CN102496162A - 基于非张量积小波滤波器的部分参考图像质量评价方法 - Google Patents

基于非张量积小波滤波器的部分参考图像质量评价方法 Download PDF

Info

Publication number
CN102496162A
CN102496162A CN2011104325066A CN201110432506A CN102496162A CN 102496162 A CN102496162 A CN 102496162A CN 2011104325066 A CN2011104325066 A CN 2011104325066A CN 201110432506 A CN201110432506 A CN 201110432506A CN 102496162 A CN102496162 A CN 102496162A
Authority
CN
China
Prior art keywords
image
visual signature
yardstick
reference picture
tensor product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011104325066A
Other languages
English (en)
Other versions
CN102496162B (zh
Inventor
丁勇
张渊
谢鹏宇
王肖宁
张晓濛
李楠
夏禹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN 201110432506 priority Critical patent/CN102496162B/zh
Publication of CN102496162A publication Critical patent/CN102496162A/zh
Application granted granted Critical
Publication of CN102496162B publication Critical patent/CN102496162B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种基于非张量积小波滤波器的部分参考图像质量评价方法。现有图像的压缩、传输、处理与复制过程中，图像很容易发生失真。本发明方法具体实施包括如下步骤：（一）输入参考图像和失真图像；（二）建立非张量积小波滤波器，对参考图像和失真图像分别进行处理；（三）求出参考图像和失真图像的信息熵；（四）求出参考图像和失真图像的信息差异VD；（五）建立质量评价函数VQ，得出失真图像的质量分数。本发明利用非张量积小波滤波器提取视觉特征，并基于参考图像和失真图像的信息熵来建立图像质量评价函数，评价结果符合人类视觉主观认识。

Description

基于非张量积小波滤波器的部分参考图像质量评价方法
技术领域
本发明属于图像处理技术领域，尤其涉及一种基于信息论的、利用非张量积小波滤波器的部分参考型图像质量评价方法。
背景技术
随着互联网技术的发展，图像在人们的日常生活中扮演着原来越重要的角色。然而在图像的压缩、传输、处理与复制过程中，图像很容易发生失真，因此如何精确地评价图像质量已成为图像处理与压缩领域的研究热点。
客观图像质量评价方法主要分为：全参考图像质量评价（full-reference, FR），无参考图像质量评价(no-reference, NR) 和部分参考图像质量评价(reduced-reference, RR)。其中FR方法虽然较为精确，但并不是非常实用，因为该方法需要利用参考图像（即原始图像）来评价失真图像的质量分数，而在有些情况下参考图像并不容易得到；NR方法虽然不需要利用参考图像，但该方法通常只适用于某些特定的失真，因此并不具有普适性；而RR方法只需要利用参考图像的一部分特征信息，该方法在FR与NR方法之间取得了良好的平衡，适用性更广。
因此，很多学者提出了一些新的RR方法来评价图像质量。Wang et al.( Z. Wang, E. P. Simoncelli, Reduced-reference image quality assessment using a wavelet-domain natural image statistic model, in Proc. SPIE, Human Vision and Electronic Imaging, 5666 (1) (2005) 149-159.)提出了一种基于小波域统计特性的RR方法，该方法利用了GGD(General Gaussian Density)函数来模拟小波系数的边缘分布。该方法虽然取得了良好的效果，然而需要处理的数据量和计算量相对较高。Lin et al(L. Ma, S. N. Li, F. Zhang, and K. N. Ngan, “Reduced-reference image quality assessment using reorganized DCT-based image representation,” IEEE Trans. Multimedia., 13 (4) (2011) 824-829.)提出了一种新的RR方法，在该方法中，CBD（City Block Distance）被用于计算参考图像和失真图像的系数分布距离。Q. Li（Q. Li, and Z. Wang, Reduced-reference image quality assessment using divisive normalization-based image representation, IEEE J. Selected Topics in Signal Process., 3 (2) (2009) 202-211.）提出了一种基于DNT(divisive normalization transform)的部分参考图像质量评价方法，虽然该方法提高了预测精确度，但是仍然有着庞大的计算量。
发明内容
本发明方法的目的是针对现有图像质量评价方法的不足，提供一种基于信息论、利用非张量积小波滤波器的部分参考图像质量评价方法。
本发明方法具体实施步骤是： 
步骤(1).输入参考图像R和失真图像D。
步骤(2).建立一组非张量积小波滤波器(NPWFB ,non-tensor productwavelet filter banks)                                                
Figure 2011104325066100002DEST_PATH_IMAGE002
；
非张量积小波滤波器
Figure 799648DEST_PATH_IMAGE002
的建立步骤如下：
对任意给定正整数值，
其中：
Figure 2011104325066100002DEST_PATH_IMAGE008
，
Figure 2011104325066100002DEST_PATH_IMAGE010
，T为矩阵转置，
D(z 1,z 2) 定义如下：
Figure 2011104325066100002DEST_PATH_IMAGE012
Figure 2011104325066100002DEST_PATH_IMAGE014
其中
Figure 2011104325066100002DEST_PATH_IMAGE016
为任意实数，
Figure 2011104325066100002DEST_PATH_IMAGE018
，。
 
