频域掩模压缩矩阵设计方法、装置、设备及存储介质与流程

1.本发明涉及图像压缩领域，尤其是一种频域掩模压缩矩阵设计方法、装置、设备及存储介质。


背景技术：

2.相关技术中，在设计压缩矩阵时大多直接采取决定性矩阵，而采用该方法无法针对不同的压缩数据自动优化因此，如何提供一种可以根据不同压缩数据自动优化的频域掩模压缩矩阵设计方法，是目前亟待解决的问题。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种频域掩模压缩矩阵设计方法，能够提高压缩矩阵的设计效率。
4.本发明还提出一种频域掩模压缩矩阵设计装置。
5.本发明还提出一种频域掩模压缩矩阵设计设备。
6.本发明还提出一种计算机可读存储介质。
7.根据本发明的第一方面实施例的频域掩模压缩矩阵设计方法，包括：
8.获取图片数据；
9.根据预设的频域矩阵对所述图片数据进行离散变换处理，生成第一矩阵；
10.根据所述第一矩阵生成随机的二值化矩阵；
11.图片压缩步骤：根据所述第一矩阵和所述二值化矩阵，生成第二矩阵；
12.获取所述第二矩阵，并通过预设的深度频域神经网络对所述第二矩阵进行处理，生成修正数据；
13.获取收敛值，并根据所述修正数据和所述收敛值执行以下步骤之一：
14.若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至所述图片压缩步骤；
15.或者，
16.若所述修正数据小于所述收敛值，则根据当前的所述二值化矩阵和所述预设的频域矩阵生成压缩矩阵。
17.根据本发明实施例的频域掩模压缩矩阵设计方法，至少具有如下有益效果：通过本发明提供的频域掩模压缩矩阵设计方法，可以实现通过获取图片数据，并对图片数据采用频域矩阵处理，进行离散变换处理获取第一矩阵。本方法通过第一矩阵生成二值化矩阵，并通过第一矩阵和二值化矩阵实现图片压缩步骤：即获取二值化矩阵，并通过二值化矩阵对第一矩阵进行处理，生成第二矩阵。通过预设的深度频域神经网络，本方法对获取到的第二矩阵进行处理以生成修正数据，并通过将修正数据与获取到的收敛值进行判断以执行以下步骤之一：若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至所述图片压缩步骤；或者，若所述修正数据小于所述收
敛值，则根据当前的所述二值化矩阵和所述预设的频域矩阵生成压缩矩阵。这一方法实现了在压缩矩阵的设计过程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，通过提供生成修正数据实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
18.根据本发明的一些实施例，所述根据预设的频域矩阵对所述图片数据进行离散化处理，生成第一矩阵，包括：
19.根据预设的频域矩阵对所述图片数据进行离散余弦变换处理，生成与所述图片数据对应的第一矩阵。
20.根据本发明的一些实施例，所述根据所述第一矩阵生成随机的二值化矩阵，包括：
21.获取所述第一矩阵的行数和列数；
22.根据所述行数、所述列数以及预设的填充方式，对所述二值化矩阵的行和列进行填充，得到所述二值化矩阵，其中，所述预设的填充方式为0和1随机填充。
23.根据本发明的一些实施例，所述根据所述第一矩阵和所述二值化矩阵，生成第二矩阵，包括：
24.对所述第一矩阵和所述二值化矩阵进行点乘计算，生成所述第二矩阵。
25.根据本发明的一些实施例，所述获取所述第二矩阵，并通过预设的深度频域神经网络对所述第二矩阵进行处理，生成修正数据，包括：
26.通过预设的深度频域神经网络对所述第二矩阵进行处理，以生成处理结果；
27.获取所述处理结果，对所述处理结果通过全链接层进行处理，生成误差信息；
28.获取所述误差信息，并对所述误差信息进行分类操作，以生成修正数据。
29.根据本发明的一些实施例，所述若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至所述图片压缩步骤，包括：
30.若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络进行反向更新操作，生成参数改变矩阵；
31.获取所述参数改变矩阵和当前的二值化矩阵，并根据所述参数改变矩阵和所述当前的二值化矩阵生成更新后二值化矩阵，并跳转至所述图片压缩步骤。
32.根据本发明的一些实施例，所述若所述修正数据小于所述收敛值，则根据当前的所述二值化矩阵和所述预设的频域矩阵生成压缩矩阵，包括：
33.若所述修正数据小于所述收敛值，则获取当前的所述二值化矩阵；
34.根据所述二值化矩阵和所述预设的频域矩阵进行点乘运算，生成压缩矩阵。
35.根据本发明的第二方面实施例的压缩矩阵设计装置，包括：
36.图片获取模块，用于获取图片数据；
