基于深度學(xué)習(xí)的視頻圖像壓縮編碼方法優(yōu)化

姜濤+李婷婷

摘 要 隨著互聯(lián)網(wǎng)無線通信技術(shù)的不斷發(fā)展，人們可以通過觀看互聯(lián)網(wǎng)視頻、瀏覽圖像信息等方式進(jìn)行學(xué)習(xí)，但在這個過程當(dāng)中，難免會遇到圖像或視頻所需的打開方式不被當(dāng)前移動設(shè)備所支持的情況。本文對視頻圖像壓縮編碼原理進(jìn)行了簡單的介紹，并提出了一種新型的JND壓縮編碼模型，也通過實驗證明了在所需壓縮編碼時間與解壓成功率方面，該模型都比傳統(tǒng)MDLVQ模型具備更高的實用可行性。

關(guān)鍵詞 深度學(xué)習(xí)；視頻圖像；壓縮編碼；方法優(yōu)化

中圖分類號 TP3-05 文獻(xiàn)標(biāo)識碼 A 文章編號 1674-6708（2017）199-0161-02

科技手段的日益更新，使得我們可以輕輕松松做到足不出戶就能知曉天下事，也正是在這樣的社會背景之下，越來越多的人傾向于通過網(wǎng)絡(luò)的方式獲取信息來進(jìn)行深度學(xué)習(xí)。但卻經(jīng)常因為“視頻所需播放軟件與移動設(shè)備安裝格式不符”或“不具有該圖像的瀏覽權(quán)限”等問題的發(fā)生，而無法獲取相應(yīng)的信息。根據(jù)我們已掌握的數(shù)據(jù)顯示，接近三成的網(wǎng)絡(luò)視頻和圖像都是因為壓縮編碼環(huán)節(jié)所使用的方式，與移動設(shè)備所使用的解壓方式不符，才造成不具備瀏覽權(quán)限等問題的發(fā)生。為了從根本上開放網(wǎng)絡(luò)學(xué)習(xí)空間，本文聯(lián)系視頻圖像壓縮編碼原理提出了一種JND編碼模型，并對其可行性進(jìn)行了實驗研究。

1 基于深度學(xué)習(xí)的視頻圖像壓縮

所謂深度學(xué)習(xí)，就是通過對數(shù)據(jù)的分析，運用機器理論來進(jìn)行表征學(xué)習(xí)的一種基于人工網(wǎng)絡(luò)基礎(chǔ)上的研究形式[1-2]。而視頻圖像壓縮編碼原理，簡單來說就是將所占空間較大的原視頻圖像，通過特定的技術(shù)壓縮成所占空間較小的視頻圖像模塊，再對該模塊進(jìn)行加密編碼，以防止在傳播過程中被人惡意解壓，通常情況下我國以國際電聯(lián)的H.261標(biāo)準(zhǔn)進(jìn)行編碼。

2 建立深度學(xué)習(xí)的視頻圖像壓縮編碼JND模型

為了更好的開放網(wǎng)絡(luò)學(xué)習(xí)空間，幫助用戶進(jìn)行深度學(xué)習(xí)，減少不具備視頻圖像瀏覽權(quán)限等情況的發(fā)生，本文在視頻圖像壓縮編碼原理的基礎(chǔ)上，建立了新型JND壓縮編碼模型，并對其中基本組成進(jìn)行了如下分析。

2.1 Retinxe理論模型

Retinxe理論又被稱之為視頻圖像信號增強技術(shù)，它的主要目的就是為了更加凸顯出局部像素的特征性。而隨著Retinxe理論模型的應(yīng)用，一些所占空間小、清晰程度低的視頻圖像，在被壓縮編碼之前已經(jīng)通過主機對其局部像素的特征性進(jìn)行了保留。該過程的主要計算遵循如下公式：

