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！

龙图腾网获悉四川大学申请的专利结合多层次帧间相关性的压缩伪影抑制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：CN116055729B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202111257665.7，技术领域涉及：H04N19/159；该发明授权结合多层次帧间相关性的压缩伪影抑制方法是由吴晓红;汤博文;熊淑华;何小海;陈洪刚;滕奇志设计研发完成，并于2021-10-27向国家知识产权局提交的专利申请。

本结合多层次帧间相关性的压缩伪影抑制方法在说明书摘要公布了：本发明提出一种结合多层次帧间相关性的压缩伪影抑制方法。该方法主要涉及一种结合多层次运动补偿与深层卷积映射的手段对HEVC解码视频进行质量增强。本发明主要利用视频帧间相关性的特点，进而设计一种多层运动补偿网络对当前帧的相邻两帧进行运动补偿后同当前帧进行特征融合，然后分别对当前帧和融合多帧特征图分别进行注意力特征提取，最后通过深层的残差学习与跨层级联来使得多层次特征深度融合、映射与重建，实现当前帧的质量增强。

本发明授权结合多层次帧间相关性的压缩伪影抑制方法在权利要求书中公布了：1.结合多层次帧间相关性的压缩伪影抑制方法，其特征在于： 1构建多层次运动补偿网络进行帧间运动补偿： 利用前向和后向帧的帧间相关性，对当前帧进行从全局到局部的多层次运动补偿；所述运动补偿网络采用由8倍逐步上采样到全图的四层运动补偿结构，各层补偿输出表示为： 所述多层次运动补偿网络的总输出表示为： 2构建多维度特征提取与重建网络进行特征处理： 该网络包含串联的多维度特征提取部分和深度特征映射与重建部分； 多维度特征提取部分对步骤1得到的输出进行处理：首先对输入特征图进行维度扩展，对扩展后特征图的同一像素位置在不同通道进行平均池化得到通道平均值，根据该平均值对扩展后特征图进行通道加权；之后对通道加权后的特征图进行单个通道内的平均池化和最大值池化，提取空间域代表特征值并进行卷积，将卷积结果与经过前述通道加权后的特征图相乘，实现空间域的像素加权； 深度特征映射与重建部分对多维度特征提取后的特征图进行处理：所述深度特征映射与重建部分包含七层融合残差学习与跨层稠密连接的结构；其中，残差学习是指将当前卷积层之前的卷积结果相加后作为当前层的输入，每层卷积结构均为Convolution-ReLU且卷积核大小为3×3；跨层稠密连接是指将前述七层卷积中每一层的输出特征图进行级联，实现深层和浅层特征的融合；融合后的特征图输入重建部分，通过两层卷积层结构逐步降维重建，输出去除伪影后的视频帧； 3利用损失函数对网络进行训练： 网络的目标函数可表示为： 所述损失函数loss采用平均绝对误差损失和均方误差损失相结合的策略，表示为： 其中，λ1和λ2分别为平衡的大权值和小权值； 选取Vimeo90K的七帧序列作为训练网络的数据集；全部视频序列遵照ITU-R和BT.601的标准进行处理，即首先处理连续图像转换为YUV格式视频序列，再经HM16.0压缩得到压缩视频，压缩配置参照配置文件encoder_lowdelay_P_main.cfg，将QP设置为37，采用IPPP的帧间编码方式，最后将压缩视频和原始视频分别转换为RGB域图像以便实验的输入和效果观察。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。