37.离散变换处理模块，用于根据预设的频域矩阵对所述图片数据进行离散变换处理，生成第一矩阵；
38.二值化矩阵生成模块，用于根据所述第一矩阵生成随机的二值化矩阵；
39.图片压缩模块，用于执行图片压缩步骤：根据所述第一矩阵和所述二值化矩阵，生成第二矩阵；
40.深度频域神经网络处理模块，用于获取所述第二矩阵，并通过预设的深度频域神经网络对所述第二矩阵进行处理，生成修正数据；
41.判断模块，用于获取收敛值，并根据所述修正数据和所述收敛值执行以下步骤之一：若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至所述图片压缩步骤；或者，若所述修正数据小于所述收敛值，则根据当前的所述二值化矩阵和所述预设的频域矩阵生成压缩矩阵。
42.根据本发明实施例的压缩矩阵设计装置，至少具有如下有益效果：通过图片获取模块获取图片数据，通过离散变换处理模块将图片数据按照预设的频域矩阵进行离散变换处理以生成第一矩阵，通过二值化矩阵生成模块生成与第一矩阵匹配的二值化矩阵；通过图片压缩模块执行图片压缩步骤，以实现通过第一矩阵和二值化矩阵对图片进行压缩，以生成第二矩阵；通过深度频域神经网络处理模块，实现处理第二矩阵并生成修正数据；通过判断模块获取收敛值，并根据所述修正数据和所述收敛值执行以下步骤之一：若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至所述图片压缩步骤；或者，若所述修正数据小于所述收敛值，则根据当前的所述二值化矩阵和所述预设的频域矩阵生成压缩矩阵。这一方法实现了在压缩矩阵的设计过程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，通过提供生成修正数据实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
43.根据本发明的第三方面实施例的压缩矩阵设计设备，包括：
44.至少一个处理器，以及，
45.与所述至少一个处理器通信连接的存储器；其中，
46.所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时，实现如本发明第一方面实施例所述的频域掩模压缩矩阵设计方法。
47.根据本发明实施例的压缩矩阵设计设备，至少具有如下有益效果：通过存储器存储如本发明第一方面实施例中的频域掩模压缩矩阵设计方法，以及与存储器通信连接的至少一个处理器，可以实现如本发明第一方面实施例中的频域掩模压缩矩阵设计方法，本发明提供的压缩矩阵设计设备可以通过获取图片数据，并对图片数据采用频域矩阵处理，进行离散变换处理获取第一矩阵。本方法通过第一矩阵生成二值化矩阵，并通过第一矩阵和二值化矩阵实现图片压缩步骤：即获取二值化矩阵，并通过二值化矩阵对第一矩阵进行处理，生成第二矩阵。通过预设的深度频域神经网络，本方法对获取到的第二矩阵进行处理以生成修正数据，并通过将修正数据与获取到的收敛值进行判断以执行以下步骤之一：若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至所述图片压缩步骤；或者，若所述修正数据小于所述收敛值，则根据当前的所述二值化矩阵和所述预设的频域矩阵生成压缩矩阵。这一方法实现了在压缩矩阵的设计过程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，通过提供生成修正数据实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模
压缩矩阵设计方法。
48.根据本发明的第四方面实施例的计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，可用于执行如本发明第一方面实施例所述的频域掩模压缩矩阵设计方法。
49.根据本发明实施例的计算机可读存储介质，至少具有如下有益效果：通过计算机可读存储介质，提供执行其中存储的本发明第一方面实施例的频域掩模压缩矩阵设计方法，以实现本发明提供的频域掩模压缩矩阵设计方法，即实现通过获取图片数据，并对图片数据采用频域矩阵处理，进行离散变换处理获取第一矩阵。本方法通过第一矩阵生成二值化矩阵，并通过第一矩阵和二值化矩阵实现图片压缩步骤：即获取二值化矩阵，并通过二值化矩阵对第一矩阵进行处理，生成第二矩阵。通过预设的深度频域神经网络，本方法对获取到的第二矩阵进行处理以生成修正数据，并通过将修正数据与获取到的收敛值进行判断以执行以下步骤之一：若所述修正数据大于等于所述收敛值，则通过所述深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至所述图片压缩步骤；或者，若所述修正数据小于所述收敛值，则根据当前的所述二值化矩阵和所述预设的频域矩阵生成压缩矩阵。这一方法实现了在压缩矩阵的设计过程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，通过提供生成修正数据实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
