计算机科学与探索

作者：周开军, 廖婷, 谭平, 史长发

单位：湖南工商大学 智能工程与智能制造学院，长沙 410205

关键词：图像压缩,矢量量化,分形压缩,深度学习

基金：国家自然科学基金（61976088）；湖南省高校科学研究重点项目（22A0440）。

图像压缩是图像处理与通信领域的一项关键技术，一直以来是学术界的研究热点。对图像压缩的基本概念和原理进行了系统梳理，区分了无损压缩与有损压缩，介绍了各类编码技术。在传统压缩方法方面，对基于离散余弦变换、离散小波变换、矢量量化和分形压缩的技术进行了全面分析，探讨了它们的优缺点及适用范围。这些方法虽在图像压缩领域发挥了重要作用，但随着技术发展，其局限性也逐渐显现。针对深度学习领域的图像压缩技术，重点研究了卷积神经网络、循环神经网络、生成对抗网络以及近年来兴起的Transformer和扩散模型等方法在图像压缩中的应用。这些方法通过自动学习图像特征，实现了更高效的压缩和图像重构。在性能评估方面，分析了压缩比、峰值信噪比和结构相似性指数等关键指标，并探讨了图像压缩技术在不同领域的应用前景和面临的挑战。对未来图像压缩技术的发展方向和研究趋势进行了展望，指出随着深度学习与新兴技术的结合，智能图像压缩将成为未来的重要发展方向。

来源：2025年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第7期