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！

龙图腾网获悉北京工业大学申请的专利基于VVC视频编码特点的单帧超分辨率重建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：CN120070186B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202510230081.2，技术领域涉及：G06T3/4053；该发明授权基于VVC视频编码特点的单帧超分辨率重建方法是由刘鹏宇;王偲荣;董敏;贾少华;王佳琪;黄韵洁设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于VVC视频编码特点的单帧超分辨率重建方法在说明书摘要公布了：本发明公开了基于VVC视频编码特点的单帧超分辨率重建方法，属于超分辨率重建领域。本发明包括以下方面：第一，基于编码特点的特征融合方法；第二，基于编码特点的单帧超分辨率重建。本发明立足于当下最新的通用视频编码VVC标准，充分利用了视频编码特点对编码视频超分辨率重建过程的指导优势，与现有超分辨率重建中基于深度学习的思想相结合，通过融合单帧视频编码特征，指导超分辨率重建模型进行高质量拟合，在不增加模型框架复杂度的前提下，有效提升了对于解码后视频的超分辨率重建质量。

本发明授权基于VVC视频编码特点的单帧超分辨率重建方法在权利要求书中公布了：1.基于VVC视频编码特点的单帧超分辨率重建方法，其特征在于，包含以下两个内容， 第一：基于编码特点的特征融合方法； 将低分辨率图像与VVC编码过程中产生的编码特性中的块划分特征图BPM、帧内预测模式图IPM以及环路滤波信息图LFM进行通道级融合，并通过卷积操作初步提取融合特征，为后续网络提供编码先验信息； 第二：基于编码特点的单帧超分辨率重建； 在输出特征融合的基础上进行超分辨率重建模型的构建； 首先将融合编码特征作为后续多个编码感知残差块的初始输入；编码感知残差块由以下三部分构成：第一层卷积与非线性激活、注意力机制以及第二层卷积；在每个残差块中，首先对输入特征进行一次卷积操作，以提取局部特征信息，经过ReLU激活，得到中间特征； 4; 其中和分别表示第个残差块内第一层卷积的权重和偏置； 为更好聚焦特征信息，将中间特征输入到注意力机制模块SE进行加权，对进行全局平均池化操作，生成通道描述向量，然后将通过两个全连接层及激活函数生成各通道的注意力权重；再将生成的注意力权重作用于，生成加权后的特征，以此强化重要通道特征，抑制噪声和冗余信息；通过注意力机制模块后，输入至第二层卷积当中，对将加权后的特征通过一层卷积操作得到输出；之后利用残差连接，将该卷积输出与块的输入相加，得到当前编码感知残差块的输出； 5; 6; 7; 8; 9; 其中，和为全连接层的权重矩阵，表示ReLU激活函数，表示Sigmoid激活函数； 然后，通过堆叠多个残差块，形成深层次特征表示；最终输出特征 10; 其中表示为堆叠残差块个数，表示第个残差块提取的增量特征； 其次，将上述输出特征进行特征扩展，对进行一次卷积操作，将特征通道扩展至个通道，其中为上采样倍率，为基底通道数；应用亚像素卷积对扩展后的特征重新排列为高分辨率的空间信息，得到上采样特征； 11; 其中和表示卷积核与偏置，PixelShuffle操作将通道信息重排列为高分辨率的空间信息； 最后对上采样后的特征使用一个的卷积层，将通道数映射至最终图像的通道数，得到重建输出的目标超分辨率重建图像； 12; 其中和表示卷积核与偏置。

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北京工业大学，其通讯地址为：100024 北京市朝阳区平乐园100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。