基于图像频谱的数据压缩传输方法

摘要

本发明涉及基于图像频谱的数据压缩传输方法，属于数据压缩技术领域。方法包括以下步骤：将待传输灰度图像输入至自编码网络的编码器，输出待传输压缩图像；所述自编码网络的损失为训练图像的所有像素点的重构值之和，各像素点的重构值为训练图像中各像素点与压缩后训练图像中对应像素点的灰度差乘以对应的重构权重，各像素点对应的重构权重根据训练图像对应的频谱图像得到。本发明降低了现有基于自编码网络的图像压缩方法的重构损失。

说明书

技术领域

本发明涉及数据压缩技术领域，具体涉及基于图像频谱的数据压缩传输方法。

背景技术

为了减少图像传输过程中的数据量，提高图像传输的效率，最直接的方法就是在对图像进行传输之前对图像进行压缩。图像压缩分为有损图像压缩和无损图像压缩两种，基于自编码网络的图像压缩方法属于有损图像压缩，现有自编码网络通常采用均方差损失函数对图像中像素进行重构，如何降低基于自编码网络的图像压缩方法的重构损失对于保证图像的重要信息不丢失具有重要意义。

发明内容

本发明的目的在于提供一种基于图像频谱的数据压缩传输方法，用于降低现有基于自编码网络的图像压缩方法的重构损失。

为了解决上述问题，本发明的一种基于图像频谱的数据压缩传输方法的技术方案，包括以下步骤：

将待传输灰度图像输入至自编码网络的编码器，输出待传输压缩图像；所述自编码网络的损失为训练图像的所有像素点的重构值之和，各像素点的重构值为训练图像中各像素点与压缩后训练图像中对应像素点的灰度差乘以对应的重构权重，各像素点对应的重构权重根据训练图像对应的频谱图像得到。

有益效果：本发明对自编码网络的损失进行了改进，不再采用均方差损失函数对图像中像素进行重构，也即不再只根据压缩前后图像中各像素点的灰度差来衡量重构损失，而是根据不同像素点对应的重构权重对压缩前后图像的灰度差进行修正，以达到使重构权重较大的像素点对应的压缩前后图像的灰度差相对较小的目的，以此来保证图像压缩后重要像素点的信息不丢失，减小重构损失。

进一步地，根据训练图像对应的频谱图像得到各像素点的重构权重的步骤包括：

对频谱图像进行区域划分；

对不同划分区域对应的频谱图像进行反FFT变换，得到频谱图像中不同划分区域对应的恢复图像；

根据频谱图像中不同划分区域对应的恢复图像与训练图像中各像素点对应的像素值差异，得到频谱图像中不同扩增区域对应的重要程度，所述扩增区域为两划分区域之差；

判断训练图像中每个像素点与频谱图像中不同扩增区域的对应关系，根据训练图像中每个像素点对应的扩增区域的重要程度计算训练图像中每个像素点的重构权重。

进一步地，所述对频谱图像进行区域划分，包括：

以频谱图像的中心点为圆心，

逐像素扩大半径至

进一步地，所述根据频谱图像中不同划分区域对应的恢复图像与训练图像中各像素点对应的像素值差异，得到频谱图像中不同扩增区域对应的重要程度，包括：

对频谱图像中不同划分区域对应的恢复图像与训练图像中各像素点对应的像素值差异进行累加求平均计算，得到频谱图像中不同划分区域对应的信息量；

根据不同划分区域对应的信息量，利用如下计算公式计算不同扩增区域对应的重要程度：

式中，

进一步地，所述判断训练图像中每个像素点与频谱图像中不同扩增区域的对应关系，包括：

判断频谱图像中第一划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值是否相等：

若相等，则判定对应像素点仅与频谱图像中第一划分区域存在对应关系，将第一划分区域记为第0扩增区域；

若不相等，判断频谱图像中第二划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值是否相等，若相等，则判定对应像素点与频谱图像中第0扩增区域和第一扩增区域存在对应关系，所述第一扩增区域为第二划分区域与第一划分区域之差；若不相等，继续判断频谱图像中第三划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值是否相等，以此类推，直至频谱图像中第n划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值相等，并判定对应像素点与频谱图像中第m扩增区域存在对应关系，m=0,1,…，n-1，n≥3。

进一步地，所述根据训练图像中每个像素点对应的扩增区域的重要程度计算训练图像中每个像素点的重构权重，包括：

利用如下公式计算训练图像中每个像素点的重构权重：

其中，

其中，

附图说明

图1是本发明训练图像对应的灰度图像示意图；

图2是本发明训练图像对应的频谱图像示意图；

图3是本发明的信息量变化序列拟合曲线示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行介绍。

本发明针对的情景为：图像需要进行压缩传输，而常用的压缩方式分为有损图像压缩和无损图像压缩两种，自编码压缩的方式属于有损图像压缩，通常采用均方差损失函数对图像中像素进行重构，误差对图像的质量影响比较随机。为了降低现有基于自编码网络的图像压缩方法的重构损失，本发明先对灰度图像进行傅里叶变换，然后再经过对数变换和中心化处理之后，得到对应的频谱图像，而后结合频谱图像对自编码网络进行调整，以便降低重构损失的影响。

本实施例的基于图像频谱的数据压缩传输方法包括：将待传输灰度图像输入至自编码网络的编码器，输出待传输压缩图像；所述自编码网络的损失为训练图像的所有像素点的重构值之和，各像素点的重构值为训练图像中各像素点与压缩后训练图像中对应像素点的灰度差乘以对应的重构权重，各像素点对应的重构权重根据训练图像对应的频谱图像得到。

