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！

龙图腾网恭喜浙江工业大学申请的专利一种水下机器人视觉图像压缩、解压缩及传输方法及装置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：CN119484831B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510061350.7，技术领域涉及：H04N19/124；该发明授权一种水下机器人视觉图像压缩、解压缩及传输方法及装置是由项韶;项媛媛;景菲凌设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种水下机器人视觉图像压缩、解压缩及传输方法及装置在说明书摘要公布了：本发明公开了一种水下机器人视觉图像压缩、解压缩及传输方法及装置。方法包括构建用于水下机器人视觉图像压缩的图像压缩模型，训练图像压缩模型，基于训练好的图像压缩模型构建视觉图像编码端，利用视觉图像编码端对水下机器人视觉图像进行压缩编码，生成码流数据，以完成对水下机器人视觉图像的压缩，基于训练好的图像压缩模型构建视觉图像解码端，视觉图像解码端用于对码流数据进行解码和重构图像，以生成重构的水下机器人视觉图像。本发明提出的水下机器人视觉图像压缩、解压缩方法，压缩倍率高，图像重构性能好，可应用于水下机器人视觉图像的压缩与传输任务。

本发明授权一种水下机器人视觉图像压缩、解压缩及传输方法及装置在权利要求书中公布了：1.一种水下机器人视觉图像压缩方法，其特征在于，包括以下步骤：步骤S1）在计算机中构建用于水下机器人视觉图像压缩的图像压缩模型；所述图像压缩模型主要由编码器、解码器、子编码器、子解码器、量化模块和熵模型组成；所述编码器、解码器、子编码器、子解码器中均加载有重参数化注意力模块；步骤S2）利用处理器训练图像压缩模型；步骤S3）处理器基于训练好的图像压缩模型构建视觉图像编码端，利用所述视觉图像编码端对水下机器人视觉图像进行压缩编码，生成码流数据，以完成对水下机器人视觉图像的压缩；所述的图像压缩模型包括编码器、子编码器、量化模块Q、解码器、子解码器、熵模型、第一熵编码模块、第一熵解码模块、第二熵编码模块和第二熵解码模块；所述的编码器用于对输入的水下机器人视觉图像x进行特征提取获取水下机器人视觉图像x对应的初始潜在表征y；所述子编码器用于对初始潜在表征y进行特征提取以生成初始子潜在表征z；所述量化模块Q用于分别对初始潜在表征y和初始子潜在表征z进行量化，并生成量化后的量化潜在表征yh和量化子潜在表征zh；所述第一熵编码模块用于对量化子潜在表征zh进行编码，得到子表征码流zm；所述第一熵解码模块用于对子表征码流zm进行解码，重新得到量化子潜在表征zh；所述子解码器用于对量化子潜在表征zh进行特征解码以获取边缘信息s；所述熵模型用于根据边缘信息s对量化潜在表征yh进行分布预测，并构建量化潜在表征yh对应的高斯分布概率模型；所述第二熵编码模块用于根据高斯分布概率模型对量化潜在表征yh进行编码，得到表征码流ym；所述第二熵解码模块用于根据高斯分布概率模型对表征码流ym进行解码，重新得到量化潜在表征yh；所述解码器用于对量化潜在表征yh进行特征解码以重构图像；所述编码器和子编码器中最后一个卷积层的输出端连接有重参数化注意力模块，解码器和子解码器中第一个卷积层的输入端连接有重参数化注意力模块，所述重参数化注意力模块用于对输入的特征图进行重参数化，重参数化注意力模块的重参数化步骤如下：1）首先，对于输入的特征图inp，获取各个特征图inp的均值µ和方差σ2；2）然后，根据特征图inp的均值µ和方差σ2按照以下公式处理得到新的特征图outp并输出：outp=inp+φ*inp；φ=11+e-k；k=mu+No*sigmamu=W1*µ+b1；sigma=W2*σ2+b2；其中，outp表示重参数化注意力模块的输出；inp表示重参数化注意力模块的输入；φ表示非线性激活参数；k表示重参数化参数；mu表示均值特征；No表示随机噪声；sigma表示方差特征；W1、W2、b1和b2均为重参数化注意力模块中全连接层的权重参数。

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浙江工业大学，其通讯地址为：310012 浙江省杭州市拱墅区潮王路18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”。