基于稀疏子空间聚类的主动学习算法

姜秀波 钟丽媛 宋曹根

摘 要：针对现有海量数字图像信息落后，提出了新型的压缩算法，设计出基于FPGA的视频图像采集系统。应用深度卷积神经网络优化视频图像编码算法和聚类算法实现数据特征提取，将图像与距离信息作为深度卷积神经网络的输入与输出，并利用其特征提取能力学习图像特征的距离信息，提取深度卷积神经网络中的全连接层作为编码，通过迭代调整确定图像编码，完成图像压缩。应用测试结果显示，该算法具有较高效率优势，且图像压缩解码后质量较好。

关键词：FPGA;深度卷积神经网络;优化压缩;图像采集;编码加速器

中图分类号：TP37      文献标识码：A

大数据与信息化时代的到来使数字图像等多媒体形式的信息量暴增[1]，海量数字图像信息给带宽存储等方面带来巨大压力[2]，对数字图像信息的优化压缩提出更高要求，因此数字图像的优化压缩算法成为海量数据应用领域中的研究热点[3]。

图像编码是图像压缩的一种主要方式[4]，在满足信噪比等图像质量要求的基础上，利用图像编码技术可通过较少比特数描述数字图像及其中涵盖的信息[5]。当前普遍使用的图像编码算法主要采用预测—变换—熵编码的方式完成[6，7]，利用繁复的变换机制提升图像压缩质量的同时也提升了图像编码算法实现的复杂度[8]。

为改善这一问题，在图像编码过程中引入典型深度学习框架—深度卷积神经网络[9]，利用其学习聚类算法获取的图像特征距离信息，基于数字图像特性在迭代过程中调整聚类结果提升图像编码的有效性。……