一种面向超高速视觉脉冲数据的无损编码方法与装置

本发明为一种面向超高速视觉脉冲数据的无损编码方法与装置。该方法借助深度神经网络，以短时聚合脉冲作为输入，分别通过先验特征提取和多相分解，获取脉冲数据的特征表示和分解子图，随后利用自回归过程，依据特征表示逐步预测分解子图的概率，借助基于分类逻辑回归的熵模型根据分解子图的概率进行算术编码，进而输出对应的码流文件。本发明是单阶段端到端优化的脉冲数据无损编码模型，通过先验特征提取和多相分解来挖掘短时聚合脉冲的空域相关性，同时运用基于分类逻辑回归的熵模型来进一步拟合脉冲数据的分布特点。基于这种方式，利用端到端的训练方法可以对神经网络编码模型进行整体性优化，从而实现最优的脉冲数据无损编码性能。