基于 $\ell_\infty$ 约束编码与深度解码的超高保真图像压缩

在医学、遥感与科学等许多专业领域，用户常要求图像压缩方法在数学上无损。但无损图像编码的压缩比相当低（自然图像约为 2:1）。已知能在满足严苛保真度要求的同时实现显著压缩的唯一技术是上世纪开发并标准化的 $\ell_\infty$-约束编码方法。我们在 $\ell_\infty$-约束图像编码领域于二十年后取得重大进展，开发了基于 CNN 的软 $\ell_\infty$-约束解码新方法。该方法利用称为 $\ell_\infty\mbox{-SDNet}$ 的复原 CNN，将常规解码图像映射到潜在图像，从而修复压缩缺陷。$\ell_\infty\mbox{-SDNet}$ 的独特优势在于其能够以逐像素方式强制严格的误差界。因此，原始图像中任何微小的独特结构都不会被丢弃或失真，即便它们是主流 CNN 复原方法通常会牺牲的统计离群值。更重要的是，本研究引入了 $\ell_\infty$-约束编码与深度软解码（$\ell_\infty\mbox{-ED}^2$）的新图像压缩系统。在接近感知透明重建阈值的码率下，$\ell_\infty \mbox{-ED}^2$ 方法不仅在 $\ell_\infty$ 还在 $\ell_2$ 误差度量与感知质量上击败了现有最佳有损图像压缩方法（如 BPG、WebP 等）。在操作上，新压缩系统实用，具有低复杂度的实时编码器与由快速初始解码器和可选 CNN 软解码器组成的级联解码器。