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！

龙图腾网恭喜上海交通大学申请的专利一种可变码率视频压缩方法、系统、装置及存储介质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：CN114501013B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210042520.3，技术领域涉及：H04N19/146；该发明授权一种可变码率视频压缩方法、系统、装置及存储介质是由戴文睿;李涵;李劭辉;李成林;邹君妮;陈思衡;郑伟诗;熊红凯设计研发完成，并于2022-01-14向国家知识产权局提交的专利申请。

本一种可变码率视频压缩方法、系统、装置及存储介质在说明书摘要公布了：本发明提供可变码率视频压缩方法、系统、装置及存储介质，包括：将参考帧图像通过卷积神经网络，得到参考帧的第一特征图，通过尺度缩放及可导量化得到参考帧的第二特征图，并进行逆缩放，得到重构的参考帧。将预测帧图像通过卷积神经网络，得到预测帧的第一特征图，通过尺度缩放及量化得到预测帧的第二特征图。将预测帧的第二特征图与参考帧的第二特征图相减，得到特征图残差；利用参考帧的第二特征图作为先验信息，对特征图残差进行无损熵编码，并传输至解码端；将特征图残差与参考帧的第二特征图相加并逆缩放后，通过卷积神经网络得到重构的预测帧。本发明利用尺度因子将特征图进行尺度缩放，从而得到不同码率质量对应的特征图。

本发明授权一种可变码率视频压缩方法、系统、装置及存储介质在权利要求书中公布了：1.一种可变码率视频压缩方法，其特征在于，包括：可变码率帧内编解码：在编码端，将参考帧图像通过卷积神经网络，得到参考帧第一特征图，并通过特征图尺度缩放及量化得到参考帧第二特征图；经过无损熵编码并传输；在解码端，将所述参考帧第二特征图进行逆缩放后，通过卷积神经网络得到重构的参考帧；可变码率帧间编码：在编码端，将预测帧图像通过卷积神经网络，得到预测帧第一特征图，并通过特征图尺度缩放及量化得到预测帧第二特征图；将所述预测帧第二特征图与所述参考帧第二特征图相减，得到特征图残差；帧间残差熵编码：基于所述参考帧第二特征图，对所述特征图残差进行无损熵编码，并传输至解码端；可变码率帧间解码：在解码端，将所述特征图残差与所述参考帧第二特征图相加并逆缩放后，通过卷积神经网络得到重构的预测帧；所述帧间残差熵编码，包括：将所述参考帧第二特征图和所述预测帧第二特征图进行拼接后，通过卷积神经网络，得到超先验信息；对于所述超先验信息，通过添加均匀噪声的方式模拟量化，生成量化的超先验信息；将量化的超先验信息通过卷积神经网络，得到重构的超先验信息；根据所述参考帧第二特征图，以及所述特征图残差进行建模，得到用于编码特征残差的上下文信息；根据构造分布，估计量化的超先验信息编码所需码率LBPP-H；构造分布用于估计对超先验信息进行编码所需的码率，超先验信息编码所需码率LBPP-H通过训练获得的神经网络自适应映射到码表进行估计；根据高斯分布均值与方差，估计所述特征图残差编码所需码率LBPP-F；特征图残差编码通过对于残差项逐个编码实现，对于第i个残差项yi，根据估计获得的高斯分布均值μi和方差σi2进行编码；其中，所述根据所述参考帧第二特征图，以及所述特征图残差进行建模，得到用于编码特征残差的上下文信息，包括：空域上下文信息提取：提取参考帧与预测帧的特征残差在空域维度上的上下文信息；时域上下文信息提取：利用参考帧特征图，提取在时域维度上的上下文信息；熵编码分布估计：融合所述上下文信息和所述超先验信息，估计用于编码的高斯分布的均值和方差，并将其输出到算术编码。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。