1.基于多描述网络的图像编码方法,其特征是,包括:接收原始图像,对原始图像进行归一化处理;
将归一化处理后的结果送入第一组若干个卷积层进行特征提取处理,最后得到卷积特征;
卷积特征分别送入两个不同的信道;
第一信道:将卷积特征送入第二组若干个卷积层进行特征提取,然后第二组若干个卷积层得到的处理结果经过第一量化处理,得到第一多描述码流;
第二信道:将卷积特征送入第三组若干个卷积层进行特征提取,然后第三组若干个卷积层得到的处理结果经过第二量化处理,得到第二多描述码流。
2.如权利要求1所述的方法,其特征是,所述第一组若干个卷积层、第二组若干个卷积层和第三组若干个卷积层,每个卷积层均添加了ReLU激活函数和BN层,使得生成的网络能够学习输入数据的非线性特征。
3.如权利要求1所述的方法,其特征是,所述第一组若干个卷积层的所有卷积层均是依次串联;所述第二组若干个卷积层的所有卷积层均是依次串联;所述第三组若干个卷积层的所有卷积层均是依次串联;所述第三组若干个卷积层的卷积层层数为两层。
4.如权利要求1所述的方法,其特征是,所述量化处理,采用加性噪声函数来实现。
5.基于多描述网络的图像解码方法,其特征是,包括:S21:请求接收第一多描述码流和第二多描述码流;
如果只接收到第一多描述码流或者只接收到第二多描述码流,则将接收到的第一多描述码流或第二多描述码流,进行去量化处理,然后进入S22;
如果第一多描述码流和第二多描述码流均接收到;则将第一多描述码流和第二多描述码流分别进行去量化处理,分别得到第一去量化结果和第二去量化结果,然后进入S23;
S22:将去量化处理得到的结果,送入对应的第一或第二边解码器网络;第一或第二边解码器网络负责对接收到的第一多描述码流或第二多描述码流进行反卷积操作,得到对应的第一或第二边重构信息;
S23:将第一去量化结果送入第一边解码器网络进行反卷积操作,得到第一边重构信息;
将第二去量化结果送入第二边解码器网络进行反卷积操作,得到第二边重构信息;
将去量化处理后得到的第一量化值和第二量化值均送入中心解码器网络进行反卷积操作,得到中心重构信息;
S24:对第一边重构信息进行去归一化操作,得到第一边重构图像;
对第二边重构信息进行去归一化操作,得到第二边重构图像;
对中心重构信息进行去归一化操作,得到中心重构图像。
6.如权利要求5所述的方法,其特征是,所述第一边解码器网络,包括:依次连接的去量化层、若干个反卷积层和去归一化处理;其中,除了最后一个反卷积层外,其他每个反卷积层均添加了ReLU激活函数和BN层,最后一个反卷积层只添加BN层。
7.如权利要求5所述的方法,其特征是,边重构图像或中心重构图像与原始图像之间进行比较来判断图像压缩质量时,用平均绝对误差来表示。
8.基于多描述网络的图像编码装置,其特征是,包括:归一化处理模块,其被配置为:接收原始图像,对原始图像进行归一化处理;
特征提取模块,其被配置为:将归一化处理后的结果送入第一组若干个卷积层进行特征提取处理,最后得到卷积特征;
第一量化处理模块,其被配置为:将卷积特征送入第二组若干个卷积层进行特征提取,然后第二组若干个卷积层得到的处理结果经过第一量化处理,得到第一多描述码流;
第二量化处理模块,其被配置为:将卷积特征送入第三组若干个卷积层进行特征提取,然后第三组若干个卷积层得到的处理结果经过第二量化处理,得到第二多描述码流。
9.基于多描述网络的图像解码装置,其特征是,包括:多描述码流请求接收模块,其被配置为:请求接收第一多描述码流和第二多描述码流;
如果只接收到第一多描述码流或者只接收到第二多描述码流,则将接收到的第一多描述码流或第二多描述码流,经过去量化处理,然后进入边重构信息获取模块;
如果第一多描述码流和第二多描述码流均接收到;则将第一多描述码流和第二多描述码流分别经过去量化处理,然后进入边重构和中心重构信息获取模块;
边重构信息获取模块,其被配置为:将去量化处理得到的结果,送入对应的第一或第二边解码器网络;第一或第二边解码器网络负责对接收到的第一多描述码流或第二多描述码流进行反卷积操作,得到对应的第一或第二边重构信息;
边重构和中心重构信息获取模块:将第一去量化结果送入第一边解码器网络进行反卷积操作,得到第一边重构信息;
将第二去量化结果送入第二边解码器网络进行反卷积操作,得到第二边重构信息;
将去量化处理后得到的第一量化值和第二量化值均送入中心解码器网络进行反卷积操作,得到中心重构信息;
去归一化模块,其被配置为:
对第一边重构信息进行去归一化操作,得到第一边重构图像;
对第二边重构信息进行去归一化操作,得到第二边重构图像;
对中心重构信息进行去归一化操作,得到中心重构图像。
10.基于多描述网络系统,其特征是,包括权利要求8所述的多描述网络的图像编码装置及权利要求9所述的多描述网络的图像解码装置。