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！

龙图腾网恭喜四川大学申请的专利一种基于深度学习的VVC压缩伪影去除半盲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：CN116074540B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202111257660.4，技术领域涉及：H04N19/86；该发明授权一种基于深度学习的VVC压缩伪影去除半盲方法是由何小海;帅鑫;熊淑华;卿粼波;陈洪刚;滕奇志;吴小强设计研发完成，并于2021-10-27向国家知识产权局提交的专利申请。

本一种基于深度学习的VVC压缩伪影去除半盲方法在说明书摘要公布了：本发明针对无法获取VVC解码视频量化参数的盲场景提出一种基于深度学习的VVC压缩伪影去除半盲方法。首先根据VVC的解码视频压缩特性，提出一种量化参数预测网络与投票机制预测出量化参数。然后提出一种VVC解码视频压缩伪影去除网络并训练量化参数为32、37、42的模型。最后根据预测的量化参数，为解码视频选择对应的模型进行去压缩伪影。实验结果表明，本发明方法能够有效去除VVC解码视频的压缩伪影。

本发明授权一种基于深度学习的VVC压缩伪影去除半盲方法在权利要求书中公布了：1.一种基于深度学习的VVC压缩伪影去除半盲方法，其特征在于：1使用Kirsh算子提取视频帧中纹理丰富的区域作为代表当前视频质量的特征块，提出一种量化参数预测网络来预测VVC解码视频的量化参数，将不知道量化参数的盲场景转换为非盲场景：不同量化参数编码的VVC解码视频具有不同的压缩伪影，随着量化参数增大，压缩伪影越明显，视频质量越低，根据此特性，提取代表解码视频的若干个特征块，提出一种量化参数预测网络为每个特征块预测出量化参数，并利用投票机制，选取特征块中结果最多的量化参数作为是解码视频的量化参数从而达到预测目的，该量化参数预测网络用交叉熵损失函数训练，如下， 其中，M代表类别，N代表样本总数，yic代表符号函数0或1，如果样本i的真实类别等于c，则yic取1，否则取0，pic代表样本i属于类别c的预测概率；2提出一种基于解码视频空时域信息的VVC解码视频压缩伪影去除网络：所述网络结合解码视频的空时域信息，利用解码视频的当前帧的空域信息以及其相邻帧的时域信息去压缩，因为直接使用相邻帧可能会引入负面信息，所以首先通过使用运动补偿子网络对齐相邻帧，再提出去伪影子网络，其利用多尺度卷积层与“Concat”操作提取空时域特性，然后不断通过卷积层强化、映射特征以及残差学习的方式重建视频帧达到去压缩的目的，整个VVC解码视频压缩伪影去除网络用联合损失函数训练，如下， Lar＝||FR-Fte||13L去伪＝a*Lar+b*Lmc4其中，Ft表示当前帧，F′t-1表示补偿后的上一帧，F′t+1表示补偿后的下一帧，代表去压缩伪影后的帧，FR代表原始帧，Lmc表示运动补偿子网络，Lar表示去伪影子网络；3使用2中所提网络训练不同量化参数的压缩伪影去除网络，使用1中所提网络预测VVC解码视频的量化参数，再使用对应量化参数训练的网络去除VVC解码视频的压缩伪影：所述方法使用量化参数预测网络预测出VVC解码视频的量化参数，将不知道量化参数的场景转换为非盲场景，再使用VVC解码视频压缩伪影去除网络预训练几个模型，因为去除低质量解码视频的压缩伪影更为明显且更具有意义，而量化参数越大，解码视频的质量越低，所以训练量化参数为32、37、42的模型，根据预测的量化参数，使用对应的模型去除VVC解码视频的压缩伪影。

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”。