一种基于深度学习的图像无损/近无损压缩方法

    公开(公告)号:CN114359422A

    公开(公告)日:2022-04-15

    申请号:CN202210009301.5

    申请日:2022-01-06

    Abstract: 本发明一种基于深度学习的图像无损/近无损压缩方法属于图像压缩领域;主要设计了有损图像压缩与残差压缩联合优化的深度神经网络:首先,把原始图像输入深度有损图像压缩网络,得到有损压缩后的码流和重构图像;计算有损重构图像和原始图像的原始残差,并对原始残差进行量化,使得“有损重构+量化残差”与原始图像的最大像素误差严格地小于等于一个给定的误差上界;利用深度神经网络对原始残差或者量化残差进行压缩,压缩后的码流与有损图像压缩码流连接,得到图像无损/近无损压缩结果;相比于传统的图像无损/近无损压缩,本发明利用深度神经网络对有损图像压缩与残差压缩进行联合优化,显著地提升了图像无损/近无损压缩效率。

    用于DNA存储的图像编解码方法、系统、设备及可读存储介质

    公开(公告)号:CN117834926A

    公开(公告)日:2024-04-05

    申请号:CN202410003863.8

    申请日:2024-01-03

    Abstract: 本发明涉及一种图像数据DNA存储的编解码方法,包括如下步骤:步骤S1、将需要编码的图像转化为二进制数据串,拆分为子串后,按序为其进行二进制编号,拼接编号与二进制子串,得到组合数据串;步骤S2、建立二进制串与碱基序列的映射表后,将组合数据串进行碱基转换,得到碱基序列;步骤S3、将所述碱基序列添加校验信息并重复,得到冗余碱基序列,添加新的引物并进行DNA合成,得到DNA存储数据。本发明的用于DNA存储的图像编解码方法,在编码前先压缩数据,可以提高编码密度,还可以根据实际数据与对还原数据的要求,在压缩比和还原质量之间进行平衡。

    一种基于深度学习的图像无损/近无损压缩方法

    公开(公告)号:CN114359422B

    公开(公告)日:2024-08-09

    申请号:CN202210009301.5

    申请日:2022-01-06

    Abstract: 本发明一种基于深度学习的图像无损/近无损压缩方法属于图像压缩领域;主要设计了有损图像压缩与残差压缩联合优化的深度神经网络:首先,把原始图像输入深度有损图像压缩网络,得到有损压缩后的码流和重构图像;计算有损重构图像和原始图像的原始残差,并对原始残差进行量化,使得“有损重构+量化残差”与原始图像的最大像素误差严格地小于等于一个给定的误差上界;利用深度神经网络对原始残差或者量化残差进行压缩,压缩后的码流与有损图像压缩码流连接,得到图像无损/近无损压缩结果;相比于传统的图像无损/近无损压缩,本发明利用深度神经网络对有损图像压缩与残差压缩进行联合优化,显著地提升了图像无损/近无损压缩效率。

    面向概率建模的高并行自回归扫描及掩码卷积设计方法及系统

    公开(公告)号:CN118172434A

    公开(公告)日:2024-06-11

    申请号:CN202410404385.1

    申请日:2024-04-07

    Abstract: 本发明涉一种面向概率建模的高并行自回归扫描及掩码卷积设计方法,具体实施步骤如下:步骤S1、给出扫描次数与图像分辨率呈线性关系时两者的数学关系式;步骤S2、构建特定的扫描角度以满足给定的扫描次数的限制;步骤S3、构建特定扫描角度下,确定掩码卷积的掩码方式。本发明提出的扫描方式大大提升了模型的并行度,且取得与串行扫描相近的性能。相比于波前扫描,本发明提出的扫描方式其扫描次数与卷积核大小不再相关,而是与掩码方式相关,所以可以在扫描次数不变的情况下,运用更大的卷积核以增强模型的概率估计性能。

Patent Agency Ranking