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！

龙图腾网恭喜哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种基于四拜尔阵列的彩色视频快照压缩感知重建的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：CN118505827B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410951429.2，技术领域涉及：G06T9/00；该发明授权一种基于四拜尔阵列的彩色视频快照压缩感知重建的方法是由陈勇勇;潘正浩;曾海金设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本一种基于四拜尔阵列的彩色视频快照压缩感知重建的方法在说明书摘要公布了：本发明公开了一种基于四拜尔阵列的彩色视频快照压缩感知重建的方法，包括以下步骤：A、获取预览四拜尔视频和与预览图像关联的四拜尔采样值，并通过给定的掩码得到与预览视频关联的四拜尔采样测量值，其中，采样值根据用户选择的压缩比例获得，预览图像根据压缩比例缩放原始视频获得。本发明提出了首个基于quad‑Bayer阵列的彩色视频SCI重建技术，相较于传统的重建方法，该方法能够显著减少伪影和色彩失真现象，实现高质量的彩色视频重建，该技术通过优化算法和重建流程，有效克服了传统方法中的难题，提供了卓越的细节表现、色彩还原和动态效果，这不仅提升了视频质量，也为彩色视频信号的压缩采样与重建领域带来了新的突破。

本发明授权一种基于四拜尔阵列的彩色视频快照压缩感知重建的方法在权利要求书中公布了：1.一种基于四拜尔阵列的彩色视频快照压缩感知重建的方法，其特征在于：包括以下步骤：A、获取预览四拜尔视频和与预览图像关联的四拜尔采样值，并通过给定的掩码得到与预览视频关联的四拜尔采样值，其中，四拜尔采样值根据用户选择的压缩比例获得，预览图像根据压缩比例缩放原始视频获得；B、将四拜尔采样值以及预定义的掩码输入到深度神经网络的视频快照压缩感知重建模型中，以计算输出重建视频，其中，深度神经网络包括：重建初始值的初始化，浅层特征提取层，所述浅层特征提取层由深度可分离卷积层组成，深度特征编码层，所述深度特征编码层包括卷积层、线性层以及线性注意力模块和下采样层，瓶颈层，所述瓶颈层包括卷积层、线性层以及线性注意力模块，深度特征解码层，所述深度特征解码层包括卷积层以及残差连接和上采样层，视频重建层，所述视频重建层包括多层卷积层；C、在深度神经网络模型训练结束后，获得此训练完成模型的参数，得到一个端到端的视频快照压缩感知的重建模型；D、将预览图像输入到深度神经网络模型中，以计算输出重建视频；其中，原始视频可通过用户拍照获取，从而完成原始图像的收集，原始图像记为x，x∈RH×W×C×T,其中H，W，C，T分别代表彩色视频的高度，宽度，通道数以及帧数，其中R代表实数集，通过掩码得到编码后的彩色视频，并通过quad-Bayer阵列相机采集得到二维基于quad-Bayer的测量值，记为采样值y，采样值y由一次性随机采样得到，采样值计算如公式1：y＝Φx1，公式1中，Φ表示线性采样矩阵，Φ∈RH×W×C×T，x表示原始图像；将得到的y与预先定义的Φ输入到重建算法中得到重建图像所述视频快照压缩感知的重建模型的目标函数计算如公式2： 公式2中，表示重建图像；所述深度神经网络模型训练包括：通过损失函数计算深度神经网络的损失值，用于在模型迭代训练过程中更新视频快照压缩感知的重建模型的模型参数，直至经过训练后的损失值小于设定的迭代阈值则停止训练；所述损失函数Lrec计算如公式3：公式3中，表示重建图像，x是对应的原始图像，N表示训练集元素个数，表示重建图像和原始图像之间的差异，所述深度特征编码层和深度特征解码层数量均为三个。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。