买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种基于边信息自回归的学习图像压缩方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119603465B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411743521.6，技术领域涉及：H04N19/91；该发明授权一种基于边信息自回归的学习图像压缩方法是由施云惠;任佳辉;王瑾;尹宝才设计研发完成，并于2024-11-30向国家知识产权局提交的专利申请。

本一种基于边信息自回归的学习图像压缩方法在说明书摘要公布了：本发明公开了一种基于边信息自回归的学习图像压缩方法，以自然图像x为输入，获得紧凑的潜在表示y，实际压缩图像x时直接编码y；将潜在表示y作为输入，获得边信息z，边信息z用来为潜在表示y的熵编码提供先验指导；使用边信息自回归模块估计边信息z的概率分布，熵编码后形成边信息z的压缩的比特流；将量化的边信息z送入超合成变换模块得到潜在表示y的超先验信息；利用潜在表示y的上下文和超先验信息估计潜在表示y的概率分布，熵编码后形成潜在表示y的压缩的比特流；将量化的潜在表示y送入合成变换模块得到最终重建图像本发明所得到的重建图像在结构相似性客观指标上表现更加出色，主观质量上得到的重建图像纹理细节重建的更好。

本发明授权一种基于边信息自回归的学习图像压缩方法在权利要求书中公布了：1.一种基于边信息自回归的学习图像压缩方法，其特征在于，包括以下步骤： S1以自然图像x为输入，送入分析变换模块中，获得紧凑的潜在表示y，用来消除图片中存在的冗余信息，减少压缩图像时需要编码的特征量，特征量就是tensor中的每个值，实际压缩图像x时直接编码y； S2将潜在表示y作为输入，送入超分析变换模块中，获得边信息z，边信息z用来为潜在表示y的熵编码提供先验指导； S3使用边信息自回归模块估计边信息z的概率分布，这将用于量化后的边信息z的熵编码，熵编码后形成边信息z的压缩的比特流； S4将量化的边信息z送入超合成变换模块得到潜在表示y的超先验信息； S5利用潜在表示y的上下文和超先验信息估计潜在表示y的概率分布，这将用于量化后的潜在表示y的熵编码，熵编码后形成潜在表示y的压缩的比特流； S6将量化的潜在表示y送入合成变换模块得到最终重建图像 所述S3中，提出一个即插即用的边信息自回归SIA模块来作为边信息熵模型；采用逐通道的自回归方法，将边信息z沿着通道维度分割成L个切片，即将一个tensorz沿着通道切分成多个tensor{z0,z1,…,zL-1}，每个切片{z0,z1,…,zL-1}包含S个通道； 切片是依次编码的，先前解码的切片作为当前解码切片的通道上下文信息；对于第一个切片z0，使用FFDM来建模其概率分布根据概率分布确定这些切片中包含的变量的熵，使用各种熵编码方案来将这些变量编码成二进制比特流： 其中表示量化的z0，Q代表量化操作；ψ是FFDM的参数；代表单位均匀分布，*代表函数的卷积操作，是求出的边信息的概率分布，用来将边信息编码成二进制的比特流；沿着通道维度均匀地分为两半把一个沿通道切分成两个tensorzμ,zσ；zμ,zσ将用来压缩编码其余切片；当压缩编码剩下的L-1个切片{z1,…,zL-1}时，使用均值-尺度高斯概率分布来建模切片。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100020 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。