步骤(3).取尺度为N，N为正整数，利用步骤（2）所建立的一组非张量积小波滤波器，在第
Figure 2011104325066100002DEST_PATH_IMAGE020
尺度上，参考图像R和失真图像D经滤波器滤波后，得到参考图像R的视觉特征图
Figure 2011104325066100002DEST_PATH_IMAGE024
和失真图像D的视觉特征图
Figure 2011104325066100002DEST_PATH_IMAGE026
，其中
Figure 2011104325066100002DEST_PATH_IMAGE028
，
Figure 2011104325066100002DEST_PATH_IMAGE030
； 
3-1.参考图像R经
Figure 2011104325066100002DEST_PATH_IMAGE032
分别滤波后，得到在尺度1上的视觉特征图
Figure 2011104325066100002DEST_PATH_IMAGE034
。
3-2.对视觉特征图进行二维三次插值降采样；
Figure 2011104325066100002DEST_PATH_IMAGE038
其中，该二维三次插值降采样分别对水平方向和垂直方向上的4点进行插值，
Figure 2011104325066100002DEST_PATH_IMAGE040
为该4点的偏移量；
Figure 2011104325066100002DEST_PATH_IMAGE042
为二维三次插值滤波器；
3-3.将视觉特征图
Figure 918388DEST_PATH_IMAGE036
进行二维三次插值降采样后的图像再次经
Figure 2011104325066100002DEST_PATH_IMAGE044
分别滤波，得到在尺度2上的视觉特征图
Figure 2011104325066100002DEST_PATH_IMAGE046
；
3-4.将视觉特征图进行二维三次插值降采样，并将视觉特征图
Figure 573491DEST_PATH_IMAGE048
二维三次插值降采样后的图像再次经分别滤波，得到在尺度3上的视觉特征图
Figure 2011104325066100002DEST_PATH_IMAGE050
；
3-5. 以此类推，可得到在尺度
Figure 156974DEST_PATH_IMAGE020
上的视觉特征图
Figure 2011104325066100002DEST_PATH_IMAGE052
，将上述步骤中的参考图像R换为失真图像D，经过上述步骤，即可得到在尺度
Figure 854803DEST_PATH_IMAGE020
上失真图像D的视觉特征图
Figure 2011104325066100002DEST_PATH_IMAGE054
。
步骤(4).在尺度
Figure 439280DEST_PATH_IMAGE020
上，计算参考图像R和失真图像D的视觉差异
Figure 2011104325066100002DEST_PATH_IMAGE056
(visual difference).
对任意图像B，其图像的信息熵
Figure 2011104325066100002DEST_PATH_IMAGE058
为：
Figure 2011104325066100002DEST_PATH_IMAGE060
其中
Figure 2011104325066100002DEST_PATH_IMAGE062
通过建立直方图求得；
对任意图像
Figure 2011104325066100002DEST_PATH_IMAGE064
，其图像
Figure 575863DEST_PATH_IMAGE064
的信息差异为：
Figure 2011104325066100002DEST_PATH_IMAGE068
因此，在尺度上，参考图像R和失真图像D的视觉差异
Figure 487373DEST_PATH_IMAGE056
计算如下：
Figure 2011104325066100002DEST_PATH_IMAGE070
步骤(5).建立图像质量评价函数VQ；
Figure 2011104325066100002DEST_PATH_IMAGE072
其中
Figure 2011104325066100002DEST_PATH_IMAGE074
为尺度数，
Figure 2011104325066100002DEST_PATH_IMAGE076
为缩放控制因子，
Figure 2011104325066100002DEST_PATH_IMAGE078
满足：
Figure 2011104325066100002DEST_PATH_IMAGE080
，VQ值越大，表示失真图像的质量越高。
本发明方法有益效果如下：
与现有的部分参考图像质量评价方法相比，本发明具有较低的RR数据量和计算复杂度，从而可以具有传输方便、实现便捷的特点，适用范围更加广泛；而且经实验验证，本发明取得了良好的效果。
