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！

龙图腾网获悉聊城莱柯智能机器人有限公司;数炬(山东)智能科技有限公司申请的专利一种基于深度非线性模型预测的图像数据处理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：CN120783174B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511286016.8，技术领域涉及：G06V10/80；该发明授权一种基于深度非线性模型预测的图像数据处理方法是由蒋先涛;靖永慧;张镇;谢东明;许晓洁;靖婉琦;李培波;许得龙;刘梦洁;刘晨甲;谭承飞;廖新考;宋光恒;焦明波设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种基于深度非线性模型预测的图像数据处理方法在说明书摘要公布了：本发明涉及一般的图像数据处理领域，具体涉及一种基于深度非线性模型预测的图像数据处理方法，该方法包括从帧间图像序列中获取各帧的融合特征，为各帧单独生成监督标签；训练CNN深度学习模型，使CNN深度学习模型学会预测当前帧与下一帧之间的运动与亮度变化，得到已训练CNN深度学习模型；用已训练CNN深度学习模型处理新的各帧的融合特征，得到新的预测结果，根据新的预测结果计算最优控制输入；基于最优控制输入动态调整各帧的输出码率分配。现有图像数据处理方法存在适应性较差且难以捕捉帧间图像序列的时空非线性特征的问题。本发明提供的图像数据处理方法适应性较好且能够捕捉帧间图像序列的时空非线性特征。

本发明授权一种基于深度非线性模型预测的图像数据处理方法在权利要求书中公布了：1.一种基于深度非线性模型预测的图像数据处理方法，其特征在于，包括： S1.从帧间图像序列中获取各帧的融合特征，为各帧单独生成监督标签，得到训练数据集； S2.采用训练数据集训练CNN深度学习模型，使CNN深度学习模型学会预测当前帧与下一帧之间的运动与亮度变化，得到已训练CNN深度学习模型； 所述CNN深度学习模型的输入为已知帧、已知帧状态与已知帧的输出码率，输出为未来帧的状态向量和输出码率，表示为： ， 式中，为第帧的状态向量；为第帧的输出码率；为CNN深度学习模型；为CNN深度学习模型的参数；为第帧的状态向量；为第帧；为第帧的输出码率； 表示为： , 式中，为状态预测层的权重参数；为码率预测层的权重参数；为激活函数；为融合层的权重参数；为输入的第帧通过卷积神经网络提取的空间特征向量；为融合层的偏置参数；为状态预测层的偏置参数；为码率预测层的偏置参数； CNN深度学习模型的目标函数的计算公式为： ， 式中，为目标函数；为输出码率调整参数；为时间索引；为预测时域的帧数；为权衡系数；表示视频质量指标； S3.用已训练CNN深度学习模型处理新的各帧的融合特征，得到新的预测结果，根据新的预测结果计算最优控制输入； S4.基于最优控制输入动态调整各帧的输出码率分配； 所述S4的步骤包括： S401.量化输出码率与量化参数的关系； 输出码率与量化参数的关系表示为： ， 式中，为初始码率；为经验系数；为参考量化参数； S402.推导量化参数调整公式； 调整后的量化参数的计算公式为： ， 式中，为量化参数；为经验系数；为第帧的输出码率；为目标码率； S403.表示最优控制输入与量化参数的映射关系； 最优量化参数的计算公式为： ， 式中，为最优控制输入； S404.将计算得到的最优量化参数传递给编码器，更新编码器的设置，并应用于当前帧的编码过程。

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聊城莱柯智能机器人有限公司;数炬(山东)智能科技有限公司，其通讯地址为：252000 山东省聊城市东昌府区道口铺街道聊堂路88号158幢金阳宾馆1002室；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。