随着智慧城市与智能工厂等智能设备的兴起与应用,越来越多的数据量需要进行存储传输。尽管带宽和计算能力在不断增长,但互联网和无线连接等场景却不得不在质量保证和资源利用之间进行权衡。多描述编码(Multiple description coding,简称MDC)的出现就是为了解决当网络阻塞或传输信道不可预测且不可靠时造成的传输失败的问题。语义分割能够有效提取图像像素级别的信息,在图像合成或其他图像处理任务中利用语义分割信息能够显著提高图像重构结果。所以,本文以语义分割标签为辅助信息,对基于深度神经网络的多描述编码进行深入研究。本文主要研究内容如下:(1)提出了一种基于深度语义分割的多描述编码方法。众所周知,图像由许多像素构成,而语义分割需要将像素按照其在图像中语义的不同进行分类,将图像分割成不同的区域并识别出区域的内容,使用不同的标记表示图像的不同内容。在对图像进行编码时利用好语义分割信息就意味着能更好的利用图像的特征。并且目前大部分图像编码方法都仅仅是对图像进行像素级别的转换并没有考虑语义信息。因此,本文对基于语义分割的图像压缩进行改进,提出了基于深度语义分割的多描述图像编码方法,在提高图像编码效率的基础上增强传输的鲁棒性。实验结果证明相比较标准的图像压缩方法,所提出的方案更优。(2)提出了一个基于生成对抗网络的多描述编码网络。所提方法中利用神经网络根据图像的语义信息提取图像的高层次特征。首先,所提框架包含利用图像特征生成多描述的多描述生成网络,基于生成对抗网络(Generative Adversarial Network,简称GAN)的多描述重构网络。其次,语义分割标签作为辅助边信息贯穿整个网络,在生成图像与重构图像时都贡献出了作为标签信息的重要作用。在多个标准数据集上进行测试,实验结果证明了所提多描述编码网络的有效性。