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！

龙图腾网获悉中国科学技术大学申请的专利基于自适应通道和空间窗口熵模型的图像压缩方法及系统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：CN116567240B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310675737.2，技术领域涉及：H04N19/13；该发明授权基于自适应通道和空间窗口熵模型的图像压缩方法及系统是由凌强;王健;李峰;方毅设计研发完成，并于2023-06-08向国家知识产权局提交的专利申请。

本基于自适应通道和空间窗口熵模型的图像压缩方法及系统在说明书摘要公布了：本发明涉及一种基于自适应通道和空间窗口熵模型的图像压缩方法及系统，首先输入待编码的图片，然后使用参数合成变换将待编码的图片转换到隐状态变量，编码隐状态变量比编码原始的图像的压缩性能更好，接着使用非均匀的通道划分和棋盘式的空间划分方法进行通道和空间划分，然后使用通道熵模型和空间熵模型生成通道上下文和空间上下文，再通过参数变换网络预测锚点和非锚点变量的均值和方差，根据预测的均值和方差对隐状态变量进行编码和解码，最后使用参数合成变换恢复解码后的图像。本发明能够分别提高通道上下文和空间上下文的准确性，从而提高隐状态变量均值和方差预测的准确性，减少编码所需的比特数，并显著提高解码图像的清晰度。

本发明授权基于自适应通道和空间窗口熵模型的图像压缩方法及系统在权利要求书中公布了：1.一种基于自适应通道和空间窗口熵模型的图像压缩方法，其特征在于，实现如下： 步骤1：将输入待压缩的图像转换成隐状态变量； 步骤2：将所述隐状态变量输入超先验分析下采样网络，得到超先验变量；对超先验变量进行编码和解码，解码的超先验变量输入超先验分析上采样网络，得到上采样的超先验变量； 步骤3：将所述隐状态变量按照通道进行非均匀通道划分得到多个通道隐状态变量，对于每个通道隐状态变量依次执行步骤4，步骤5，步骤6和步骤7； 步骤4：采用棋盘方式对每个通道隐状态变量进行空间划分，空间划分的结果是分成锚点特征和非锚点特征； 步骤5：对于第一个通道隐状态变量，将步骤2中上采样的超先验变量输入自适应通道熵模型预测通道上下文；对于非第一个通道隐状态变量，将所有已经解码的通道隐状态变量和上采样的超先验变量同时输入自适应通道熵模型预测通道上下文；将预测的通道上下文输入两个相同的锚点参数变换网络预测锚点特征的均值和方差，根据均值和方差对锚点特征进行无损编码，得到编码后的比特流，并对比特流进行解码，得到解码后的锚点特征； 步骤6：将步骤5中解码后的锚点特征输入基于窗口的空间熵模型预测非锚点特征的空间上下文；将非锚点特征的空间上下文和步骤5中预测的通道上下文输入两个相同的非锚点参数变换网络预测非锚点特征的均值和方差，根据均值和方差对非锚点特征进行无损编码，得到编码后的比特流，并对所述比特流进行解码，得到解码后的非锚点特征； 步骤7：将步骤5中解码后的锚点特征和步骤6中解码后的非锚点特征进行棋盘式空间合并，得到解码的通道隐状态变量； 步骤8：将所述解码的所有通道隐状态变量按照通道维度合并，得到解码的隐状态变量，并将解码的隐状态变量输入参数合成变换网络得到解码后的图像。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。

以上内容由龙图腾AI智能生成。