图像压缩方法、装置、电子设备和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114979665A(43)申请公布日2022.08.30(21)申请号202210515370.3(22)申请日2022.05.11(71)申请人北京字跳网络技术有限公司地址100190北京市海淀区紫金数码园4号楼2层0207(72)发明人张墨琪邓伟辉李小成(74)专利代理机构北京远智汇知识产权代理有限公司11659专利代理师鲁艳萍(51)Int.Cl.H04N19/42(2014.01)H04N19/436(2014.01)权利要求书2页说明书18页附图6页(54)发明名称图像压缩方法、装置、电子设备和存储介质(57)摘要本公开实施例公开了一种图像压缩方法、装置、系统、电子设备及存储介质，其中，方法包括：获取待压缩图像；将所述待压缩图像输入到预设图像压缩模型中，得到与所述待压缩图像对应的目标压缩图像；其中，所述预设图像压缩模型的模型训练样本对包括原始样本图像和压缩样本图像，其中，所述压缩样本图像是采用预设图像编解码器对所述原始样本图像进行压缩处理得到的图像。本公开实施例公开的技术方案，解决了图像编解码器进行图像压缩处理耗时长的问题，实现了图像编解码器的网络化，提高图像压缩的效率。CN114979665ACN114979665A权利要求书1/2页1.一种图像压缩方法，其特征在于，包括：获取待压缩图像；将所述待压缩图像输入到预设图像压缩模型中，得到与所述待压缩图像对应的目标压缩图像；其中，所述预设图像压缩模型的模型训练样本对包括原始样本图像和压缩样本图像，其中，所述压缩样本图像是采用预设图像编解码器对所述原始样本图像进行压缩处理得到的图像。2.根据权利要求1所述的方法，其特征在于，所述预设图像压缩模型对所述待压缩图像进行图像压缩的过程，包括：对所述待压缩图像进行图像预处理，得到预设尺寸的一个或多个子待压缩图像块；分别将各所述子待压缩图像块输入到预设图像压缩神经网络中进行图像压缩，得到对应的子图像压缩结果；将各所述子图像压缩结果进行图像拼接，得到所述目标压缩图像。3.根据权利要求2所述的方法，其特征在于，所述预设图像压缩神经网络的训练过程，包括：获取所述模型训练样本对经过所述图像预处理，得到的一个或多个原始样本图像块和压缩样本图像块，并将各所述原始样本图像块输入到初始图像压缩网络中的编码器中，进行特征提取，得到对应的样本编码特征；基于第一预设解码器对所述样本编码特征进行特征解码处理，得到初步压缩图像块，并基于所述初步压缩图像块和对应的所述压缩样本图像块计算第一损失函数；基于第二预设解码器对所述样本编码特征进行特征解码处理，得到初步重建图像块，并基于所述初步重建图像块和所述原始样本图像块或与所述原始样本图像块对应的高分辨率原始图像块，计算第二损失函数；根据所述第一损失函数和所述第二损失函数的结果迭代更新所述初始图像压缩网络，当所述第一损失函数和所述第二损失函数的加权和值满足预设收敛条件时，完成模型训练过程。4.根据权利要求2所述的方法，其特征在于，所述对所述待压缩图像进行图像预处理，得到预设尺寸的多个子待压缩图像块，包括：对所述待压缩图像进行边缘填充，得到目标尺寸图像；将所述目标尺寸图像按照预设尺寸进行切割，得到预设尺寸的多个子待压缩图像块。5.根据权利要求1所述的方法，其特征在于，所述模型训练样本对的构建过程包括：获取多个原始样本图像，并将各所述原始样本图像分别输入到所述预设图像编解码器，得到对应的配对压缩图像；分别将各所述原始样本图像与对应的配对压缩图像作为一组样本对，得到第一样本集合。6.根据权利要求5所述的方法，其特征在于，所述模型训练样本对的构建过程，还包括：在得到所述配对压缩图像之后，对所述配对压缩图像进行图像优化处理，得到压缩后优化图像；分别将各所述原始样本图像与对应的压缩后优化图像作为一组样本对，得到第二样本2CN114979665A权利要求书2/2页集合。7.根据权利要求6所述的方法，其特征在于，当以所述第二样本集合中的样本对作为所述预设图像压缩模型的训练样本时，所述预设图像压缩模型中的预设图像压缩神经网络为设置有残差学习机制的网络。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述目标压缩图像作为所述待压缩图像的预压缩图像，输入至所述预设图像压缩模型和/或与预设图像压缩格式对应的图像编解码器中进行图像压缩，得到最终压缩图像。9.根据权利要求1‑8中任一所述的方法，其特征在于，在将所述待压缩图像输入到预设图像压缩模型之前，所述方法还包括：当所述待压缩图像的第一像素信息表示格式和与所述预设图像压缩模型适配的第二像素信息表示格式不同时，将所述待压缩图像的像素信息表示格式转换为所述第二像素信息表示格式；相应的，在得到所述目标压缩图像之后，所述