本發明公開一種使用Transformer的多層次圖像壓縮方法，以Transformer模塊為主，輔之以卷積層神經網絡的多層次的圖像壓縮框架，Transformer模塊包括多層編碼器組件組件、解碼器組件，編碼端采用編碼器組件，解碼端采用解碼器組件；解碼器擁有交叉注意力機制，該交叉注意力機制將解碼器的輸入的自注意力特征與編碼器的自注意力特征進行聯合計算，對壓縮壓縮框架編碼器的編碼端學習到的特征充分利用。本發明保留了Transformer中的解碼器組件及其交叉注意力機制，應用在解碼端以實現對編碼端學習到的特征的充分利用，達到更好的效果。且本發明框架對硬件的需求更小。

技術領域

本申請涉及計算機技術圖像處理領域，尤其涉及一種使用Transformer的多層次圖像壓縮方法。

背景技術

隨著互聯網和數字媒體的飛速發展、大數據時代的到來，互聯網上每天都有海量的圖像數據產生、存儲和傳輸，這些數據會占用很大空間和帶寬。為了實現更高效的存儲和傳輸圖像數據，圖像壓縮算法應運而生。圖像壓縮旨在通過去除圖像數據中的冗余信息以減少表示數字圖像時需要的數據量，從而實現對圖像數據的高效壓縮，這也是圖像處理領域常見的基本研究問題之一。

在較早的時期，一些經典的傳統圖像壓縮算法被研究出來，比如離散余弦變換(DCT變化)、矢量量化、差分脈沖編碼調制、游程編碼、哈夫曼編碼、算術編碼等，傳統的圖像壓縮框架通過使用這些算法，實現了不錯的壓縮效果，比如經典的JPEG標準[G.K Wallace,“The JPEG still picture compression standard”,IEEE Trans.on ConsumerElectronics,vol.38,no.1,pp.43-59,Feb.1991.]，以及后來的JPEG2000[Majid Rabbani,Rajan Joshi,“An overview of the JPEG2000still image compression standard”,LSEVIER Signal Processing:Image Communication,vol.17,no,1,pp.3-48,Jan.2002.]、BPG(HEVC幀內編碼)[G.J.Sullivan,J.Ohm,W.Han and T.Wiegand,“Overview of theHigh Effificiency Video Coding(HEVC)Standard”,IEEE Transactions on Circuitsand Systems for Video Technology,vol.22,no.12,pp.1649-1668,Dec.2012.]、VVC幀內編碼[G.J.Sullivan and J.R.Ohm,“Versatile video coding Towards the nextgeneration of video compression”,Picture Coding Symposium,Jun.2018.]等，它們的效果都逐步提升，并且廣泛地應用在互聯網、工業等領域。