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！

龙图腾网恭喜电子科技大学申请的专利一种基于重建流场的压缩视频质量增强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：CN116012272B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202310059698.3，技术领域涉及：G06T5/50；该发明授权一种基于重建流场的压缩视频质量增强方法是由王正宁;刘旭航;刘帅成;徐宇航;罗兴隆;朱旭;匡育衡设计研发完成，并于2023-01-19向国家知识产权局提交的专利申请。

本一种基于重建流场的压缩视频质量增强方法在说明书摘要公布了：本发明公开了一种基于重建流场的压缩视频质量增强方法，属于视频质量增强技术领域。本发明构建了视频增强网络模型，其循环单元接受当前帧与相邻两帧关键帧作为输入，并结合上一帧的深度特征进行流场融合处理，再经多层级连的残差卷积模块得到当前帧的深度特征；基于核注意力模块在时域残差的引导下对深度特征进行处理，随后使用卷积层重建出质量增强残差，与输入相结合得到最终重建的高质量视频帧，抑制掉了压缩带来的噪声、伪影和模糊等影响视觉效果的因素，重建出高频纹理细节，提高了用户对网络视频等的观看体验。本发明利用到压缩编码时的先验信息，提高了视频帧间对齐的精度，在帧的空间维度和序列帧的时间维度上都取得了更好的重建效果。

本发明授权一种基于重建流场的压缩视频质量增强方法在权利要求书中公布了：1.一种基于重建流场的压缩视频质量增强方法，其特征在于，所述方法包括：步骤1，构建模型训练数据集：对无压缩视频序列构成的视频数据集中的每个视频进行压缩编解码，到得到每个视频序列所对应的不同压缩质量视频；在压缩编解码时提取码流中的先验信息，包括编码帧的量化参数QP和运动矢量MV；视频数据集中的各视频帧定义为高质量视频帧，压缩编解码后视频帧为低质量视频帧，得到高-低质量视频对；对高-低质量视频对进行图像预处理，基于指定长度的连续视频序列的高-低质量视频对，以及对应的先验信息得到一个样本数据，基于一定数量的样本数据得到模型训练数据集；步骤2，构建及训练视频增强网络模型；所述视频增强网络模型包括循环结构和重建模块；循环结构包括多个循环单元，每个循环单元对应着输入的低质量视频帧序列中的一帧，每个循环单元的输入包括：当前视频帧Ft和其相邻的两帧关键帧{Fp-,Fp+}，以及上一个循环单元中输出的深度特征Ht-1；其中，关键帧根据先验信息中的量化参数QP进行选择；每个循环单元用于提取当前视频帧Ft的深度特征Ht；所述循环单元包括光流估计模块、流场融合模块和多层级连的残差卷积模块；光流估计模块的输入为{Fp-,Ft,Fp+}，用于预测当前视频帧Ft的光流场；流场融合模块的输入包括当前视频帧Ft的光流和上一视频帧的编码运动矢量场MVt-1，用于对编码运动矢量场和光流场进行融合，得到重建流场；将重建流场与上一个循环单元输出的深度特征Ht-1进行对齐操作，再与当前视频帧Ft按通道维度进行拼接后输入多层级连的残差卷积模块，得到深度特征Ht；所述重建模块包括核注意力特征重建模块、时域残差计算模块和多层卷积层；其中，时域残差计算模块用于计算当前视频帧Ft与其前后相邻帧之间的时域残差，并将计算结果输入核注意力特征重建模块；核注意力特征重建模块的输入包括时域残差计算模块计算得到的时域残差和深度特征Ht，用于提取卷积核注意力图，并基于卷积核注意力图对特征Ht进行卷积运算，得到当前视频帧Ft的深度特征通过多层卷积层对深度特征进行图像通道数恢复，得到当前视频帧Ft的残差图像；将当前视频帧Ft与其残差图像求和得到当前视频帧Ft的视频质量增强结果基于预置的损失函数对视频增强网络模型进行网络参数训练，当达到预置的训练结束条件时，得到用于目标视频的视频增强网络模型。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。