買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜四川大學申請的專利一種基于深度學習的VVC壓縮偽影去除半盲方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116074540B 。

龍圖騰網通過國家知識產權局官網在2025-05-30發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111257660.4，技術領域涉及：H04N19/86；該發明授權一種基于深度學習的VVC壓縮偽影去除半盲方法是由何小海;帥鑫;熊淑華;卿粼波;陳洪剛;滕奇志;吳小強設計研發完成，并于2021-10-27向國家知識產權局提交的專利申請。

本一種基于深度學習的VVC壓縮偽影去除半盲方法在說明書摘要公布了：本發明針對無法獲取VVC解碼視頻量化參數的盲場景提出一種基于深度學習的VVC壓縮偽影去除半盲方法。首先根據VVC的解碼視頻壓縮特性，提出一種量化參數預測網絡與投票機制預測出量化參數。然后提出一種VVC解碼視頻壓縮偽影去除網絡并訓練量化參數為32、37、42的模型。最后根據預測的量化參數，為解碼視頻選擇對應的模型進行去壓縮偽影。實驗結果表明，本發明方法能夠有效去除VVC解碼視頻的壓縮偽影。

本發明授權一種基于深度學習的VVC壓縮偽影去除半盲方法在權利要求書中公布了：1.一種基于深度學習的VVC壓縮偽影去除半盲方法，其特征在于：1使用Kirsh算子提取視頻幀中紋理豐富的區域作為代表當前視頻質量的特征塊，提出一種量化參數預測網絡來預測VVC解碼視頻的量化參數，將不知道量化參數的盲場景轉換為非盲場景：不同量化參數編碼的VVC解碼視頻具有不同的壓縮偽影，隨著量化參數增大，壓縮偽影越明顯，視頻質量越低，根據此特性，提取代表解碼視頻的若干個特征塊，提出一種量化參數預測網絡為每個特征塊預測出量化參數，并利用投票機制，選取特征塊中結果最多的量化參數作為是解碼視頻的量化參數從而達到預測目的，該量化參數預測網絡用交叉熵損失函數訓練，如下， 其中，M代表類別，N代表樣本總數，yic代表符號函數0或1，如果樣本i的真實類別等于c，則yic取1，否則取0，pic代表樣本i屬于類別c的預測概率；2提出一種基于解碼視頻空時域信息的VVC解碼視頻壓縮偽影去除網絡：所述網絡結合解碼視頻的空時域信息，利用解碼視頻的當前幀的空域信息以及其相鄰幀的時域信息去壓縮，因為直接使用相鄰幀可能會引入負面信息，所以首先通過使用運動補償子網絡對齊相鄰幀，再提出去偽影子網絡，其利用多尺度卷積層與“Concat”操作提取空時域特性，然后不斷通過卷積層強化、映射特征以及殘差學習的方式重建視頻幀達到去壓縮的目的，整個VVC解碼視頻壓縮偽影去除網絡用聯合損失函數訓練，如下， Lar＝||FR-Fte||13L去偽＝a*Lar+b*Lmc4其中，Ft表示當前幀，F′t-1表示補償后的上一幀，F′t+1表示補償后的下一幀，代表去壓縮偽影后的幀，FR代表原始幀，Lmc表示運動補償子網絡，Lar表示去偽影子網絡；3使用2中所提網絡訓練不同量化參數的壓縮偽影去除網絡，使用1中所提網絡預測VVC解碼視頻的量化參數，再使用對應量化參數訓練的網絡去除VVC解碼視頻的壓縮偽影：所述方法使用量化參數預測網絡預測出VVC解碼視頻的量化參數，將不知道量化參數的場景轉換為非盲場景，再使用VVC解碼視頻壓縮偽影去除網絡預訓練幾個模型，因為去除低質量解碼視頻的壓縮偽影更為明顯且更具有意義，而量化參數越大，解碼視頻的質量越低，所以訓練量化參數為32、37、42的模型，根據預測的量化參數，使用對應的模型去除VVC解碼視頻的壓縮偽影。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人四川大學，其通訊地址為：610065 四川省成都市武侯區一環路南一段24號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。