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！

龙图腾网获悉重庆大学申请的专利一种基于稀疏与低秩近似的JPEG图像去块效应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：CN116385299B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310359681.X，技术领域涉及：G06T5/73；该发明授权一种基于稀疏与低秩近似的JPEG图像去块效应方法是由刘书君;田仕勋;曹建鑫;雷茂林;张奎设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本一种基于稀疏与低秩近似的JPEG图像去块效应方法在说明书摘要公布了：本发明公开了一种基于稀疏与低秩近似的JPEG图像去块效应方法。属于数字图像处理技术领域。它是一种利用聚类图像块稀疏表示和非局部相似图像块低秩近似的图像去块效应方法。首先对JPEG图像进行图像块的聚类与非局部相似图像块的提取，然后对聚类后属于同一类的图像块集合分别训练字典，接着利用lp范数作为正则化项对每一个字典下的系数进行稀疏表示，同时利用非整形函数作为正则化项对非局部相似图像块进行低秩近似，最终消除JPEG图像的块状伪影并恢复图像边缘的纹理细节。本发明针对提出的基于稀疏与低秩近似的JPEG图像去块效应模型采用交替方向迭代法求解，最终得到的图像明显消除了块状伪影并提供了大量的边缘纹理细节信息，因此可用于JPEG图像去块效应。

本发明授权一种基于稀疏与低秩近似的JPEG图像去块效应方法在权利要求书中公布了：1.一种基于稀疏与低秩近似的JPEG图像去块效应方法，包括以下步骤： 1输入一幅含有块状伪影的JPEG图像y,在预去块效应图像中利用滑动窗口提取图像块，使用聚类算法对其进行聚类，将全部图像块聚类为K类； 2在预去块效应图像中利用滑动窗口提取G个目标图像块，然后在每个目标图像块所在的区域中利用分类器选取与目标图像块相似的图像块，由这些相似图像块构成的集合称为结构组； 3根据聚类算法的聚类结果，以每一类的图像块集合为对象分别学习一个字典，然后使用lp范数对相应字典下的稀疏矩阵进行稀疏编码，以分类器提取到的结构组为对象，对每一个结构组分别利用非整形函数作为低秩正则化项进行低秩近似，从而建立基于稀疏与低秩近似的JPEG图像去块效应模型： 其中是将JPEG图像视为一种被噪声污染的图像中所对应的噪声的方差，该方差数值可由图像压缩过程中已知的量化模板直接得到，x为JPEG图像进行去块效应后得到的图像，μ是稀疏正则化参数，K表示步骤1中聚类后一共有K个类别，k表示聚类后的第k类，是用于提取图像块中属于第k类的所有图像块的算子，表示通过聚类得到的第k类图像块集合，Ck,0x是矩阵的第1列表示第k类图像块集合中的第1个图像块，Ck,1x是矩阵的第2列表示第k类图像块集合中的第2个图像块，Ck,b-1x是矩阵的第b列表示第k类图像块集合中的第b个图像块，b表示第k类图像块集合中共有b个图像块，Dk是由第k类图像块集合学习得到的字典，Ak是通过稀疏编码得到的字典Dk在第k类图像块集合下所对应的稀疏矩阵，是矩阵的Frobenius范数的平方，是稀疏矩阵Ak的lp范数的p次方，λ是低秩正则化参数，G表示步骤2中提取的目标图像块总数，i表示G个目标图像块中的第i个，是用于提取第i个目标图像块所在区域中与第i个目标目标图像块相似的全部图像块构成的集合的算子，该集合也称为第i个结构组，即是用于提取第i个结构组的算子，是一个矩阵表示通过分类器选取得到的第i个结构组，Ri,0x是矩阵的第1列表示第i个结构组中的第一个图像块，Ri,1x是矩阵的第2列表示第i个结构组中的第2个图像块，Ri,s-1x是矩阵的第s列表示第i个结构组中的第s个图像块，s是第i个结构组中图像块总数，Li表示由第i个结构组得到的低秩矩阵，Vi表示矩阵Li的非零奇异值总个数，vi表示矩阵Li的非零奇异值中的第v个，是矩阵Li的第v个非零奇异值，ε是一个用于确保分母不为零的很小的一个正常数，利用交替方向迭代法对图像去块效应模型进行求解。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。