基于CNNC的卷积神经网络图像的压缩方法

• 作者: 姜睿林 崔建良 李建飞 陈春晓
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 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
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论著
• 页码范围: 415-419
• 页数: 5页
• 分类号: R318
• 字数: 2452字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2019.04.07

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈春晓	南京航空航天大学生物医学工程系	49	264	10.0	14.0
2	崔建良	南京航空航天大学生物医学工程系	1	1	1.0	1.0
3	李建飞	南京航空航天大学生物医学工程系	2	1	1.0	1.0
4	姜睿林	南京航空航天大学生物医学工程系	1	1	1.0	1.0