神经网络辅助提升步用于改进 JPEG 2000 中完全可扩展的有损图像压缩

本文提出在传统小波变换的提升步中增加神经网络辅助的提升步。这些额外的步骤减少了小波子带之间的残余冗余（特别是混叠信息），并提高了低分辨率下重建图像的视觉质量。所提出的方法包含两个步骤：一个从高到低的步骤，随后是一个从低到高的步骤。从高到低的步骤利用同一分辨率下的细节子带来抑制低通子带中的混叠，而从低到高的步骤旨在进一步去除细节子带中的冗余，以实现更高的能量紧凑性。这两个提出的提升步以端到端的方式进行训练；我们采用反向退火方法来克服反向传播过程中量化和代价函数的不可微性。重要的是，本文采用的网络结构紧凑且非线性有限，从而允许构建完全可扩展的系统；一对训练好的网络参数可应用于所有分解层级和所有感兴趣的码率。通过在 JPEG 2000 图像编码标准中采用所提出的方法，我们的方法在广泛的码率范围内平均可实现高达 17.4% 的 BD 码率节省，同时保留了 JPEG 2000 的质量和分辨率可扩展特性。