【技术实现步骤摘要】
本专利技术属于图像压缩领域，具体涉及一种基于深度信息的有损图像压缩方法及系统。
技术介绍
1、随着科技的进步和数字化时代的到来，图像和视频数据正在以惊人的速度增长。无论是在医学影像、安全监控、还是社交媒体等领域，我们都需要处理和存储大量的图像数据。然而，传统的单纯彩色图像压缩方法往往没有考虑到人眼的视觉特性，不考虑景深的因素，单纯的依赖彩色图像自身进行图像压缩，难以实现更高的压缩性能。因此，寻找新的图像压缩方法变得尤为重要。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种基于深度信息的有损图像压缩方法及系统。本专利技术要解决的技术问题通过以下技术方案实现：
2、一种基于深度信息的有损图像压缩方法，包括：
3、s1、获取彩色原始图像和深度图像；
4、s2、根据所述深度图像对所述彩色原始图像进行预测，得到预测残差；
5、s3、设置量化块大小，将所述彩色原始图像划分为若干量化块，并根据量化参数对所述预测残差进行量化得到量化信息，其中，所述量化参数根据每个量化块对应的深度图像确定；
6、s4、当每个量化块均量化完成后对量化信息进行编码得到出初始编码信息；
7、s5、对所述初始编码信息依次进行解码、反量化和重建，得到重建像素；
8、s6、设置更新块大小与所述量化块大小一致，根据所述更新块大小将所述重建像素与所述彩色原始图像进行对比得到重建差，当所述重建差大于预设阈值时，根据所述重建差
9、s7、根据更新后的量化参数迭代执行步骤s3-s6，直到所述更新块的每个重建差均小于预设阈值，则停止迭代，得到最终编码信息。
10、在一个具体实施方式中，所述步骤s1之后还包括：
11、获取所述彩色原始图像和所述深度图像的边界坐标以及相机位置坐标；
12、根据所述边界坐标和所述相机位置坐标对所述深度图像进行校正，以使所述深度图像和所述彩色原始图像的像素匹配。
13、在一个具体实施方式中，所述步骤s2包括：
14、s21、对所述深度图像进行对比度增强，确定所述深度图像的信息量分布；
15、s22、设置预测块大小，根据所述彩色原始图像的每个预测块对应的深度图像的信息量分布确定预测方向；
16、s23、根据确定的预测方向采用方向预测对每个预测块进行预测得到预测残差。
17、在一个具体实施方式中，所述步骤s3包括：
18、s31、设置量化块大小，将所述彩色原始图像划分为若干量化块；
19、s32、根据所述量化块确定对应的深度图像的深度块，以确定该深度块的像素均值；
20、s33、根据该深度块的像素均值确定对应的量化参数；
21、s34、根据量化参数对所述预测残差进行量化得到量化信息。
22、在一个具体实施方式中，所述量化参数为：
23、
24、
25、其中，depthi为当前彩色图像所对应的深度图像深度块的深度等级，depthmax为深度图像的最大深度等级，fj为当前量化块的复杂度，fsum-j为剩余待编码量化块的复杂度，bitlift为当前图像剩余比特数，map（）为映射函数。
26、本专利技术同时提供一种基于深度信息的有损图像压缩系统，包括：
27、图像获取模块，用于获取彩色原始图像和深度图像；
28、预测残差模块，用于根据所述深度图像对所述彩色原始图像进行预测，得到预测残差；
29、量化模块，用于设置量化块大小，将所述彩色原始图像划分为若干量化块，并根据量化参数对所述预测残差进行量化得到量化信息，其中，所述量化参数根据每个量化块对应的深度图像确定；
30、编码模块，用于当每个量化块均量化完成后对量化信息进行编码得到出初始编码信息；
31、像素重建模块，用于对所述初始编码信息依次进行解码、反量化和重建，得到重建像素；
32、参数更新模块，用于设置更新块大小与所述量化块大小一致，根据所述更新块大小将所述重建像素与所述彩色原始图像进行对比得到重建差，当所述重建差大于预设阈值时，根据所述重建差对所述量化参数进行更新；