附图说明
图1为本发明方法流程图；
图2为建立参考图像各尺度视觉特征图的过程。
具体实施方式
    下面结合附图对本发明方法作进一步说明。   
如图1所示为本发明方法流程，具体实施步骤如下：
步骤(1).输入参考图像R和失真图像D。
步骤(2).建立一组非张量积小波滤波器(NPWFB ,non-tensor productwavelet filter banks) 
Figure 490970DEST_PATH_IMAGE002
；
非张量积小波滤波器
Figure 227982DEST_PATH_IMAGE002
的建立步骤如下：
取
Figure 62952DEST_PATH_IMAGE004
=2，
其中：，
Figure 2011104325066100002DEST_PATH_IMAGE082
，T为矩阵转置，
D(z 1,z 2) 定义如下：
Figure 947228DEST_PATH_IMAGE012
Figure 590699DEST_PATH_IMAGE014
其中，
Figure 2011104325066100002DEST_PATH_IMAGE084
步骤(3).取尺度为N=3，利用步骤（2）所建立的一组非张量积小波滤波器，在第尺度上，参考图像R和失真图像D经滤波器
Figure 22829DEST_PATH_IMAGE022
滤波后，得到参考图像R的视觉特征图和失真图像D的视觉特征图
Figure 412671DEST_PATH_IMAGE026
，其中
Figure 246634DEST_PATH_IMAGE028
，
Figure 508857DEST_PATH_IMAGE030
；建立过程如图2所示；
3-1.如图2 所示，参考图像R经分别滤波后，得到在尺度1上的视觉特征图。
3-2.对视觉特征图
Figure 561761DEST_PATH_IMAGE036
进行二维三次插值降采样；
Figure 999696DEST_PATH_IMAGE038
其中，该二维三次插值降采样分别对水平方向和垂直方向上的4点进行插值，为该4点的偏移量；
Figure 266784DEST_PATH_IMAGE042
为二维三次插值滤波器；
3-3.将视觉特征图
Figure 380233DEST_PATH_IMAGE036
进行二维三次插值降采样后的图像再次经
Figure 367781DEST_PATH_IMAGE044
分别滤波，得到在尺度2上的视觉特征图
Figure 405138DEST_PATH_IMAGE046
；
3-4.将视觉特征图
Figure 466635DEST_PATH_IMAGE048
进行二维三次插值降采样，并将视觉特征图
Figure 813303DEST_PATH_IMAGE048
二维三次插值降采样后的图像再次经
Figure 537414DEST_PATH_IMAGE044
分别滤波，得到在尺度3上的视觉特征图
Figure 565413DEST_PATH_IMAGE050
；
将上述步骤中的参考图像R换为失真图像D，经过上述步骤，即可得到在尺度
Figure 809312DEST_PATH_IMAGE020
上失真图像D的视觉特征图
Figure 998985DEST_PATH_IMAGE054
,
Figure 2011104325066100002DEST_PATH_IMAGE086
;
步骤(4).在尺度
Figure 774174DEST_PATH_IMAGE020
上，计算参考图像R和失真图像D的视觉差异
Figure 340285DEST_PATH_IMAGE056
(visual difference).
对任意图像B，其图像的信息熵
Figure 959397DEST_PATH_IMAGE058
为：
Figure 382288DEST_PATH_IMAGE060
其中通过建立直方图求得；
对任意图像
Figure 952258DEST_PATH_IMAGE064
，其图像
Figure 905170DEST_PATH_IMAGE064
的信息差异
Figure 702225DEST_PATH_IMAGE066
为：
Figure 622645DEST_PATH_IMAGE068
因此，在尺度上，参考图像R和失真图像D的视觉差异
Figure 869136DEST_PATH_IMAGE056
计算如下：
Figure 650141DEST_PATH_IMAGE070
步骤(5).建立图像质量评价函数VQ；
Figure 808590DEST_PATH_IMAGE072
    其中，
Figure 520194DEST_PATH_IMAGE076
为缩放控制因子（scaling control factor），取0.01 ，
Figure 2011104325066100002DEST_PATH_IMAGE088
。

