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！

龙图腾网获悉四川大学申请的专利基于压缩先验的QP自适应压缩视频超分辨率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：CN119728984B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202311258238.X，技术领域涉及：H04N19/172；该发明授权基于压缩先验的QP自适应压缩视频超分辨率方法是由何小海;张廷蓉;陈正鑫;滕奇志;任超;吴晓红设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本基于压缩先验的QP自适应压缩视频超分辨率方法在说明书摘要公布了：本发明公开了一种基于压缩先验的QP自适应压缩视频超分辨率方法，主要包括以下步骤：利用特征提取块提取压缩视频和其压缩先验的特征；构建QP调制模块，利用帧级别QP重新校准特征；构建自适应多尺度先验信息融合模块以组成先验融合模块，充分利用视频流中的编码先验和视频的特征；利用双向传播对齐模块来提取时空特征并对融合后的特征进行对齐；构建自适应增强调制模块以组成重建模块，自适应地增强特征；特征提取块、先验融合模块、双向传播对齐模块和重建模块共同构成QP自适应网络，该网络可以对不同QP压缩的视频实现超分辨率。本发明所述的基于压缩先验的QP自适应压缩视频超分辨率方法能获得较好的主客观效果。

本发明授权基于压缩先验的QP自适应压缩视频超分辨率方法在权利要求书中公布了：1.基于压缩先验的QP自适应压缩视频超分辨率方法，其特征在于实现过程包括以下步骤： 步骤一：多尺度特征提取：具体地，利用多尺度卷积构成的特征提取块分辨提取压缩低分辨率视频帧和其对应的压缩先验信息的多尺度浅层特征，该部分的压缩先验信息包括预测信号、分块图和残差； 步骤二：构建QP调制模块：具体地，该模块以帧级别QP为输入，通过1×1卷积层和LeaklyReLU层组成调制单元生成调制图，利用调制图对输入特征在通道上进行重新校准，输出调制后的特征； 步骤三：构建先验融合模块：具体地，在多尺度卷积和QP调制模块为基础上构建自适应多尺度先验信息融合模块，多个多尺度先验信息融合模块堆叠构成先验信息融合模块，将视频空间多尺度特征和其对应的先验信息的多尺度特征进行融合，输出融合后的特征； 步骤四：双向传播对齐：具体地，利用现有的双向传播对齐模块对融合后的空间特征进行时域上的融合，并进行特征对齐，输出对齐后的特征； 步骤五：构建重建模块：具体地，先在QP调制模块的基础上构建自适应增强调制模块，自适应增强调制模块堆叠构成重建模块，该模块在帧级别QP的引导下，自适应地增强特征； 步骤六：将特征提取块、先验融合模块、双向传播对齐模块和重建模块组合成最终的QP自适应网络； 步骤七：利用训练数据训练步骤六中的网络； 步骤八：测试时，以低分辨率压缩视频和其对应的压缩先验作为网络的输入，输出最终超分辨率视频，该部分的压缩先验包括帧级别QP、预测信号、分块图和残差； 具体地，对于步骤二中的QP调制模块，给定特征图作为输入，通过一个CLC结构和一个sigmoid层生成与特征内容相关的引导图G，其中CLC结构由2个1×1卷积层和1个LeaklyReLU层构成，帧级别QP则馈入调制单元生成1D的调制图调制过程为： 其中FM是经过QP调制模块调制后特征，fCLC·表示CLC结构的函数，表示逐元素乘法，M＝fMUQP,fMU·表示调制单元的函数，G＝σfCLCF,σ表示sigmoid函数； 对于步骤三中的先验融合模块，其由m个自适应多尺度先验信息融合模块和特征融合块构成，对于第i个自适应多尺度先验信息融合模块，输入是上一阶段模块融合生成的高尺度特征和低尺度特征以及在压缩先验上提取的高尺度特征和低尺度特征以及帧级别QP，首先将不同尺度的特征分别在通道维度上连接以实现初步融合，得到然后通过多尺度卷积实现多尺度特征之间的通信与聚合，该过程为： 这里分别是聚合后的高尺度特征和低尺度特征，f·,W表示参数W的卷积，δ指的是LeaklyReLU函数，upsample·,s表示上采样参数为s的最近邻插值操作，pool·,k表示k×k，步长为k的平均池化操作；接着，三维注意力结构被用来进一步增强多尺度特征的表征能力，利用能量函数E指导生成三维注意力的权重，根据特征图中每一个位置重要性重新自适应校准特征，此后通过跳连接分别与输入的高低特征进行自适应融合，这个过程为： 这里的分别表示自适应融合后的高低尺度的特征，是额外的4个被初始化为1的可学习参数，随后与帧级别QP一起馈入多尺度QP调制模块，多尺度QP调制模块包括两个QP调制模块，该模块的输入为两个不同尺度的浅层特征以及帧级别的QP，两个QP调制模块共用同一个QP值，通过两个QP调制模块分别对不同尺度的浅层特征进行处理，最终输出调制后的两个不同尺度的浅层特征；最终自适应多尺度先验信息融合模块的输出为： 这里fMSQPMM·表示多尺度QP调制模块的函数。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。