张雪峰, 许华文, 杨棉子美

(东北大学 理学院, 辽宁 沈阳 110819)

随着多媒体技术及计算机硬件性能的跨越式发展,图像在信息传递过程中发挥着愈来愈重要的作用.同样的信息,文字表达篇幅冗长,图像往往更为生动形象和直观.为了高效地存储图像,有损图像压缩算法在许多实际场景都有应用.

最广泛使用的有损图像编解码算法之一是JPEG[1].它把图像分割成小块,并且使用离散余弦变换对图像数据进行编码.然后将得到的系数进行缩放、量化和熵编码以形成最终的比特流.对于比较新的编码格式,工业界在诸多不同的方向进行了探索研究,如使用其他变换——JEPG2000[2]中的小波或内部预测,而BPG(better portable graphics)[3]和WebP[4]则是使用了来自视频编解码器HEVC(high efficiency video coding)[5]的环内过滤.

近些年来,深度学习工具在计算机视觉领域得到了比较广泛的应用,基于深度学习的有损压缩算法不断地被提出.这些模型不需要人工设计编解码器的各个组成部分,而是可以从图像数据中深度学习得到一个最佳的非线性变换,然后以端到端的方式将熵编码成比特流,人们在其中直接使用神经网络来进行优化香农提出的比特率-失真权衡.早期的研究依赖于循环神经网络[6-7],而后续的研究则是基于自动编码器[8-10].为了降低存储图像所需的比特率,人们尝试使用各种方法来更精确地建模自动编码器隐藏层的概率密度,以实现更有效的算术编码.采用的方法包括使用分层先验、具有各种上下文……