33、迭代模块，用于根据更新后的量化参数迭代执行量化模块、编码模块和像素重建模块，直到所述更新块的每个重建差均小于预设阈值，则停止迭代，得到最终编码信息。
34、在一个具体实施方式中，图像获取模块之后还包括：
35、坐标获取模块，用于获取所述彩色原始图像和所述深度图像的边界坐标以及相机位置坐标；
36、矫正模块，用于根据所述边界坐标和所述相机位置坐标对所述深度图像进行校正，以使所述深度图像和所述彩色原始图像的像素匹配。
37、在一个具体实施方式中，所述预测残差模块包括：
38、信息量分布确定单元，用于对所述深度图像进行对比度增强，确定所述深度图像的信息量分布；
39、预测方向确定单元，用于设置预测块大小，根据所述彩色原始图像的每个预测块对应的深度图像的信息量分布确定预测方向；
40、预测残差单元，用于根据确定的预测方向采用方向预测对每个预测块进行预测得到预测残差。
41、在一个具体实施方式中，所述量化模块包括：
42、量化块划分单元，用于设置量化块大小，将所述彩色原始图像划分为若干量化块；
43、像素均值确定单元，用于根据所述量化块确定对应的深度图像的深度块，以确定该深度块的像素均值；
44、量化参数确定单元，用于根据该深度块的像素均值确定对应的量化参数；
45、量化单元，用于根据量化参数对所述预测残差进行量化得到量化信息。
46、在一个具体实施方式中，所述量化参数为：
47、
48、
49、其中，depthi为当前彩色图像所对应的深度图像深度块的深度等级，depthmax为深度图像的最大深度等级，fj为当前量化块的复杂度，fsum-j为剩余待编码量化块的复杂度，bitlift为当前图像剩余比特数，map（）为映射函数。
50、本专利技术的有益效果：
51、本专利技术的基于深度信息的有损图像压缩方法利用深度图像中的信息来优化彩色图像的压缩过程。深度图像提供了场景的几何结构和空间信息，这些信息有助于更准确地识别彩色图像中的关键特征和细节。通过结合深度信息和彩色信息，该方法能够实现更高的压缩率，同时保持较好的图像质量，从而显著提升压缩效率，此外，通过深度信息能够更好地保留图像的纹理、边缘和细节，从而提升用户对于压缩后图像的主观感受。
52、以下将结合附图及实施例对本专利技术做进一步详细说明。
本文档来自技高网...【技术保护点】
1.一种基于深度信息的有损图像压缩方法，其特征在于，包括：
2.根据权利要求1所述的基于深度信息的有损图像压缩方法，其特征在于，所述步骤S1之后还包括：
3.根据权利要求1所述的基于深度信息的有损图像压缩方法，其特征在于，所述步骤S2包括：
4.根据权利要求1所述的基于深度信息的有损图像压缩方法，其特征在于，所述步骤S3包括：
5.根据权利要求4所述的基于深度信息的有损图像压缩方法，其特征在于，所述量化参数为：
6.一种基于深度信息的有损图像压缩系统，其特征在于，包括：
7.根据权利要求6所述的基于深度信息的有损图像压缩系统，其特征在于，图像获取模块之后还包括：
8.根据权利要求6所述的基于深度信息的有损图像压缩系统，其特征在于，所述预测残差模块包括：
9.根据权利要求6所述的基于深度信息的有损图像压缩方法，其特征在于，所述量化模块包括：
10.根据权利要求9所述的基于深度信息的有损图像压缩方法，其特征在于，所述量化参数为：
【技术特征摘要】
1.一种基于深度信息的有损图像压缩方法，其特征在于，包括：
2.根据权利要求1所述的基于深度信息的有损图像压缩方法，其特征在于，所述步骤s1之后还包括：
3.根据权利要求1所述的基于深度信息的有损图像压缩方法，其特征在于，所述步骤s2包括：
4.根据权利要求1所述的基于深度信息的有损图像压缩方法，其特征在于，所述步骤s3包括：
5.根据权利要求4所述的基于深度信息的有损图像压缩方法，其特征在于，所述量化参数为：
<...
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。