Claims (1)

1.基于非张量积小波滤波器的部分参考图像质量评价方法，其特征在于它包括以下步骤：
步骤（1）：输入参考图像R和失真图像D；
步骤（2）建立一组非张量积小波滤波器(NPWFB ,non-tensor product wavelet filter banks)                                                ；
非张量积小波滤波器的建立步骤如下：
对任意给定正整数值
Figure 2011104325066100001DEST_PATH_IMAGE004
，
其中：
Figure 2011104325066100001DEST_PATH_IMAGE008
，
，T为矩阵转置，
D(z 1,z 2) 定义如下：
Figure 2011104325066100001DEST_PATH_IMAGE012
其中
Figure 2011104325066100001DEST_PATH_IMAGE016
为任意实数，
Figure 2011104325066100001DEST_PATH_IMAGE018
；
步骤（3）取尺度为N，N为正整数，利用步骤（2）所建立的一组非张量积小波滤波器，在第
Figure 2011104325066100001DEST_PATH_IMAGE020
尺度上，参考图像R和失真图像D经滤波器
Figure 2011104325066100001DEST_PATH_IMAGE022
滤波后，得到参考图像R的视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE024
和失真图像D的视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE026
，其中
Figure 2011104325066100001DEST_PATH_IMAGE028
，
Figure 2011104325066100001DEST_PATH_IMAGE030
；
3-1.参考图像R经分别滤波后，得到在尺度1上的视觉特征图；
3-2.对视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE036
进行二维三次插值降采样；
Figure 2011104325066100001DEST_PATH_IMAGE038
其中，该二维三次插值降采样分别对水平方向和垂直方向上的4点进行插值，
Figure 2011104325066100001DEST_PATH_IMAGE040
为该4点的偏移量；
Figure 2011104325066100001DEST_PATH_IMAGE042
为二维三次插值滤波器；
3-3.将视觉特征图
Figure 972604DEST_PATH_IMAGE036
进行二维三次插值降采样后的图像再次经
Figure 2011104325066100001DEST_PATH_IMAGE044
分别滤波，得到在尺度2上的视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE046
；
3-4.将视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE048
进行二维三次插值降采样，并将视觉特征图
Figure 431398DEST_PATH_IMAGE048
二维三次插值降采样后的图像再次经
Figure 998558DEST_PATH_IMAGE044
分别滤波，得到在尺度3上的视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE050
；
3-5. 以此类推，可得到在尺度
Figure 46148DEST_PATH_IMAGE020
上的视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE052
，将上述步骤中的参考图像R换为失真图像D，经过上述步骤，即可得到在尺度
Figure 168956DEST_PATH_IMAGE020
上的视觉特征图
Figure 2011104325066100001DEST_PATH_IMAGE054
；
步骤（4）在尺度
Figure 301997DEST_PATH_IMAGE020
上，计算参考图像R和失真图像D的视觉差异
Figure 2011104325066100001DEST_PATH_IMAGE056
(visual difference).
对任意图像B，其图像的信息熵
Figure 2011104325066100001DEST_PATH_IMAGE058
为：
Figure 2011104325066100001DEST_PATH_IMAGE060
其中
Figure 2011104325066100001DEST_PATH_IMAGE062
通过建立直方图求得；
对任意图像
Figure 2011104325066100001DEST_PATH_IMAGE064
，其图像
Figure 542354DEST_PATH_IMAGE064
的信息差异
Figure 2011104325066100001DEST_PATH_IMAGE066
为：
Figure 2011104325066100001DEST_PATH_IMAGE068
因此，在尺度
Figure 756036DEST_PATH_IMAGE020
上，参考图像R和失真图像D的视觉差异
Figure 236696DEST_PATH_IMAGE056
计算如下：
Figure 2011104325066100001DEST_PATH_IMAGE070
步骤（5）建立图像质量评价函数VQ；
Figure 2011104325066100001DEST_PATH_IMAGE072
其中
Figure 2011104325066100001DEST_PATH_IMAGE074
为尺度数，
Figure 2011104325066100001DEST_PATH_IMAGE076
为缩放控制因子，
Figure 2011104325066100001DEST_PATH_IMAGE078
满足：
Figure 2011104325066100001DEST_PATH_IMAGE080
，VQ值越大，表示失真图像的质量越高。
CN 201110432506 2011-12-21 2011-12-21 基于非张量积小波滤波器的部分参考图像质量评价方法 Expired - Fee Related CN102496162B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110432506 CN102496162B (zh) 2011-12-21 2011-12-21 基于非张量积小波滤波器的部分参考图像质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110432506 CN102496162B (zh) 2011-12-21 2011-12-21 基于非张量积小波滤波器的部分参考图像质量评价方法

