基于条件扩散的概率熵建模图像编码、解码、压缩方法
知识产权简介
本发明公开一种基于条件扩散的概率熵建模图像压缩方法,包括:获得待编码图像;采用编码神经网络得到所述图像的三维特征,作为第一特征图;将所述第一特征图中的每个特征值量化为整数,得到第二特征图;将第二特征图通过超编码神经网络得到超先验特征二进制码流,并通过超解码神经网络得到超先验信息;将所述第二特征图划分为多个通道分组,将每个通道分组划分为两个空间分组;将所述第二特征图的每个通道分组中的每个空间分组的分布参数化建模为混合高斯分布,通过条件扩散模型从高斯噪声逐次采样预测所述混合高斯分布的均值、方差和权重,每次采样的采样条件通过组合超先验信息和通道上下文模型、空间上下文模型基于前次采样提取的上下文信息获得;根据所述预测的混合高斯分布对所述第二特征图进行概率估计,根据估计概率进行算术编码,获得所述每个通道分组中每个空间分组的特征二进制码流;将所述每个通道分组中的每个空间分组特征二进制码流合并为特征二进制码流,并进一步与所述超先验特征二进制码流合并,得到压缩图像二进制码流。本发明提供的方法可以更精确地对三维特征的分布进行建模和估计码率,提升图像压缩的率失真性能,具有极强的实际应用价值。