来源：期刊VIP网 时间：
作者：罗英国;陈芬;韦玮;张鹏;彭宗举;
单位：重庆理工大学电气与电子工程学院;
摘要：针对基于卷积神经网络（Convolutional Neural Network, CNN）变换的端到端图像压缩方法存在图像局部相似特征交互不足的问题，本研究提出一种基于上下文聚类变换的端到端图像压缩方法。首先，上下文聚类的变换网络将图像转化为含有坐标的特征点，并将特征点分成几簇；然后，通过对每一簇内特征点进行聚合和再分配的方式学习图像特征；最后，引入量化器、超先验网络和基于空间-通道联合上下文的熵编码，以构建完整的端到端图像压缩模型。实验结果表明，与基于CNN变换的端到端图像压缩方法相比，所提方法在Kodak、CLIC测试集上BD-rate分别节省了2.75%、4.20%，并取得了不错的主观视觉效果。本研究方法实现了局部相似特征的交互，充分考虑了相邻像素间的相关性，从而获得较为满意的率失真性能。
关键词：深度学习;;图像压缩;;相关性;;上下文聚类;;变换网络
基金资助：重庆市自然科学基金(No.cstc2021jcyj-msxmX0411,No.CSTB2022NSCQ-MSX0873);; 重庆理工大学研究生教育高质量发展行动计划资助成果(No.gzlcx20233081)
