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！

龙图腾网获悉重庆邮电大学申请的专利一种基于重要性尺度和高斯混合模型的深度学习图像压缩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：CN119383362B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411644122.4，技术领域涉及：H04N19/70；该发明授权一种基于重要性尺度和高斯混合模型的深度学习图像压缩方法是由祝志远;丁世航;魏传锋;邹虹;王汝言;吴大鹏设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于重要性尺度和高斯混合模型的深度学习图像压缩方法在说明书摘要公布了：本发明涉及一种基于重要性尺度和高斯混合模型的深度学习图像压缩方法，属于图像处理技术领域。构建一个重要性尺度网络，将经主编码器得到的潜在表示通过重要性尺度网络进行处理，实现自适应内容的比特分配，确保关键特征信息的有效提取，从而获取重要性增强的潜在表示。在内容流和模型流中均引入高斯混合模型，其包含多种高斯分布，可得到更为准确的概率分布用于指导熵编码和解码以获取更为准确的重构潜在表示或神经语法信息。对潜在表示进行内容自适应优化，并通过使用高斯混合分布预测得到更合理且灵活的概率分布模型，减少潜在表示或神经语法中的冗余信息，在获得视觉效果更好的重建图像同时，也提升深度学习图像压缩模型的率失真性能。

本发明授权一种基于重要性尺度和高斯混合模型的深度学习图像压缩方法在权利要求书中公布了：1.一种基于重要性尺度和高斯混合模型的深度学习图像压缩方法，其特征在于，包括以下步骤： S1、将待处理图像通过主编码器进行分析变换，获得潜在表示； S2、将所述潜在表示通过预设的重要性尺度网络，针对不同区域内容进行自适应内容的比特分配以获得重要性增强的潜在表示； S3、将所述重要性增强的潜在表示在通道维度上划分为内容流的潜在表示和模型流的潜在表示； S4、通过超先验模型、上下文模型以及预设的高斯混合模型处理，得到所述内容流的潜在表示的概率分布以获取重构的潜在表示； S5、利用神经语法生成器获取所述模型流的潜在表示的神经语法；通过所述预设的高斯混合模型得到所述神经语法的概率分布，用于指导熵编码和解码以获取神经语法信息；将所述神经语法信息馈送到权重生成器以获取主解码器最后一个转置卷积层的核参数； S6、将所述重构的潜在表示和所述解码器最后一个转置卷积层的核参数通过所述主解码器进行合成变换以获取重建图像。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。