基于深度学习的JPEG图像云存储研究

发布时间：2021-10-02 01:30

　　视觉是人们感知和认知外部世界的主要途径,而图像是对客观事物的一种最为直观的表达方式,是人们获取信息的主要途径。进入数字化社会后,每天都有数以万计的图像被传输到各种社交网站,例如Facebook,微博和微信,数字化的多媒体信息具有数据海量性。而JPEG图像格式是目前使用最广泛的图像存储格式,网络上的大多数图像都是以JPEG格式存储的,所以对JPEG图像的压缩具有很高的实际应用价值。比如JPEG图像文件上传到网盘,可以将JPEG图像文件无损压缩来减小存储空间,下载时解压缩恢复原本的JPEG图像。我们的目标是以兼容的方式为JPEG文件提供更高的无损压缩,可以降低JPEG图像文件大小,且能恢复成原本的JPEG图像。本文提出一种云存储系统,来减少JPEG图像的存储成本。具体来说,对上传的JPEG图像进行解压缩,得到图像高度、宽度、质量因子和量化后的DCT系数。然后编码图像高度、宽度和质量因子参数,并使用基于神经网络的算术编码器对量化后的DCT系数进行编码,得到新的码流文件存储在云上。当用户下载图像时,对码流文件进行解码,得到图像的高度、宽度和质量因子参数。并使用基于神经网络的算术解码器解码出量化... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

基准JPEG压缩算法流程图

JPEG默认量化表

第2章相关工作图2-2JPEG默认量化表量化之后就是熵编码模块。对每个8x8的变换块，按Zigzag方式扫描，将二维的量化后的DCT系数排列成一维数据。Zigzag扫描方式如图2-3所示。图2-3Zigzag扫描方式DC系数和AC系数采取不同的熵编码方法。DC系数采用差分脉冲调制编码（DifferencePulseCodeModulation，DPCM）[28]，即编码的不是DC系数值，而是当前DC系数与前一个DC系数的差，比如前一个DC系数是2，当前DC系数是3，所以要编码的是差值，也就是1。这种方法利用了前一个8x8空间相邻块之间的相关性。为了进一步提高压缩效率，JPEG压缩算法不对差值进行直接编码，而是将差值转化成形如（长度，幅值）的中间形式。其中幅值是要编码的差值，而长度是使用变长整数编码（Variable12


本文编号：3417737