【技术实现步骤摘要】
本专利技术涉及视频编码，具体涉及一种基于粒度空间算法的图像编码方法与系统。
技术介绍
1、现如今，在各行业中对诸如4k或8k超高清(uhd)图像/视频的高分辨率、高质量图像/视频的需求不断增加。而随着图像/视频分辨率或质量变得更高，与传统图像/视频数据相比需要发送更多的信息流。因此，如果图像/视频数据经由诸如现有有线/无线宽带线路的介质发送或被存储在传统存储介质中，则传输和存储的成本容易增加。
2、因此，需要高度高效的图像/视频压缩技术来有效地压缩并发送、存储或播放如上所述显示出各种特性的高分辨率、高质量图像/视频。
技术实现思路
1、为了提高视频的压缩效率和质量，本专利技术提出了一种基于粒度空间算法的图像编码方法，包括步骤：
2、s1：提取帧内编码帧各编码块的参数特征集以及对应的划分模式作为训练数据集；
3、s2：将训练数据集根据各编码块的划分模式划分至各预设精度级别的粒度空间；
4、s3：通过bp神经网络分析当前粒度空间与划分模式之间的映射关系，进行反向传播下的网络更新；
5、s4：通过更新后的bp神经网络进行当前图像组后续编码帧的编码。
6、进一步地，所述s2步骤中，同一划分模式下编码块的训练数据划分至同一精度级别的粒度空间。
7、进一步地，所述s3步骤中，bp神经网络各神经节点的数据表达式为：
8、
9、
10、
11、
12、式中
13、进一步地，所述隐含层激活函数采用改进的tansig函数，表达式为：
14、
15、式中，λ和γ为扰动因子。
16、进一步地，所述输出层激励函数采用改进的relu函数，表达式为：
17、
18、式中，β为通过bp神经网络反向传播更新的参数。
19、本专利技术还提出了一种基于粒度空间算法的图像编码系统，包括：
20、数据采集单元，用于提取帧内编码帧各编码块的参数特征集以及对应的划分模式作为训练数据集；
21、粒度划分单元，用于将训练数据集根据各编码块的划分模式划分至各预设精度级别的粒度空间；
22、网络训练单元，用于通过bp神经网络分析当前粒度空间与划分模式之间的映射关系，进行反向传播下的网络更新；
23、图像编码单元，用于通过更新后的bp神经网络进行当前图像组后续编码帧的编码。
24、进一步地，所述粒度划分单元中，同一划分模式下编码块的训练数据划分至同一精度级别的粒度空间。
25、进一步地，所述网络训练单元中，bp神经网络各神经节点的数据表达式为：
26、
27、
28、
29、
30、式中，xj为输入层第j个节点的输入，m为输入层总数，wi,j为隐含层第i个节点到输入层第j个节点之间的权值，θi为隐含层第i个节点的阈值，fi为隐含层第i个节点的输出，φ为隐含层的激活函数，wk,i为输出层第k个节点到隐含层第i个节点之间的权值，ak为输出层第k个节点的阈值，为输出层的激励函数，neti为隐含层第i个节点的输入；neti为隐含层第i个节点的输入，fi为隐含层第i个节点的输出，netk为输出层第k个节点的输入，ok为输出层第k个节点的输出。
31、进一步地，所述隐含层激活函数采用改进的tansig函数，表达式为：
32、
33、式中，λ和γ为扰动因子。
34、进一步地，所述输出层激励函数采用改进的relu函数，表达式为：
35、
36、式中，β为通过bp神经网络反向传播更新的参数。
37、与现有技术相比，本专利技术至少含有以下有益效果：
38、(1)本专利技术所述的一种基于粒度空间算法的图像编码方法与系统，通过将编码模式划分为不同的细粒度级别，并采用改进的bp神经网络做分类器判别编码模式，从而在保证编码质量前提下，降低编码划分模式判别所需的计算量；
39、(2)通过算法的改进，解决了神经网络的梯度问题，并提升了网络的收敛性。
本文档来自技高网...【技术保护点】
1.一种基于粒度空间算法的图像编码方法，其特征在于，包括步骤：
2.如权利要求1所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述S2步骤中，同一划分模式下编码块的训练数据划分至同一精度级别的粒度空间。
3.如权利要求1所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述S3步骤中，BP神经网络各神经节点的数据表达式为：
4.如权利要求3所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述隐含层激活函数采用改进的tansig函数，表达式为：
5.如权利要求3所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述输出层激励函数采用改进的ReLU函数，表达式为：
6.一种基于粒度空间算法的图像编码系统，其特征在于，包括：
7.如权利要求6所述的一种基于粒度空间算法的图像编码系统，其特征在于，所述粒度划分单元中，同一划分模式下编码块的训练数据划分至同一精度级别的粒度空间。
8.如权利要求6所述的一种基于粒度空间算法的图像编码系统，其特征在于，所述网络训练单元中，BP神经网络各神经
9.如权利要求8所述的一种基于粒度空间算法的图像编码系统，其特征在于，所述隐含层激活函数采用改进的tansig函数，表达式为：
10.如权利要求8所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述输出层激励函数采用改进的ReLU函数，表达式为：
...【技术特征摘要】
1.一种基于粒度空间算法的图像编码方法，其特征在于，包括步骤：
2.如权利要求1所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述s2步骤中，同一划分模式下编码块的训练数据划分至同一精度级别的粒度空间。
3.如权利要求1所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述s3步骤中，bp神经网络各神经节点的数据表达式为：
4.如权利要求3所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述隐含层激活函数采用改进的tansig函数，表达式为：
5.如权利要求3所述的一种基于粒度空间算法的图像编码方法，其特征在于，所述输出层激励函数采用改进的relu函数，表达式为：
<...【专利技术属性】
技术研发人员：蒋先涛，柳云夏，郭咏梅，郭咏阳，
申请(专利权)人：宁波康达凯能医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。