基于深度学习的图像压缩方法研究
发布时间：2021-11-02 12:17
近年来,随着拍照设备的不断升级,存储图片所需的内存空间飞速增长,然而硬盘、U盘等存储设备的容量却增长缓慢。不断增长的图片数据量与有限的存储容量之间的矛盾给图像压缩带来了巨大的挑战。深度学习已经在处理目标检测、跟踪、分类等诸多图像问题中取得了巨大突破,然而深度学习在图像压缩领域目前还并没有被充分研究。本文将利用深度学习在图像处理方面的优势,使用深度学习来提升图像压缩性能。本文首先设计了基于卷积神经网络的自编码器,包含图像编码网络和解码网络。编码时,将待压缩的图像输入网络,然后逐步降低图像的空间尺度和特征图数目,并通过量化将对于图像质量影响小的信息去除,从而达到数据压缩的目的。解码时,通过卷积和像素重排结构逐步将图像的尺度恢复,最终重构输入图像。本文在实验中详细对比了量化层、子像素卷积层等结构对压缩效果的影响,对深度网络在图像压缩领域的应用有重要指导意义。然后本文设计了卷积神经网络与JPEG结合的编解码框架。首先将待压缩的图片送入空域冗余去除结构,初步去除因图像局部相似而产生的信息冗余,然后使用JPEG编码,将图片变换到DCT域,通过量化去除对于图像质量影响较小的高频信息。当需要解码时,使...
【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】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究目的和意义
1.1.1 图像压缩的必要性
1.1.2 深度学习在图像处理方面的潜力
1.2 国内外研究背景及现状
1.2.1 传统图像压缩技术的发展
1.2.2 深度学习的发展
1.2.3 图像压缩与深度学习的结合
1.3 论文内容及结构
第2章 图像压缩及深度学习理论基础
2.1 图像信息理论
2.1.1 图像的信息量
2.1.2 图像信息的频域统计特性
2.2 图像压缩理论基础
2.2.1 DCT变换
2.2.2 量化
2.2.3 熵编码
2.2.4 图像质量评价方法
2.3 深度学习理论基础
2.3.1 神经网络的反向传播过程
2.3.2 深度学习的基础模型
2.3.3 卷积神经网络
2.4 本章小结
第3章 基于卷积神经网络的图像压缩技术
3.1 卷积神经网络
3.1.1 卷积层参数
3.1.2 多层卷积的感受野
3.2 基于卷积神经网络的自编码器
3.2.1 自编码器
3.2.2 网络结构
3.2.3 网络结构实现细节
3.2.4 数据集预处理
3.2.5 实验结果与分析
3.3 基于卷积神经网络和JPEG结合的压缩框架
3.3.1 网络结构
3.3.2 实现细节
3.3.3 实验结果与分析
3.4 本章小结
第4章 面向手势分类问题的图像压缩技术
4.1 面向手势分类问题的图像压缩框架
4.1.1 网络整体结构
4.1.2 分类网络的设计
4.2 压缩网络和分类网络的联合训练方式
4.2.1 有监督的交替训练
4.2.2 有监督的串联训练
4.2.3 无监督的对抗网络训练
4.3 实验结果与分析
4.4 本章小结
结论
参考文献
攻读学位期间发表的论文及研究成果
致谢
【参考文献】：
期刊论文
[1]基于DCT图像压缩算法的研究与仿真[J]. 吴晓云,侯茹,汤引生. 商洛学院学报. 2016(06)
[2]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[3]基于BM神经网络编码的生理信号情感识别[J]. 潘闻特,申丽萍. 计算机工程与设计. 2012(03)
硕士论文
[1]基于DCT和APBT的JPEG图像编码算法优化[D]. 傅齐鸣.山东大学 2016
[2]多视点编码标准3D-AVS2中视间预测相关技术研究[D]. 马冀.哈尔滨工业大学 2015
[3]基于小波变换的图像压缩感知方法研究[D]. 谢小红.湖南大学 2012
[4]基于小波变换的图像压缩编码技术的研究[D]. 路敬祎.大庆石油学院 2005
本文编号：3471969
【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】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究目的和意义
1.1.1 图像压缩的必要性
1.1.2 深度学习在图像处理方面的潜力
1.2 国内外研究背景及现状
1.2.1 传统图像压缩技术的发展
1.2.2 深度学习的发展
1.2.3 图像压缩与深度学习的结合
1.3 论文内容及结构
第2章 图像压缩及深度学习理论基础
2.1 图像信息理论
2.1.1 图像的信息量
2.1.2 图像信息的频域统计特性
2.2 图像压缩理论基础
2.2.1 DCT变换
2.2.2 量化
2.2.3 熵编码
2.2.4 图像质量评价方法
2.3 深度学习理论基础
2.3.1 神经网络的反向传播过程
2.3.2 深度学习的基础模型
2.3.3 卷积神经网络
2.4 本章小结
第3章 基于卷积神经网络的图像压缩技术
3.1 卷积神经网络
3.1.1 卷积层参数
3.1.2 多层卷积的感受野
3.2 基于卷积神经网络的自编码器
3.2.1 自编码器
3.2.2 网络结构
3.2.3 网络结构实现细节
3.2.4 数据集预处理
3.2.5 实验结果与分析
3.3 基于卷积神经网络和JPEG结合的压缩框架
3.3.1 网络结构
3.3.2 实现细节
3.3.3 实验结果与分析
3.4 本章小结
第4章 面向手势分类问题的图像压缩技术
4.1 面向手势分类问题的图像压缩框架
4.1.1 网络整体结构
4.1.2 分类网络的设计
4.2 压缩网络和分类网络的联合训练方式
4.2.1 有监督的交替训练
4.2.2 有监督的串联训练
4.2.3 无监督的对抗网络训练
4.3 实验结果与分析
4.4 本章小结
结论
参考文献
攻读学位期间发表的论文及研究成果
致谢
【参考文献】：
期刊论文
[1]基于DCT图像压缩算法的研究与仿真[J]. 吴晓云,侯茹,汤引生. 商洛学院学报. 2016(06)
[2]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[3]基于BM神经网络编码的生理信号情感识别[J]. 潘闻特,申丽萍. 计算机工程与设计. 2012(03)
硕士论文
[1]基于DCT和APBT的JPEG图像编码算法优化[D]. 傅齐鸣.山东大学 2016
[2]多视点编码标准3D-AVS2中视间预测相关技术研究[D]. 马冀.哈尔滨工业大学 2015
[3]基于小波变换的图像压缩感知方法研究[D]. 谢小红.湖南大学 2012
[4]基于小波变换的图像压缩编码技术的研究[D]. 路敬祎.大庆石油学院 2005
本文编号：3471969
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3471969.html