Publications (2)

Publication Number Publication Date
CN102496162A true CN102496162A (zh) 2012-06-13
CN102496162B CN102496162B (zh) 2013-07-10

Family

ID=46187984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110432506 Expired - Fee Related CN102496162B (zh) 2011-12-21 2011-12-21 基于非张量积小波滤波器的部分参考图像质量评价方法

Country Status (1)

Country Link
CN (1) CN102496162B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103841410A (zh) * 2014-03-05 2014-06-04 北京邮电大学 基于图像特征信息的半参考视频QoE客观评估方法
CN107589453A (zh) * 2017-07-25 2018-01-16 西安交通大学 一种信息熵滤波器与地震资料随机噪声衰减方法
CN109801266A (zh) * 2018-12-27 2019-05-24 西南技术物理研究所 一种无线图像数据链的图像质量评估系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139487A (ja) * 1997-07-16 1999-02-12 Dainippon Printing Co Ltd 画像検査方法および装置
WO2006107364A1 (en) * 2005-04-04 2006-10-12 Siemens Medical Solutions Usa, Inc. System and method for quantifying the quality of motion correction in image registration
CN101605272A (zh) * 2009-07-09 2009-12-16 浙江大学 一种部分参考型图像客观质量评价方法
CN101930607A (zh) * 2010-08-04 2010-12-29 深圳中兴力维技术有限公司 一种图像质量判别方法
CN101977333A (zh) * 2010-11-24 2011-02-16 南京信息工程大学 基于小波和结构自相似性分析的无参考图像质量评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139487A (ja) * 1997-07-16 1999-02-12 Dainippon Printing Co Ltd 画像検査方法および装置
WO2006107364A1 (en) * 2005-04-04 2006-10-12 Siemens Medical Solutions Usa, Inc. System and method for quantifying the quality of motion correction in image registration
CN101605272A (zh) * 2009-07-09 2009-12-16 浙江大学 一种部分参考型图像客观质量评价方法
CN101930607A (zh) * 2010-08-04 2010-12-29 深圳中兴力维技术有限公司 一种图像质量判别方法
CN101977333A (zh) * 2010-11-24 2011-02-16 南京信息工程大学 基于小波和结构自相似性分析的无参考图像质量评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
蒋刚毅 等: "图像质量评价方法研究进展", 《电子与信息学报》 *
