一种基于图神经网络引导的单扫描状态空间图像编解码方法与流程

本发明涉及数字图像压缩与深度学习，尤其是一种基于图神经网络引导的单扫描状态空间图像编解码方法。

背景技术：

1、图像压缩是数字媒体存储与传输的核心支撑技术。随着超高清媒体内容的爆发式增长，4k、8k等高分辨率图像对压缩效率与实时处理能力提出了双重挑战。传统的混合编码框架依赖人工设计的预测模式与变换基，在率失真性能上逐渐逼近理论极限。近年来，基于深度学习的端到端图像压缩方法取得了突破性进展，其核心范式是将图像通过分析变换映射至潜变量空间，再利用熵模型对潜变量进行概率估计与算术编码。其中，如何构建强表征能力的熵模型以充分挖掘潜变量中的统计冗余，成为提升压缩效率的关键。

2、为捕获图像中的非局部相似性冗余，研究者提出将图神经网络引入熵模型构建。此类方案以潜变量的空间位置为节点、以内容相似度为连接依据动态构建语义图，通过图上的消息传递机制实现内容自适应的上下文聚合。相较于固定窗口的卷积熵模型，图神经网络能够灵活地关联远距离的相似纹理，显著提升了概率预测精度。然而，基于图神经网络的方案存在固有缺陷：其计算复杂度与节点数量的平方成正比。当处理高分辨率图像时，潜变量的空间尺寸随之增大，图的规模急剧膨胀，导致建模的计算开销和存储消耗难以承受，严重制约了其在实时场景中的应用。

3、与此同时，状态空间模型作为一种新兴的高效序列建模范式受到广泛关注。代表性架构mamba凭借其线性复杂度的长程依赖捕获能力和高度并行的训练特性，在语言处理等领域展现出巨大潜力。将状态空间模型应用于图像压缩熵建模，有望在保持线性复杂度的前提下实现对潜变量序列的长程上下文建模。然而，图像本质上是二维非结构化数据，状态空间模型要求将图像潜变量展开为一维序列进行扫描，其固有的因果性建模限制使得每个元素只能感知序列中的前驱信息，无法利用来自后文的上下文。为弥补这一结构缺陷，现有方案被迫采用多方向交叉扫描的策略：将图像沿行、列、对角线等多个方向分别展开成独立序列，对每个序列分别建模，再将多方向信息融合以近似获取全局感受野。这种多方向扫描方法虽然在一定程度上缓解了因果性限制，但引入了重复建模的冗余计算，模型需要为同一组潜变量在不同扫描方向下重复执行多次前向推理，实际计算量成倍增加。更为重要的是，固定的空间扫描路径与图像语义内容完全脱节，无论图像内容如何变化，扫描顺序始终遵循欧几里得空间的几何规则，缺乏对内容相似性的感知能力。平坦背景区域与纹理密集区域被无差别地扫描处理，不能根据语义相似性将相关潜变量聚集建模，限制了概率估计精度的进一步提升。

4、综上，现有技术中，基于图神经网络的高复杂度方案与基于状态空间模型多向扫描的高冗余方案存在着无法兼顾高效计算与精准内容感知的矛盾。如何将图结构的内容自适应能力与状态空间模型的线性高效建模优势深度融合，在单次扫描内实现内容感知的全局上下文建模，成为本领域亟待突破的技术瓶颈。

技术实现思路

1、发明目的，提供一种基于图神经网络引导的单扫描状态空间图像编解码方法，旨在解决现有图神经网络压缩方案平方复杂度高、状态空间模型多向扫描冗余且缺乏内容感知的问题。

2、技术方案，一种基于图神经网络引导的单扫描状态空间图像编解码方法，包括以下步骤：

3、获取待压缩图像，通过分析变换网络生成图像潜变量，并通过超先验编解码生成编解码端共享的全局先验特征图；

4、基于所述全局先验特征图，构建内容自适应的动态语义图，其中节点局部复杂度决定自适应邻居连接规模；

5、对所述动态语义图进行内容相似度优先的图遍历，生成非欧几里得单扫描序列；对所述动态语义图中的节点特征进行全局池化，提取全局图嵌入向量；

6、按所述单扫描序列重排图像潜变量，输入图感知选择性状态空间模型，该模型以所述全局图嵌入向量为初始状态，并利用节点局部复杂度与邻居相似度权重动态调制门控参数，以进行逐令牌概率估计与编码，生成图像主体码流；

7、在解码端，基于解码出的超先验重建所述全局先验特征图，重复图构建、序列生成与全局图嵌入提取过程，并利用对称的图感知选择性状态空间模型进行解码与图像重建。

8、有益效果，本发明在保持线性计算复杂度的前提下，通过图神经网络引导的内容自适应单扫描序列建模，实现了优于现有多方向扫描状态空间方法的率失真性能，尤其适用于高分辨率图像的实时编解码场景。

1.一种基于图神经网络引导的单扫描状态空间图像编解码方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，生成编解码端共享的全局先验特征图的步骤包括：

3.根据权利要求1所述的方法，其特征在于，构建内容自适应的动态语义图的步骤包括：

4.根据权利要求3所述的方法，其特征在于，所述图神经网络为两层graphsage网络。

5.根据权利要求1所述的方法，其特征在于，对所述动态语义图进行内容相似度优先的图遍历，生成非欧几里得单扫描序列的步骤包括：

6.根据权利要求1所述的方法，其特征在于，提取全局图嵌入向量的步骤包括：

7.根据权利要求1所述的方法，其特征在于，图感知选择性状态空间模型的门控参数动态调制包括：

8.根据权利要求1所述的方法，其特征在于，解码端的图像重建步骤包括：

9.根据权利要求1所述的方法，其特征在于，该方法还包括训练步骤，其率失真优化损失函数包含图像主体码率的估计、超先验码率的估计以及重建图像与原始图像之间的失真度量；

10.根据权利要求3所述的方法，其特征在于，在构建动态语义图的过程中，采用直通估计器处理邻居连接数量的取整操作，以支持端到端的反向传播训练。