50.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
51.下面结合附图和实施例对本发明做进一步的说明，其中：
52.图1为本发明实施例频域掩模压缩矩阵设计方法的流程图。
53.图2为图1中步骤s300的具体流程图。
54.图3为图1中步骤s500的具体流程图。
55.图4为图1中步骤s710的具体流程图。
56.图5为图1中步骤s720的具体流程图。
57.图6为本发明实施例压缩矩阵设计装置的结构示意图。
58.附图标记：100，图片获取模块；200，离散变换处理模块；300，二值化矩阵生成模块； 400，图片压缩模块；500，深度频域神经网络处理模块；600，判断模块。
具体实施方式
59.下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
60.在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和
操作，因此不能理解为对本发明的限制。
61.在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
62.本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
63.本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
64.上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
65.第一方面，参照图1，在一些实施例中，本发明提供了一种压缩矩阵的设计方法，包括：
66.s100，获取图片数据；
67.s200，根据预设的频域矩阵对图片数据进行离变换处理，生成第一矩阵；
68.s300，根据第一矩阵生成随机的二值化矩阵；
69.s400，图片压缩步骤：根据第一矩阵和二值化矩阵，生成第二矩阵；
70.s500，获取第二矩阵，并通过预设的深度频域神经网络对第二矩阵进行处理，生成修正数据
71.s600，获取收敛值；
72.并根据修正数据和收敛值执行以下步骤之一：
73.s710，若修正数据大于等于收敛值，则通过深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至图片压缩步骤；
74.或者，
75.s720，若修正数据小于收敛值，则根据当前的二值化矩阵和预设的频域矩阵生成压缩矩阵。
76.通过本发明提供的频域掩模压缩矩阵设计方法，可以实现通过获取图片数据，并对图片数据采用频域矩阵处理，进行离散变换处理获取第一矩阵。本方法通过第一矩阵生成二值化矩阵，并通过第一矩阵和二值化矩阵实现图片压缩步骤：即获取二值化矩阵，并通过二值化矩阵对第一矩阵进行处理，生成第二矩阵。通过预设的深度频域神经网络，本方法对获取到的第二矩阵进行处理以生成修正数据，并通过将修正数据与获取到的收敛值进行判断以执行以下步骤之一：若修正数据大于等于收敛值，则通过深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至图片压缩步骤；或者，若修正数据小于收敛值，则根据当前的二值化矩阵和预设的频域矩阵生成压缩矩阵。这一方法实现了在压缩矩阵的设计过
程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，通过提供生成修正数据实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
77.在一些实施例中，步骤s200包括：
78.根据预设的频域矩阵对图片数据进行离散余弦变换处理，生成与图片数据对应的第一矩阵。
79.通过获取图片数据和预设的频域矩阵，可以将图片数据进行离散化处理，在本实施例中，可以采取离散余弦变换处理对图像数据进行离散化操作，从而使图片数据变成的离散化的矩阵数据，生成第一矩阵以实现后续对图片数据的压缩操作。其中，第一矩阵的行列数对应于图片数据，根据图片数据的行列数变化而变化。
80.在一些实施例中，参照图2，步骤s300包括：
81.s310，获取第一矩阵的行数和列数；
82.s320，根据行数、列数以及预设的填充方式，对二值化矩阵的行和列进行填充，得到二值化矩阵，其中，预设的填充方式为0和1随机填充。
83.通过获取第一矩阵的行数与列数，本方法提供了一种使用0和1填充后的与第一矩阵行数列数完全一致的矩阵。通过采用0和1随机填充该矩阵形成二值化矩阵，该二值化矩阵可以实现对离散处理后的第一矩阵的数据的随机性处理，使得对应0区域内的元素被移除，对应1区域内的元素被保留，从而能够利用这种二值化矩阵对第一矩阵进行压缩处理。