其中W表示視頻數(shù)據(jù)塊所占的空間，S表示原視頻圖像所占空間，N代表局部像素清晰度，n期待視頻圖像塊大小，d表示實際視頻圖像塊大小。

2.2 MSRCG算法

MSRCG算法是在Retinxe理論模型的基礎(chǔ)上，對視頻圖像進(jìn)行照度分量估測，并對估測出的數(shù)值進(jìn)行色彩恒常性和細(xì)節(jié)銳化度分析，將分析結(jié)果返回至主機中，然后多次重復(fù)上述過程，能夠得到一個數(shù)據(jù)集，再由主機對數(shù)據(jù)集中所有數(shù)據(jù)進(jìn)行分析，選擇一個最優(yōu)解作為該視頻或圖像的壓縮編碼原則。

2.3 建立JND編碼模型

通過Retinxe理論模型的建立和MSRCG算法的建立，保證了JND編碼模型的理論基礎(chǔ)[3]。為了該模型的穩(wěn)定運行，通常情況下，我們還會對上述兩種算法所確定的壓縮編碼原則進(jìn)行檢驗，如若經(jīng)過檢驗確認(rèn)無誤，則主機才會采取此原則對原視頻或圖像進(jìn)行壓縮編碼，其檢驗流程所遵循的公式如下：

至此也就完成了整個JND壓縮編碼模型的建立。

3 實驗數(shù)據(jù)分析

為了更好的突出JND壓縮編碼模型與傳統(tǒng)MDLVQ模型之間的區(qū)別，本文從所需壓縮編碼時間與解壓成功率方面對兩者進(jìn)行了對比，已驗證本文所提出的分布式調(diào)度模型是具有真實可行性的。本文對100個視頻或圖像從壓縮編碼到解壓的全過程進(jìn)行了實驗，并對實驗中的各項數(shù)據(jù)進(jìn)行了記錄。

3.1 JND模型與傳統(tǒng)MDLVQ模型所需壓縮編碼時間對比

將100個實驗對象隨機分配為兩組，一組使用JND模型進(jìn)行壓縮編碼，另一組使用MDLVQ模型進(jìn)行壓縮編碼，分別對兩組所用的時間進(jìn)行了記錄，并繪制了如下表格。

通過表1中的數(shù)據(jù)我們可以發(fā)現(xiàn)，在對相同數(shù)量的視頻或圖像進(jìn)行壓縮時，JND模型所需的時間始終少于MDLVQ模型。

3.2 JND模型與傳統(tǒng)MDLVQ模型解壓成功率對比

通過上述實驗我們可以發(fā)現(xiàn)JND模型不論是在所需壓縮編碼時間還是解壓成功率方面都比MDLVQ模型具備更大的優(yōu)勢，因此未來值得大力推廣。

4 結(jié)論

為了建設(shè)更好的網(wǎng)絡(luò)學(xué)習(xí)氛圍，我國將加大力度對視頻圖像的壓縮編碼方法進(jìn)行優(yōu)化，以幫助更多的用戶能夠通過網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)，根據(jù)本文所進(jìn)行的實驗，可以說明JND壓縮編碼模型是具有極大實用可行性的，未來將加深對該模型的研究，從整體上對其進(jìn)行優(yōu)化和完善。

參考文獻(xiàn)

[1]李祖賀，樊養(yǎng)余，王鳳琴.YUV空間中基于稀疏自動編碼器的無監(jiān)督特征學(xué)習(xí)[J].電子與信息學(xué)報，2016，38（1）：29-37.

[2]李平，俞俊，李黎，等.一種基于深度學(xué)習(xí)的視頻摘要在線生成方法， A video summary is generated based on the depth of online learning：，CN 104113789 B[P].2017.

[3]趙永威，李婷，藺博宇.基于深度學(xué)習(xí)編碼模型的圖像分類方法[J].四川大學(xué)學(xué)報（工程科學(xué)版），2017，49（1）：213-220.endprint