一种基于张量网络的熵编码、熵解码方法及图像压缩方法

    公开(公告)号:CN115834914B

    公开(公告)日:2025-04-25

    申请号:CN202211561058.4

    申请日:2022-12-07

    Abstract: 本发明提供一种基于张量网络的熵编码、熵解码方法及图像压缩方法、系统、装置,包括:采用格雷码将图像的离散特征划分为多个二进制位平面;采用特征映射将二进制位平面映射到对应的希尔伯特空间内,生成位平面的向量化特征;基于张量网络的熵编码模型,对位平面的向量化特征分别进行概率估计及编码,生成位平面特征二进制码流;合并所有的位平面特征二进制码流,得到特征二进制码流。采用张量网络建模特征概率分布,能够在不引入任何先验假设的条件下,准确计算特征的联合概率,相比于现有熵模型的设计进一步提升了压缩结构的灵活性和可扩展性。

    基于图字典学习的三维点云编解码方法、压缩方法及装置

    公开(公告)号:CN114708343B

    公开(公告)日:2025-04-25

    申请号:CN202210288552.1

    申请日:2022-03-22

    Abstract: 本发明提供三维点云图字典学习方法以及基于图字典学习的编解码方法、压缩方法及装置,包括:获得N幅训练集点云数据;对点云数据进行体素化处理,获得体素化的训练集点云数据;对训练集点云数据进行体素块划分,选取若干体素块作为训练集,根据训练集构建图字典学习模型;对图字典学习的目标函数进行迭代优化,获得用于三维点云信号的编解码的图字典。本发明有效地利用点云信号之间的空间相关性,渐进最优地去除点云信号之间的冗余性;利用不同层级信号之间的数据相关性由低层级自上而下进行预测编码,有效地提升了3D点云属性信号的压缩效率,有效减少编码开销,灵活地满足实际需求中对不同质量的解码信号的需求,具有可伸缩性。

    一种基于张量网络的熵编码、熵解码方法及图像压缩方法

    公开(公告)号:CN115834914A

    公开(公告)日:2023-03-21

    申请号:CN202211561058.4

    申请日:2022-12-07

    Abstract: 本发明提供一种基于张量网络的熵编码、熵解码方法及图像压缩方法、系统、装置,包括:采用格雷码将图像的离散特征划分为多个二进制位平面;采用特征映射将二进制位平面映射到对应的希尔伯特空间内,生成位平面的向量化特征;基于张量网络的熵编码模型,对位平面的向量化特征分别进行概率估计及编码,生成位平面特征二进制码流;合并所有的位平面特征二进制码流,得到特征二进制码流。采用张量网络建模特征概率分布,能够在不引入任何先验假设的条件下,准确计算特征的联合概率,相比于现有熵模型的设计进一步提升了压缩结构的灵活性和可扩展性。

    基于图字典学习的三维点云编解码方法、压缩方法及装置

    公开(公告)号:CN114708343A

    公开(公告)日:2022-07-05

    申请号:CN202210288552.1

    申请日:2022-03-22

    Abstract: 本发明提供三维点云图字典学习方法以及基于图字典学习的编解码方法、压缩方法及装置,包括:获得N幅训练集点云数据;对点云数据进行体素化处理,获得体素化的训练集点云数据;对训练集点云数据进行体素块划分,选取若干体素块作为训练集,根据训练集构建图字典学习模型;对图字典学习的目标函数进行迭代优化,获得用于三维点云信号的编解码的图字典。本发明有效地利用点云信号之间的空间相关性,渐进最优地去除点云信号之间的冗余性;利用不同层级信号之间的数据相关性由低层级自上而下进行预测编码,有效地提升了3D点云属性信号的压缩效率,有效减少编码开销,灵活地满足实际需求中对不同质量的解码信号的需求,具有可伸缩性。

Patent Agency Ranking