84.在一些实施例中，步骤s400包括：
85.对第一矩阵和二值化矩阵进行点乘计算，生成第二矩阵。
86.通过获取第一矩阵和二值化矩阵，本发明提供了一种对图片数据进行压缩的手段，通过采取点乘操作，使得第一矩阵中对应二值化矩阵中0的位置的元素被舍弃，对应二值化矩阵中1的位置的元素被保留，能够方便后续对第一矩阵中所包含的图片数据进行压缩处理，实现了对于不同的二值化矩阵提供生成不同的压缩数据的功能。需要理解的是，由于采用点乘操作，第一矩阵和二值化矩阵应该为行数列数均相同的两个矩阵，而且两个矩阵的行数列数均由图片数据所决定。
87.参照图3，在一些实施例中，步骤s500包括：
88.s510，通过预设的深度频域神经网络对第二矩阵进行处理，以生成处理结果；
89.s520，获取处理结果，对处理结果通过全链接层进行处理，生成误差信息；
90.s530，获取误差信息，并对误差信息进行分类操作，以生成修正数据。
91.本发明通过将含有图片数据的第二矩阵输入值深度频域神经网络中进行训练，获得了包含有全部误差信息的处理结果，从而实现了对误差信息的预提取；并通过获取包含有全部误差信息的处理结果，对处理结果中的误差信息进行全链接层计算处理，获得归纳后的误差信息，以实现对归纳信息进行分类操作，生成包含误差信息的修正数据，实现了对压缩矩阵拆分设计过程中的误差信息的提取。在一些具体的实施例中，包含全部误差信息的处理结果可以是多个包含误差信息的矩阵，矩阵的个数根据深度频域神经网络的参数设定而决定；此外，可以采用softmax函数对误差信息进行分类误差计算来实现识别误差，并生成修正数据，在一些实施例里也可以是其它，不做限制。
92.在一些其他的实施例中，深度频域神经网络包括至少一组如下的：卷积层、池化层和激活函数。其中，卷积层可以根据第二矩阵的行数和列数对其中的卷积核进行零值填充，得到第一中间矩阵，其中，第一中间矩阵的行数与第二矩阵的行数相同，第一中间矩阵的列数与第二矩阵的列数相同；并对第一中间矩阵进行离散余弦变换处理，得到第二中间矩阵；再将第二矩阵与第二中间矩阵进行矩阵点乘处理，生成第一处理数据；池化层可以对第一处理数据进行池化处理，生成第二处理数据；再对第二处理数据进行离散余弦逆变换处理；激活函数可以对第二处理数据进行激活处理，以实现生成对应处理结果。此处的处理结果仅为进行了一次深度频域神经网路处理后的处理结果，在一些具体的实施例中，可以对进行了一次深度频域神经网络处理后的处理结果再次输入到预设的深度频域神经网络中进行处理，以降低获取数据中偶然性因素导致的数据误差较大而产生的误差。通过卷积层、池化层和激活函数处理，相比于传统的神经网络，具有更少的层数，计算过程更高效。其中，预设的激活函数可以是relu函数、sigmoid函数等，不做限制。
93.参照图4，在一些实施例中，步骤s710包括：
94.s711，若修正数据大于等于收敛值，则通过深度频域神经网络进行反向更新操作，生成参数改变矩阵。
95.s712，获取参数改变矩阵和当前的二值化矩阵，并根据参数改变矩阵和当前的二值化矩阵生成更新后二值化矩阵，并跳转至图片压缩步骤。
96.本发明通过获取修正数据，并根据修正数据与收敛值进行比对，当比对结果为若修正数据大于等于收敛值，则根据修正数据反向更新深度频域神经网络，并同时获取到对应的参数改变矩阵。根据获取到的参数改变矩阵，本发明将二值化矩阵与参数改变矩阵做矩阵加法运算，从而实现更新二值化矩阵，并将更新后的二值化矩阵提交至数据获取步骤，以提供更新后的二值化矩阵，进而执行本发明所提供的频域掩模压缩矩阵设计方法。本发明的频域掩模压缩矩阵设计方法提供了一种根据识别结果不断对初始设置的二值化矩阵进行更新，以达到压缩目的，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
97.参照图5，在一些实施例中，s720包括：
98.s721，若修正数据小于收敛值，则获取当前的二值化矩阵；
99.s722，据二值化矩阵和预设的频域矩阵进行点乘运算，生成压缩矩阵。
100.本发明通过获取修正数据，并根据修正数据与收敛值进行比对。当比对结果为若修正数据小于收敛值时，本方法直接获取当前的二值化矩阵和系统预设的频域矩阵，并根据频域矩阵和二值化矩阵的点乘运算结果获取压缩矩阵。可以理解的是，为了实现二值化矩阵和频域矩阵进行点乘操作，二值化矩阵和频域矩阵应当为行数列数相同的矩阵，并且其行数和列数由压缩数据决定。
101.第二方面，参照图6，本发明提供了一种压缩矩阵设计装置，包括：
102.图片获取模块100，用于获取图片数据；
103.离散变换处理模块200，用于根据预设的频域矩阵对图片数据进行离散变换处理，生成第一矩阵；
104.二值化矩阵生成模块300，用于根据第一矩阵生成随机的二值化矩阵；
