CN119484831A 一种水下机器人视觉图像压缩、解压缩及传输方法及装置 （浙江工业大学）

本发明公开了一种水下机器人视觉图像压2步骤S3）处理器基于训练好的图像压缩模型构建输入的水下机器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始潜在表模块Q用于分别对初始潜在表征y和初始子潜在表征z进行量化，并生成量化后的量化潜在布概率模型；所述第二熵编码模块用于根据高斯分布概率模型对量化潜在表征yh进行编码，重新得到量化潜在表征yh；所述解码器用于对量化潜在表征yh进行特征解码以重构图所述编码器和子编码器中最后一个卷积层的输出端连接有重参数化注所述步骤S3）中的视觉图像编码端基于训练好的图像压缩模型构建，包括3器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始潜在表征y，接着利用5.一种水下机器人视觉图像的解压缩方法所述待解压缩的图像数据为采用如权利要求1～4中任一项所述的压缩方法进行压缩所得处理器基于训练好的图像压缩模型构建视觉图像解码端，包括训练好首先，水下机器人视觉图像对应的码流数据输入至视觉采用如权利要求1_4中任一所述的压缩方法对实时采集到的水下机器人视觉图像进行包括编码器，用于对输入的水下机器人视觉图像x进行特征提取获取水下机器人视觉包括量化模块，用于对初始潜在表征y和初始子潜在表45用于对输入的水下机器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始述量化模块Q用于分别对初始潜在表征y和初始子潜在表征z进行量化，并生成量化后的量化潜在表征yh和量化子潜在表征zh；所述第一熵编码模块用于对量化子潜在表征zh进行编6[0007]所述编码器和子编码器中最后一个卷积层的输出端连接其中，outp表示重参数化注意力模块的输出；inp表示重参数化注意力模块的输下机器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始潜在表征y，接着解压缩的图像数据为采用上述压缩方法进行压缩所得到的码流数据，所述解压缩方法包处理器基于训练好的图像压缩模型构建视觉图像解码端，包括训练好的解码器、7子解码器对量化子潜在表征zh进行特征解码以获取边缘信息s，接着利用熵模型根据边缘包括编码器，用于对输入的水下机器人视觉图像x进行特征提取获取水下机器人包括第二熵编码模块，用于根据高斯分布概率模型对量化潜在表征yh进行编码，包括第二熵解码模块，用于根据高斯分布概率缩方法性能远优于传统JEPG2000压缩方法，且有效保证了水下机器人视觉图像的快速传1、本发明方法通过设置重参数化注意力模块，能有效去除冗余信息保留有效信8于对输入的水下机器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始潜Q用于分别对初始潜在表征y和初始子潜在表征z进行量化，并生成量化后的量化潜在表征器用于对解码后的量化子潜在表征zh进行特征解码以获取边缘信息s；熵模型用于根据边9缘信息s对量化潜在表征yh进行分布预测，并构建量化潜在表征yh对应的高斯分布概率模的水下机器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始潜在表征y，重新得到量化子潜在表征zh，然后利用子解码器对熵解码后的量化子潜在表征zh进行特征在表征yh进行特征解码以重构图像，并将重构的水下机器人视觉图像xh作为图像压缩模型其中，outp表示重参数化注意力模块的输出；inp表示重参数化注意力模块的输下机器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始潜在表征y，接着子解码器对熵解码后的量化子潜在表征zh进行特征解码以获取边缘信息s，接着利用熵模发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计