CN115361559B 图像编码方法、图像解码方法、装置以及存储介质 （浙江大华技术股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115361559B(45)授权公告日2025.07.11

(21)申请号202210772560.3

(22)申请日2022.06.30

(65)同一申请的已公布的文献号申请公布号CN115361559A

(43)申请公布日2022.11.18

(73)专利权人浙江大华技术股份有限公司

地址310051浙江省杭州市滨江区滨安路

1187号

(72)发明人陈瑶江东林聚财粘春湄

殷俊

(74)专利代理机构深圳市威世博知识产权代理事务所(普通合伙)44280

专利代理师严翠霞

(51)Int.CI.

HO4N19/20(2014.01)

HO4N19/12(2014.01)

HO4N19/44(2014.01)

(56)对比文件

WO2022075754A1,2022.04.14审查员赵真真

权利要求书2页说明书9页附图5页

(54)发明名称

图像编码方法、图像解码方法、装置以及存储介质

(57)摘要

本申请公开了一种图像编码方法、图像解码方法、装置以及计算机存储介质，该图像编码方法包括：获取待处理图像的待编码特征；对所述待编码特征进行特征变换，得到变换特征，其中，所述变换特征的特征维度低于所述待编码特征的特征维度；基于配置参数，将所述变换特征进行量化处理，得到量化特征；对所述量化特征进行特征编码，得到特征码流。本申请的图像编码方法能够通过简单有效的量化方式，进一步提升特征的编码率。

获取待处理图像的待编码特征

对待编码特征进行特征变换，得到变换特征，其中，变换特征的特征维度低于待编码特征的特征维度

基于配置参数，将变换特征进行量化处理，得到量化特征

对量化特征进行特征编码，得到特征码流

S11

S12

S13

S14

CN

CN115361559B

CN115361559B权利要求书1/2页

2

1.一种图像编码方法，其特征在于，所述图像编码方法包括：

获取待处理图像的待编码特征；

对所述待编码特征进行特征变换，得到变换特征，其中，所述变换特征的特征维度低于所述待编码特征的特征维度；

基于配置参数，将所述变换特征进行量化处理，得到量化特征；

对所述量化特征进行特征编码，得到特征码流；

所述基于配置参数，将所述变换特征进行量化处理，得到量化特征，包括：

获取预设线性变换函数，并基于所述配置参数，对所述预设线性变换函数中的非学习参数进行赋值；

利用赋值后的预设线性变换函数以及预设比特深度，对所述变换特征进行映射，得到所述量化特征。

2.根据权利要求1所述的图像编码方法，其特征在于，

所述对所述待编码特征进行特征变换，得到变换特征，包括：

将所述待编码特征输入降维网络，通过所述降维网络的卷积层和/或全连接层对所述待编码特征进行下采样，得到所述变换特征。

3.根据权利要求2所述的图像编码方法，其特征在于，

所述降维网络的卷积层为一维卷积层或二维卷积层。

4.根据权利要求2或3所述的图像编码方法，其特征在于，

所述降维网络还包括空间特征变换子网络、通道注意力机制子网络、自注意力机制子网络中的一种或多种。

5.根据权利要求2所述的图像编码方法，其特征在于，

所述将所述待编码特征输入降维网络，包括：

将所述待编码特征依次输入所述降维网络的若干降维子网络，每个所述降维子网络包括依次串联的全连接层、归一化层以及激活层。

6.根据权利要求1所述的图像编码方法，其特征在于，

所述对所述待编码特征进行特征变换，得到变换特征，包括：

基于无监督类降维算法和有监督类降维算法中的至少一种，对所待编码特征进行特征稀疏化处理，得到所述变换特征。

7.根据权利要求1所述的图像编码方法，其特征在于，

所述利用赋值后的预设线性变换函数以及预设比特深度，对所述变换特征进行映射，得到所述量化特征之前，所述图像编码方法还包括：

采用预设非线性函数对所述变换特征进行非线性变换，得到非线性变换后的变换特

征。

8.根据权利要求1或7所述的图像编码方法，其特征在于，所述基于配置参数，将所述变换特征进行量化处理，得到量化特征之后，

所述图像编码方法，还包括：

对所述量化特征进行反量化处理，得到反量化特征；

基于所述变换特征和所述反量化特征的差异信息，获取量化损失值；

利用所述量化损失值对所述预设线性变换函数中的学习参数进行训练。

CN115361559B