基于深度卷积神经网络的信息流增强图像压缩方法

作     者：李志军 杨楚皙 刘丹 孙大洋 LI Zhi-jun;YANG Chu-xi;LIU Dan;SUN Da-yang

作者机构：吉林大学通信工程学院长春130012 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2020年第50卷第5期

页      面：1788-1795页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 

基　　金：国家自然科学基金面上项目(61671219)。 

主　　题：图像压缩 自动编码器 卷积神经网络 信息流增强 

摘      要：在图像压缩过程中,信息利用率对图像压缩的效率起决定性作用。为了更好地提高信息的利用率,提出了一种端到端的基于深度卷积神经网络的信息流增强图像压缩方法。在编解码网络中,采用特殊的网络结构,增加了卷积层之间的前向与后向连接,与传统的前向神经网络相比,信息流的双向流动和视觉特征的循环反馈可有效实现信息流的增强,从而提高图像的压缩效率。实验表明:在相同码率下,本文算法复原图像的MS-SSIM分别比JPEG、JPEG2000和HEVC高0.08、0.027和0.012。将基于深度神经网络的信息流增强结构用于图像压缩,可有效提高压缩效率。