近日，空天信息研究所张良培所长团队在无损图像压缩方面取得新进展，相关研究论文“Hybrid-context-based multi-prior entropy modeling for learned lossless image compression”于Pattern Recognition（PR）发表，论文通讯作者是张良培教授。

Pattern Recognition是模式识别领域的顶级期刊之一，SCI一区Top期刊，2023年影响因子（Impact Factor）7.5，在全球机器学习与模式识别领域具有很高的影响力。

近年来，学习无损图像压缩方法展现出有前景的应用结果。然而，许多这些方法并没有充分利用可用的信息，导致性能不佳。因此，本文提出了一种用于无损图像压缩的多先验熵模型，该模型通过有效地利用可用信息，实现了更好的压缩性能。此外，为了捕捉不同图像的特征，使用不同核大小的遮罩卷积在局部上下文中抽象混合局部上下文。在多个数据集上的实验结果表明，我们的算法优于几种现有的基于学习的图像压缩方法以及传统方法，如JPEG2000、WebP和FLIF。