基于Focal Transformer的工业图像压缩方法

来源：计算机集成制造系统杂志2026年第1期北京时间：

作者：宋义宝, 刘培顺, 罗梦祺, 颜紫康, 王恒涛, 黄雅诗, 韩荣佳, 殷田

单位：中国海洋大学计算机科学与技术学院

摘要：针对传统图像压缩算法在处理带有复杂纹理、精细结构的工业图像时难以兼顾高压缩率与高保真度的挑战,提出一种基于Focal Transformer的图像压缩方法。所提方法引入窗口式焦点自注意力机制,使模型能够有效关注图像中的微小缺陷、边缘轮廓等关键特征区域,同时通过多尺度特征融合与渐进式信息聚合,高效捕捉工业图像的局部细节与全局上下文信息。此外,设计了基于注意力的信道挤压熵模型,进一步提升压缩性能。实验结果表明,相比于VVC,所提方法在Kodak、CLIC测试集上的BD-rate分别节省了9.11%、10.35%。所提方法在低比特率下能有效保留结构完整性与缺陷特征,为解决智能制造中海量图像数据的存储与传输瓶颈提供了新的有效途径,在工业视觉检测、数字孪生等领域具有应用前景。

关键词：图像压缩,智能制造,深度学习,聚焦自注意力

基金资助：国家重点研发计划资助项目(2022YFB3305302)。