105.图片压缩模块400，用于执行图片压缩步骤：根据第一矩阵和二值化矩阵，生成第
二矩阵；
106.深度频域神经网络处理模块500，用于获取第二矩阵，并通过预设的深度频域神经网络对第二矩阵进行处理，生成修正数据；
107.判断模块600，用于获取收敛值，并根据修正数据和收敛值执行以下步骤之一：若修正数据大于等于收敛值，则通过深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至图片压缩步骤；或者，若修正数据小于收敛值，则根据当前的二值化矩阵和预设的频域矩阵生成压缩矩阵。
108.本发明提供的压缩矩阵设计装置，通过图片获取模块100获取图片数据，通过离散化处理模块200将图片数据按照预设的频域矩阵进行离散化处理以生成第一矩阵，通过二值化矩阵生成模块300生成与第一矩阵匹配的二值化矩阵；通过图片压缩模块400执行图片压缩步骤，以实现通过第一矩阵和二值化矩阵对图片进行压缩，以生成第二矩阵；通过深度频域神经网络处理模块500，获取第二矩阵，并通过预设的深度频域神经网络对第二矩阵进行处理，生成修正数据；通过判断模块600获取收敛值，并根据修正数据和收敛值执行以下步骤之一：若修正数据大于等于收敛值，则通过深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至图片压缩步骤；或者，若修正数据小于收敛值，则根据当前的二值化矩阵和预设的频域矩阵生成压缩矩阵。通过这一装置，可以实现在压缩矩阵的设计过程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
109.第三方面，本发明提供了一种压缩矩阵设计设备，包括：
110.至少一个处理器，以及，
111.与至少一个处理器通信连接的存储器；其中，
112.存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行指令时，实现如本发明第一方面实施例的频域掩模压缩矩阵设计方法。
113.本发明提供的压缩矩阵设计设备通过提供存储如本发明第一方面实施例中的频域掩模压缩矩阵设计方法的存储器，以及与存储器通信连接的至少一个处理器，可以实现如本发明第一方面实施例中的频域掩模压缩矩阵设计方法，本发明提供的压缩矩阵设计设备可以通过获取图片数据，并对图片数据采用频域矩阵处理，进行离散变换处理获取第一矩阵。本方法通过第一矩阵生成二值化矩阵，并通过第一矩阵和二值化矩阵实现图片压缩步骤：即获取二值化矩阵，并通过二值化矩阵对第一矩阵进行处理，生成第二矩阵。通过预设的深度频域神经网络，本方法对获取到的第二矩阵进行处理以生成修正数据，并通过将修正数据与获取到的收敛值进行判断以执行以下步骤之一：若修正数据大于等于收敛值，则通过深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至图片压缩步骤；或者，若修正数据小于收敛值，则根据当前的二值化矩阵和预设的频域矩阵生成压缩矩阵。这一方法实现了在压缩矩阵的设计过程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，通过提供生成修正数据实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
114.第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有
计算机可执行指令，可用于执行如本发明第一方面实施例的频域掩模压缩矩阵设计方法。
115.通过本发明提供的计算机可读存储介质，可以执行其中存储的本发明第一方面实施例的频域掩模压缩矩阵设计方法，以实现本发明提供的频域掩模压缩矩阵设计方法，即实现通过获取图片数据，并对图片数据采用频域矩阵处理，进行离散变换处理获取第一矩阵。本方法通过第一矩阵生成二值化矩阵，并通过第一矩阵和二值化矩阵实现图片压缩步骤：即获取二值化矩阵，并通过二值化矩阵对第一矩阵进行处理，生成第二矩阵。通过预设的深度频域神经网络，本方法对获取到的第二矩阵进行处理以生成修正数据，并通过将修正数据与获取到的收敛值进行判断以执行以下步骤之一：若修正数据大于等于收敛值，则通过深度频域神经网络处理，生成更新之后的二值化矩阵，并跳转至图片压缩步骤；或者，若修正数据小于收敛值，则根据当前的二值化矩阵和预设的频域矩阵生成压缩矩阵。这一方法实现了在压缩矩阵的设计过程中，通过提供二值化矩阵和频域矩阵实现对图片的压缩。通过重复利用深度频域神经网络对压缩结果进行处理和识别，通过提供生成修正数据实现对二值化矩阵的不断修正，以获取到可用的压缩矩阵，有效的提供了一种可以根据压缩数据进行优化的频域掩模压缩矩阵设计方法。
116.上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。