武汉大学艾浩军获国家专利权
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！
龙图腾网获悉武汉大学申请的专利图像压缩最优量化参数的估计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：CN115665413B 。
龙图腾网通过国家知识产权局官网在2025-07-18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：202211184629.7，技术领域涉及：H04N19/124；该发明授权图像压缩最优量化参数的估计方法是由艾浩军;徐永昌;乾方圆设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。
本图像压缩最优量化参数的估计方法在说明书摘要公布了：本发明公开了一种图像压缩最优量化参数的估计方法，包括如下步骤：步骤1，选定图像集合，对图像集合中的每幅图像Ii，设定目标码率B0计算每幅图像的最优量化参数QP；步骤2，计算图像集合中每幅图像复杂度特征向量Ci；步骤3，构建多层神经网络NN，对于该多层神经网络NN，输入层为图像复杂度特征向量Ci，输出层为回归型量化参数QPi，采用图像集合训练多层神经网络NN；步骤4：对于图像I′，计算其图像复杂度特征向量C′，并输入到训练后的多层神经网络NN中，从而输出量化参数最优估计QP′。本发明在受限带宽下能够估计最优的图像压缩量化参数，充分运用了带宽，提高了图像传输的质量。
本发明授权图像压缩最优量化参数的估计方法在权利要求书中公布了：1.一种图像压缩最优量化参数的估计方法，其特征在于，包括如下步骤： 步骤1，选定图像集合，对图像集合中的每幅图像Ii，设定目标码率B0计算每幅图像的最优量化参数QP； 步骤2，计算图像集合中每幅图像复杂度特征向量Ci； 步骤3，构建多层神经网络NN，对于该多层神经网络NN，输入层为图像复杂度特征向量Ci，输出层为回归型量化参数QPi，采用图像集合训练多层神经网络NN，并对训练后的多层神经网络NN进行验证和预测，选择测试精度最高的多层神经网络NN； 步骤4：对于图像I′，计算其图像复杂度特征向量C′，并输入到步骤3中得到的多层神经网络NN中，从而得到输出的量化参数最优估计QP′。
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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号