基于差分和神经网络的同步辐射光源图像压缩方法
Synchrotron radiation source image compression method based on difference and neural network作者机构:中国科学院高能物理研究所北京100049 中国科学院大学北京100049 四川天府新区宇宙线研究中心四川成都610213
出 版 物:《国防科技大学学报》 (Journal of National University of Defense Technology)
年 卷 期:2022年第44卷第5期
页 面:53-62页
核心收录:
学科分类:08[工学] 081203[工学-计算机应用技术] 0804[工学-仪器科学与技术] 0812[工学-计算机科学与技术(可授工学、理学学位)] 0702[理学-物理学]
基 金:中国科学院网络安全和信息化专项资助项目(CAS-WX2021PY-0106)。
摘 要:针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。