图像编码、解码方法、装置、电子设备及计算机可读介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108876864A(43)申请公布日2018.11.23(21)申请号201711075117.6(22)申请日2017.11.03(71)申请人北京旷视科技有限公司地址100000北京市海淀区科学院南路2号A座313申请人北京迈格威科技有限公司(72)发明人许展玮(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人苏胜(51)Int.Cl.G06T9/00(2006.01)权利要求书2页说明书9页附图2页(54)发明名称图像编码、解码方法、装置、电子设备及计算机可读介质(57)摘要本发明提供了一种图像编码、解码方法、装置、电子设备及计算机可读介质，所述方法包括：图像编码器利用第一卷积神经网络对目标图像进行处理，得到目标图像的高维特征，所述第一卷积神经网络的网络结构参数为预先随机生成的；向图像解码器发送所述高维特征，达到在由图像编码器发送至图像解码器的图像传输过程中仅传输高维特征，而且，图像解码器只有使用按照图像编码器发送的网络结构参数配置的第二卷积神经网络才能基于高维特征重建出目标图像，第三方即使在图像传输过程中截取到部分高维特征或者全部高维特征也无法重建出目标图像，实现图像的加密传输的技术效果。CN108876864ACN108876864A权利要求书1/2页1.一种图像编码方法，其特征在于，包括：图像编码器利用第一卷积神经网络对目标图像进行处理，得到所述目标图像的高维特征，所述第一卷积神经网络的网络结构参数为预先随机生成的；向图像解码器发送所述高维特征。2.根据权利要求1所述的图像编码方法，其特征在于，所述网络结构参数包括：卷积层的数量和卷积核的尺寸。3.根据权利要求1所述的图像编码方法，其特征在于，所述方法还包括：利用所述高维特征及所述第一卷积神经网络进行图像重建，得到验证图像；当所述验证图像与所述目标图像之间的相似度超过预设阈值时，向所述图像解码器发送所述网络结构参数。4.根据权利要求3所述的图像编码方法，其特征在于，所述利用所述高维特征及所述第一卷积神经网络进行图像重建，得到验证图像包括：判断所述网络结构参数是否服从方差为第一预设值且均值为第二预设值的二维高斯分布；当所述网络结构参数服从所述二维高斯分布时，利用所述高维特征及所述第一卷积神经网络进行图像重建，得到验证图像。5.根据权利要求1至4任一所述的图像编码方法，其特征在于，所述第一卷积神经网络是由多个卷积层和一个池化层级联构成的，所述池化层位于任意两个相邻的所述卷积层之间。6.一种图像解码方法，其特征在于，包括：图像解码器接收图像编码器发送的高维特征；利用所述高维特征及第二卷积神经网络进行图像重建，得到重建图像，所述第二卷积神经网络的网络结构参数是从图像编码器接收的。7.根据权利要求6所述的图像解码方法，其特征在于，所述方法还包括：按照所述网络结构参数配置第二卷积神经网络。8.根据权利要求6或7所述的图像解码方法，其特征在于，所述利用所述高维特征及第二卷积神经网络进行图像重建，得到重建图像，包括：获取待输入至所述第二卷积神经网络的输入图像；以目标损失函数作为所述第二卷积神经网络的损失函数，利用所述第二卷积神经网络多次训练所述输入图像，得到第一中间图像，所述目标损失函数为所述输入图像的图像特征与所述高维特征之间的向量距离；以所述目标损失函数和约束损失函数作为第二卷积神经网络的损失函数，利用第二卷积神经网络多次训练所述第一中间图像，得到第二中间图像，所述约束损失函数为所述第一中间图像的梯度的L2范数；以所述目标损失函数作为第二卷积神经网络的损失函数，利用第二卷积神经网络多次训练所述第二中间图像，得到重建图像。9.一种图像编码设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法的步骤。2CN108876864A权利要求书2/2页10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至5任一所述的方法。11.一种图像解码设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求6至8任一项所述的方法的步骤。12.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求6至8任一所述的方法。13.一种图像传输方法，其特征在于，包括：图像编码器利用第一卷积神经网络对目标图像进行处理，得到所述目标图像的高维特征，所述第一卷积神经网络的网络结构参数为预先随机生成的；图像编码器向图