隨著信息技術(shù)的發(fā)展,龐大的圖像數(shù)據(jù)量和嚴(yán)峻的資源限制給多媒體領(lǐng)域的發(fā)展帶來(lái)了巨大的挑戰(zhàn)。圖像壓縮技術(shù)可以減少圖像數(shù)據(jù)中的冗余信息,從而降低存儲(chǔ)和傳輸?shù)膲毫Α＝陙?lái),深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域的應(yīng)用起廣泛關(guān)注,利用神經(jīng)網(wǎng)絡(luò)來(lái)提取圖像的深層特征,在圖像分類、目標(biāo)檢測(cè)和圖像超分辨等應(yīng)用領(lǐng)域都取得了突破性的研究成果,然而深度學(xué)習(xí)在圖像壓縮領(lǐng)域仍處于初步研究階段,已有的一些研究表明其存在巨大的研究潛力和價(jià)值。本文以生成式對(duì)抗網(wǎng)絡(luò)為基礎(chǔ),針對(duì)損失函數(shù)的設(shè)計(jì)、復(fù)原圖像質(zhì)量的綜合評(píng)測(cè)以及現(xiàn)有算法中存在的數(shù)據(jù)依賴等問(wèn)題展開(kāi)討論,本文主要的研究?jī)?nèi)容和創(chuàng)新性工作包括如下:1)針對(duì)生成式壓縮算法中存在的數(shù)據(jù)依賴性問(wèn)題,提出了一種基于譜歸一化的改進(jìn)方法,通過(guò)分析判別器的優(yōu)化空間,闡述了改進(jìn)判別器的設(shè)計(jì)思路并分析改進(jìn)所需的約束條件。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的算法相比普通的生成式對(duì)抗網(wǎng)絡(luò),在復(fù)原圖的多樣性和清晰度上均有明顯的提升。2)針對(duì)隨機(jī)生成的圖像和原始圖像差別較大的問(wèn)題,提出了一種基于互信息最大化的改進(jìn)方法,將壓縮數(shù)據(jù)和復(fù)原圖像之間的互信息作為附加的優(yōu)化目標(biāo),完成多類別圖像的壓縮。實(shí)驗(yàn)結(jié)果展示了本算法在單類別圖像... 

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景和研究意義
        1.1.1 圖像壓縮的研究背景
        1.1.2 生成式圖像壓縮的研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)圖像壓縮算法研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的圖像壓縮算法研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容和貢獻(xiàn)
    1.4 本文的章節(jié)結(jié)構(gòu)
第二章 圖像壓縮的基本原理和生成式圖像壓縮理論
    2.1 圖像壓縮算法的基本原理
        2.1.1 傳統(tǒng)圖像壓縮算法
        2.1.2 基于神經(jīng)網(wǎng)絡(luò)的圖像壓縮算法
    2.2 圖像的生成算法
        2.2.1 生成模型
        2.2.2 生成式對(duì)抗網(wǎng)絡(luò)
    2.3 生成式圖像壓縮理論
    2.4 小結(jié)
第三章 基于譜歸一化的多類別圖像生成
    3.1 引言
    3.2 生成式圖像壓縮算法框架
        3.2.1 基于GAN的圖像壓縮解壓過(guò)程
        3.2.2 基于GAN的重構(gòu)圖像質(zhì)量?jī)?yōu)雅降級(jí)
    3.3 生成式圖像解碼的判別過(guò)程分析
        3.3.1 圖像解碼中判別目標(biāo)的分析
        3.3.2 優(yōu)化判別函數(shù)空間的設(shè)計(jì)思路
        3.3.3 優(yōu)化判別器的約束條件
    3.4 基于譜歸一化的生成式圖像解碼的實(shí)現(xiàn)
        3.4.1 判別器穩(wěn)定性約束的譜歸一化實(shí)現(xiàn)
        3.4.2 生成式解碼的圖像質(zhì)量測(cè)評(píng)指標(biāo)
    3.5 實(shí)驗(yàn)結(jié)果及分析
        3.5.1 測(cè)試數(shù)據(jù)
        3.5.2 參數(shù)設(shè)置
        3.5.3 圖像質(zhì)量測(cè)評(píng)
    3.6 小結(jié)
第四章 基于互信息最大化的多類別生成式壓縮
    4.1 引言
    4.2 基于互信息最大化的生成式解碼過(guò)程
        4.2.1 基于互信息最大化的解碼模型
        4.2.2 基于互信息的優(yōu)化目標(biāo)
        4.2.3 多類別圖像的生成式壓縮
    4.3 損失函數(shù)
        4.3.1 像素級(jí)損失函數(shù)
        4.3.2 基于特征提取的混合型損失函數(shù)
    4.4 復(fù)原圖像質(zhì)量測(cè)評(píng)指標(biāo)
        4.4.1 主觀評(píng)測(cè)
        4.4.2 客觀評(píng)測(cè)
        4.4.3 綜合評(píng)測(cè)
    4.5 實(shí)驗(yàn)結(jié)果及分析
        4.5.1 測(cè)試數(shù)據(jù)
        4.5.2 不同損失函數(shù)對(duì)實(shí)驗(yàn)的影響分析
        4.5.3 復(fù)原圖像質(zhì)量分析
    4.6 小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]圖像壓縮方法分類及其評(píng)價(jià)[J]. 張霞.  泰山學(xué)院學(xué)報(bào). 2018(03)
[2]數(shù)字圖像壓縮技術(shù)的現(xiàn)狀及發(fā)展前景[J]. 陳少鋒.  電腦知識(shí)與技術(shù). 2016(21)

碩士論文
[1]基于稀疏表示的單幀圖像超分辨率重建算法研究[D]. 阮肇夏.西安電子科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的圖像壓縮方法研究[D]. 任杰.哈爾濱工業(yè)大學(xué) 2017
[3]基于小波的感興趣區(qū)域編碼理論及技術(shù)[D]. 郭武.中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué) 2002



本文編號(hào)：3705991