本实施例对自编码网络的损失函数进行重构的过程如下：

（1）对训练图像进行傅里叶变换，得到训练图像对应的频谱图像；

若训练图像为RGB图像，则先对训练图像先进行灰度化操作，得到对应的灰度图，如图1所示，而后利用离散傅里叶变换、对数变换和中心化处理后得到对应的频谱图像，如图2所示。若训练图像为灰度图像，则直接利用离散傅里叶变换、对数变换和中心化处理后得到对应的频谱图像。对图像进行灰度化和得到图像对应的频谱图像的过程为现有技术，此处不再赘述。

（2）根据训练图像对应的频谱图像得到训练图像中每个像素点的重构权重；

频谱图像中的点表示图像在对应的三角函数上的灰度变化程度，频谱中每一个点都可由反傅里叶变换转换成整个图像。频谱图像中的点的横纵坐标反映了对应的三角函数的频率与方向，点的数值表示对应三角函数的幅值。频谱图像中低频点代表了图像中的区域主体信息，而高频点图中的边缘细节等信息。

本实施例得到训练图像中每个像素点的重构权重的过程为：

a）对频谱图像进行区域划分；

频谱图像中局部点即可恢复原图像的大致面貌，图像的能量集中于偏向中心的局部区域，即频谱图像中点距离中心越近，值越大则其对应的图像中信息越重要。本实施例采用以下方式对频谱图像进行区域划分：

以频谱图像的中心点为圆心，

逐像素扩大半径至

b)对不同划分区域对应的频谱图像进行反FFT变换，得到频谱图像中不同划分区域对应的恢复图像；

将得到的各二值遮罩与原频谱图像进行相乘操作，保留圆外的频谱部分，丢弃圆内的频谱部分，得到过滤后的各频谱图像。将过滤后的各频谱图像进行反傅里叶变换得到各划分区域对应的恢复后的图像。

c)根据频谱图像中不同划分区域对应的恢复图像与训练图像中各像素点对应的像素值差异，得到频谱图像中不同扩增区域对应的重要程度，所述扩增区域为两划分区域之差；

将原灰度图像与恢复图像进行按位相减，并进行百分比计算，得到各像素点对应的差异比。公式如下：

式中，

每个像素点按上述公式计算得到像素点的差异比

式中，

根据R与对应的

[(1,

根据上述信息量变化序列拟合曲线，如图3所示，求得每个R处的斜率

式中，

而后对所有的斜率进行归一化处理，得到各扩增区域的重要程度值

式中，

至此，得到频谱图像中各扩增区域对应的重要性程度，也即各环形区域对应的重要性程度。

d)判断训练图像中每个像素点与频谱图像中不同扩增区域的对应关系，根据训练图像中每个像素点对应的扩增区域的重要程度计算训练图像中每个像素点的重构权重。

本实施例判断训练图像中每个像素点与频谱图像中不同扩增区域的对应关系的过程如下：

判断频谱图像中第一划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值是否相等：

若相等，则判定对应像素点仅与频谱图像中第一划分区域存在对应关系，将第一划分区域记为第0扩增区域；

若不相等，判断频谱图像中第二划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值是否相等，若相等，则判定对应像素点与频谱图像中第0扩增区域和第一扩增区域存在对应关系，所述第一扩增区域为第二划分区域与第一划分区域之差，也即第1次扩大形成的圆周与扩大之前形成的圆周围成的区域；若不相等，继续判断频谱图像中第三划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值是否相等，以此类推，直至频谱图像中第n划分区域对应的恢复图像中各像素点的像素值与训练图像中对应像素点的像素值相等，并判定对应像素点与频谱图像中第m扩增区域存在对应关系，m=0,1,…，n-1，n≥3。

对于某些低频区域像素，其可更早的完成完整的恢复，也即与较少的扩增区域存在对应关系，而低频像素相对高频像素更加重要。本实施例按照如下计算公式计算训练图像中每个像素点的重构权重：

其中，为训练图像中第n个像素点的重构权重，

（3）利用重构权重计算自编码网络的损失；

现有自编码网络通常采用均方差损失函数，自编码网络若使用均方差loss进行图像恢复，则各位置像素多大的重构（恢复）要求是一致的。然而，图像中各像素点具有的信息量不同，为了保证图像的重要信息不丢失，其重构要求程度也应不同，需保证重要的点能以更小的误差进行重建，而不重要的点其重构误差可被允许的范围更大。

本实施例结合上述得到的各像素的重构权重得到不同像素对应的不同的重构要求程度，并对自编码网络的均方差损失函数做出改进，如下所示：

式中，

以本实施例的损失函数，完成自编码网络的训练。自编码网络的处理过程为：FW(图像)-Encoder（编码）-Z(压缩数据)-Decoder（解码）-FR（恢复数据）。自编码网络以自身为标签，可以自编码网络内部隐含层的输出Z为对应数据的压缩数据（也即原图像对应的压缩图像），将压缩数据进行传输至Decoder进行解码，即可得到恢复数据（也即原图像对应的重构图像）。

本实施例对自编码网络的损失进行了改进，不再采用均方差损失函数对图像中像素进行重构，也即不再只根据压缩前后图像中各像素点的灰度差来衡量重构损失，而是根据不同像素点对应的重构权重对压缩前后图像的灰度差进行修正，以达到使重构权重较大的像素点对应的压缩前后图像的灰度差相对较小的目的，以此来保证图像压缩后重要像素点的信息不丢失，减小重构损失。

需要说明的是，尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。