基于CNNC的卷积神经网络图像的压缩方法
崔建良
李建飞
陈春晓
姜睿林
南京航空航天大学生物医学工程系,南京,211106
摘要：图像压缩是提高图像存储效率以及实现高速高效传输的前提.根据神经网络的基本结构和算法,设计并搭建了基于卷积神经网络的CNNC(convolutional neural network compression,CNNC)图像压缩模型.该模型通过卷积层和池化层构成自编码器,反卷积层和卷积层构成自解码器,实现了图像编码压缩和解码重建的功能,并通过Set12数据集验证了CNNC图像压缩模型.实验结果表明,当压缩比较低时,JPEG压缩方法与CNNC压缩方法无显著差异;当压缩比较高时,CNNC压缩方法有明显的优势,在压缩比高达128时,CNNC压缩方法重建结果仍然很好.Set12数据集实验验证了CNNC压缩模型的有效性.
关键词：图像压缩自编码器卷积神经网络深度学习图像重建
分类号：R318(医用一般科学)
论文发表日期：2019-01-01
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 415-419 )
英文信息