和量化模式
    2.2 基于率失真优化的模式选择
3 基于深度学习的超分辨力重建
4 实验结果及分析
    4.1 主观视觉效果对比
    4.2 率失真性能对比
    4.3 JPEG2000拓展内容
5 结论


【参考文献】：
期刊论文
[1]基于卷积神经网络的深度图超分辨率重建[J]. 李素梅,雷国庆,范如.  光学学报. 2017(12)
[2]基于深度特征学习的图像超分辨率重建[J]. 胡长胜,詹曙,吴从中.  自动化学报. 2017(05)
[3]利用双通道卷积神经网络的图像超分辨率算法[J]. 徐冉,张俊格,黄凯奇.  中国图象图形学报. 2016(05)



本文编号：3155391