路文，高新波，王体胜: "一种基于小波分析的部分参考型图像质量评价方法", 《电子与信息学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103841410A (zh) * 2014-03-05 2014-06-04 北京邮电大学 基于图像特征信息的半参考视频QoE客观评估方法
CN103841410B (zh) * 2014-03-05 2016-05-04 北京邮电大学 基于图像特征信息的半参考视频QoE客观评估方法
CN107589453A (zh) * 2017-07-25 2018-01-16 西安交通大学 一种信息熵滤波器与地震资料随机噪声衰减方法
CN107589453B (zh) * 2017-07-25 2018-12-07 西安交通大学 一种信息熵滤波器与地震资料随机噪声衰减方法
CN109801266A (zh) * 2018-12-27 2019-05-24 西南技术物理研究所 一种无线图像数据链的图像质量评估系统

Also Published As

Publication number Publication date
CN102496162B (zh) 2013-07-10

Similar Documents

Publication Publication Date Title
CN108428227B (zh) 基于全卷积神经网络的无参考图像质量评价方法
CN108596902B (zh) 基于选通卷积神经网络的多任务全参考图像质量评价方法
CN100559881C (zh) 一种基于人工神经网络的视频质量评价方法
CN102421007B (zh) 基于多尺度结构相似度加权综合的图像质量评价方法
He et al. Sparse representation for blind image quality assessment
CN107633520A (zh) 一种基于深度残差网络的超分辨率图像质量评估方法
CN104079925B (zh) 基于视觉感知特性的超高清视频图像质量客观评价方法
CN110728656A (zh) 基于元学习的无参考图像质量数据处理方法、智能终端
CN106920232A (zh) 基于显著性检测的梯度相似度图像质量评价方法及系统
CN107743225B (zh) 一种利用多层深度表征进行无参考图像质量预测的方法
CN109961434A (zh) 面向层级语义衰减的无参考图像质量评价方法
CN104902268B (zh) 基于局部三元模式的无参考立体图像客观质量评价方法
CN113554599B (zh) 一种基于人类视觉效应的视频质量评价方法
CN108259893B (zh) 基于双流卷积神经网络的虚拟现实视频质量评价方法
CN104361583B (zh) 一种确定非对称失真立体图像客观质量的方法
CN108830829B (zh) 联合多种边缘检测算子的无参考质量评价算法
CN109257592B (zh) 基于深度学习的立体视频质量客观评价方法
Li et al. Recent advances and challenges in video quality assessment
CN102496162B (zh) 基于非张量积小波滤波器的部分参考图像质量评价方法
CN106412571A (zh) 一种基于梯度相似性标准差的视频质量评价方法
CN104144339B (zh) 一种基于人眼感知的质降参考立体图像质量客观评价方法
CN106022362A (zh) 针对jpeg2000压缩失真的无参考图像质量客观评价方法
CN103996188A (zh) 一种基于Gabor加权特征的全参考型图像质量评价方法
CN102497576A (zh) 基于Gabor特征互信息的全参考图像质量评价方法
CN111127386B (zh) 一种基于深度学习的图像质量评价方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130710

Termination date: 20151221

EXPY Termination of patent right or utility model