技術特征：

1.基于脈沖擴散模型的幀間圖像輔助信息生成方法，其特征在于，包括以下步驟：

2.如權利要求1所述的基于脈沖擴散模型的幀間圖像輔助信息生成方法，其特征在于，在步驟一中，所述初始的輔助信息，是根據(jù)當前視頻幀序列的結構和運動特征，利用線性或非線性插值方法生成，具體表示為：

3.如權利要求1所述的基于脈沖擴散模型的幀間圖像輔助信息生成方法，其特征在于，在步驟二中，具體采用脈沖發(fā)放模型模擬生物神經(jīng)元的活動，優(yōu)化輔助信息的表征，具體表示為：

4.如權利要求1所述的基于脈沖擴散模型的幀間圖像輔助信息生成方法，其特征在于，在步驟三中，將snn編碼后的輔助信息輸入到擴散模型中，逐步注入噪聲以模擬隨機擾動的過程，產(chǎn)生更逼近真實分布的輔助信息，具體表示為：

5.如權利要求1所述的基于脈沖擴散模型的幀間圖像輔助信息生成方法，其特征在于，在步驟四中，所述生成優(yōu)化的輔助信息的過程，表示為：

6.如權利要求1所述的基于脈沖擴散模型的幀間圖像輔助信息生成方法，其特征在于，在步驟五中，重構最終視頻幀的過程，表示為：

技術總結
基于脈沖擴散模型的幀間圖像輔助信息生成方法，屬于圖像數(shù)據(jù)處理領域，包括：一，基于幀間圖像的相似性，生成初步的輔助信息；二，通過SNN對初始輔助信息進行編碼，模擬生物神經(jīng)元的活動模式，優(yōu)化輔助信息的時序處理能力；三，采用擴散模型在脈沖神經(jīng)網(wǎng)絡編碼后的輔助信息中逐步注入噪聲；四，通過擴散模型的反向過程，從含噪聲的輔助信息恢復出高質量的輔助信息，逐步消除噪聲并生成優(yōu)化的輔助信息；五，結合優(yōu)化后的輔助信息與視頻塊的局部特征，應用反卷積圖像處理技術，完成壓縮視頻數(shù)據(jù)的高效傳輸和解碼重建。本發(fā)明通過模擬視頻信號在時間和空間維度上的擴散過程，生成更加精確的輔助信息，提高視頻壓縮效率，優(yōu)化傳輸性能。

技術研發(fā)人員：蔣先濤,靖永慧,張鎮(zhèn),謝東明,許曉潔,靖婉琦,李培波,許得龍,劉夢潔,劉晨甲,徐如明,宋光恒,焦明波
受保護的技術使用者：聊城萊柯智能機器人有限公司
技術研發(fā)日：
技術公布日：2025/1/2