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！

龙图腾网获悉广州迎威科技有限公司申请的专利一种分形数据压缩存储方法、系统及相关设备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：CN119341575B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202411408630.2，技术领域涉及：H03M7/40；该发明授权一种分形数据压缩存储方法、系统及相关设备是由张家伟;柯人元;施忆;李晶华;谢东亮设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本一种分形数据压缩存储方法、系统及相关设备在说明书摘要公布了：本发明涉及数据处理技术领域，公开了一种分形数据压缩存储方法、系统及其相关设备。该方法首先对输入数据进行多层次分析，识别不同尺度上的自相似结构，生成自相似性描述符；然后基于自相似性描述符动态划分数据为最优压缩单元，并为每个分区设计最佳的分形变换函数集；接着对分形变换后的残差进行多层次编码，并利用上下文信息进行自适应熵编码，得到压缩数据流；最后，实现压缩数据的渐进式解码和质量可控的重构。本发明还引入了性能分析与在线优化机制，能够持续提升系统性能。本发明能够显著提高压缩比和重构质量，降低编解码复杂度和内存开销，可广泛应用于物联网设备的数据存储与传输。

本发明授权一种分形数据压缩存储方法、系统及相关设备在权利要求书中公布了：1.一种分形数据压缩存储方法，其特征在于，包括如下步骤： 步骤101：对输入数据进行多层次分析，识别不同尺度上的自相似结构，生成自相似性描述符，包括： a.将输入数据X划分为n＝2s-1个子块i＝1,2，...，n，其中s为划分尺度，s＝1,2，...，S； b.对每个子块提取均值标准差和梯度直方图构成特征矩阵Fs c.计算Fs中子块间的欧欧几里得距离即： 其中表示L范数； d.定义相似度阈值为ε，若则认为它们相似，由此构建自相似图Gs并提取所有完全子图作为自相似模式； 步骤102：基于所述自相似性描述符，动态划分数据为最优压缩单元，获得优化分区方案，包括： a.基于所述自相似性描述符生成包含K+K′个分区块的初始分区方案P0，其中K为自相似模式子块数，K′为非自相似模式子块数； b.对每个分区块Bk评估其压缩代价CBk和重构代价RBk，二者满足： CBk＝wc1·f1Bk+wc2·f2Bk+… RBk＝wr1·g1Bk+wr2·g2Bk+… 其中f·和g·为代价特征，wci和wri为对应权重； c.通过启发式策略迭代优化P0，优化目标为：minCP，RP≤R0，并将优化后的分区方案P组织为四叉树结构，其中，minCP表示最小化当前分区方案P的压缩代价CP，RP表示当前分区方案P的重构代价，R0为重构代价约束； 步骤103：根据所述优化分区方案，为每个分区设计最佳的分形变换函数集，获得分形变换集；其中，对于分区块内任一像素x，其变换后的像素为： fmx＝am·[sm·Rθm·x+om]+bm 其中，fmx为变换后的像素，θm为旋转角度，Rθm为旋转矩阵，am、sm、om和bm分别为亮度尺度因子、几何尺度因子、偏移向量和亮度偏移量； 步骤104：根据所述分形变换集，对分形变换后的残差进行多层次编码，获得层级残差码流，所述多层次编码过程具体包括： a.计算每个分区块Bk的残差信号ek：ek＝Bk-fkBk，其中fk为Bk的最佳分形变换函数； b.对残差信号ek进行L层小波分解，得到各层小波系数其中为第l层小波系数，DWT·表示离散小波变换； c.对于高频小波系数lH＝1,2,...,L-1，将高频稀疏系数向量表示为其小波字典矩阵DlH下的稀疏线性组合：，其中为高频稀疏系数，为的L0范数，T为稀疏度约束； d.对低频小波系数采用自适应算术编码，将低频系数向量编码为低频编码结果clG； e.对高频稀疏系数向量采用游程编码和哈夫曼编码相结合的熵编码方式得到高频编码结果clH； f.基于拉格朗日优化分配各层位率：{R1,R2,...,RL}＝argminDtot+λ·R1+R2+...+RL-Rtot,其中Dtot为总失真，Rl为第l层相应的码率分配，λ为拉格朗日乘子，总失真可表示为各层失真加权求和：Dtot＝∑wl·Dl，其中Dl为第l层系数的重建失真，wl为尺度权重； 步骤105：根据所述层级残差码流，利用数据的上下文信息进行高效的熵编码，获得压缩数据流，所述熵编码过程具体包括： a.提取第l层残差数据cl的上下文特征xl，建立条件概率模型pcl|xl； b.对待编码系数提取其量化上下文并查找对应的概率模型参数计算条件概率估计值：其中f·为概率模型的参数化形式； c.基于令条件概率代表的概率估计值，对进行算术编码，更新编码区间为 d.利用更新上下文对应的概率模型参数实现自适应学习； 步骤106：根据所述压缩数据流，实现数据的渐进式解码和质量可控的重构，获得重构数据，解码重构过程具体包括： a.迭代计算分形编码参数{fk|k＝1,2,...,K}，重构基础层近似数据X0； b.逐层解码残差数据cl，得到量化残差数据对进行反量化、反变换，得到残差重建解码结果其中高频稀疏系数重建为：lH＝1,2,...,L-1；低频系数重建为：lG＝L； c.将解码结果与上层重构结果Xl-1叠加，得到逐层修正重建结果： d.计算客观失真度量Dl，当Dl≥Qth时，停止解码，输出当前的重构结果Xl，其中Qth为质量阈值； 步骤107：根据所述重构数据以及全系统运行数据，分析系统性能并持续优化各个模块，获得最终的优化策略。

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广州迎威科技有限公司，其通讯地址为：510630 广东省广州市天河区棠东东路13号2层225房C235；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。