CN109413435B - 一种基于视频压缩的预测方法 - Google Patents
一种基于视频压缩的预测方法 Download PDFInfo
- Publication number
- CN109413435B CN109413435B CN201811260624.1A CN201811260624A CN109413435B CN 109413435 B CN109413435 B CN 109413435B CN 201811260624 A CN201811260624 A CN 201811260624A CN 109413435 B CN109413435 B CN 109413435B
- Authority
- CN
- China
- Prior art keywords
- predicted
- prediction
- value
- adaptive template
- reconstruction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000007906 compression Methods 0.000 title claims abstract description 27
- 230000006835 compression Effects 0.000 title claims abstract description 27
- 230000003044 adaptive effect Effects 0.000 claims description 92
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000005192 partition Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 102100022002 CD59 glycoprotein Human genes 0.000 description 4
- 101000897400 Homo sapiens CD59 glycoprotein Proteins 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 101100247663 Arabidopsis thaliana TFIIS gene Proteins 0.000 description 2
- 101100194362 Schizosaccharomyces pombe (strain 972 / ATCC 24843) res1 gene Proteins 0.000 description 2
- 101100194363 Schizosaccharomyces pombe (strain 972 / ATCC 24843) res2 gene Proteins 0.000 description 2
- 101100247662 Ustilago maydis RDO1 gene Proteins 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/513—Processing of motion vectors
- H04N19/517—Processing of motion vectors by encoding
- H04N19/52—Processing of motion vectors by encoding by predictive encoding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种基于视频压缩的预测方法,包括:设定待预测MB的大小为m*n;利用第一预测模式对待预测MB进行预测,确定待预测MB的第一预测残差;利用第二预测模式对待预测MB进行预测,确定待预测MB的第二预测残差;分别获得第一预测模式对应的第一标准差和第二预测模式对应的第二标准差;根据第一预测残差、第一标准差、第二预测残差和第二标准差确定待预测MB的最终预测模式。本发明的有益效果主要表现在:当待压缩图像的纹理较为复杂时,通过不同的预测方法对其进行预测,然后再根据预测结果从多种预测方法中选取最优的预测方法,能够降低理论极限熵,并能够提高纹理复杂的待压缩图像的压缩质量,改善预测效果。
Description
技术领域
本发明涉及一种视频压缩技术领域,特别涉及一种基于视频压缩的预 测方法。
背景技术
数字视频产品的需求近些年越来越多。主流的应用主要包括视频通信、 安全监控与工业自动化等,而最热门的要算娱乐应用,如DVD、HDTV、 卫星电视、高清(HD)机顶盒、因特网视频流、数码相机与HD摄像机、视 频光盘库(video jukebox)、高端显示器(LCD、等离子显示器、DLP)以及 个人摄像机等。众多精彩的新应用目前也处于设计或前期部署中,例如针 对家庭与手持设备及地面/卫星标准(DVB-T、DVB-H、DMB)的高清DVD (蓝光/HD-DVD)和数字视频广播、高清视频电话、数码相机以及IP机 顶盒。
这些数字视频产品传输的数据量之大,单纯用扩大存储器容量、增加通 信干线的传输速率的办法是不现实的,视频压缩技术是个行之有效的解决 办法,通过视频压缩,可以把信息数据量压下来,以压缩形式存储、传输, 既节约了存储空间,又提高了通信干线的传输效率,同时也可实时处理音 频、视频信息,以保证播放出高质量的视频、音频节目。可见,多媒体数 据压缩是非常必要的。由于多媒体声音、数据、视像等信源数据有极强的 相关性,也就是说有大量的冗余信息。视频压缩可以将庞大数据中的冗余 信息去掉(去除数据之间的相关性),保留相互独立的信息分量。
但是,当待压缩图像的纹理比较复杂时,现有的视频压缩方法不能根 据待压缩图像进行适应性的选择,从而影响待压缩图像的压缩质量。
发明内容
因此,为解决现有技术存在的技术缺陷和不足,本发明提出一种基于 视频压缩的预测方法。
具体地,本发明一个实施例提出的一种基于视频压缩的预测方法,包 括:
设定待预测MB的大小为m*n,其中,m和n为大于零的自然数;
利用第一预测模式对所述待预测MB进行预测,确定所述待预测MB 的第一预测残差;
利用第二预测模式对所述待预测MB进行预测,确定所述待预测MB 的第二预测残差;
分别获得所述第一预测模式对应的第一标准差和所述第二预测模式对 应的第二标准差;
根据所述第一预测残差、所述第一标准差、所述第二预测残差和所述 第二标准差确定所述待预测MB的最终预测模式。
在本发明的一个实施例中,利用第一预测模式对所述待预测MB进行 预测,并获得第一预测残差,包括:
确定自适应模板,并对所述自适应模板进行初始化填充;
根据所述待预测MB对所述自适应模板进行更新;
根据重建值计算公式计算所述自适应模板的M个表位的重建值;
根据所述M个表位的重建值和预测像素值计算公式确定所述待预测 MB的参考像素值;
将所述待预测MB的像素值与所述参考像素值求差,获取第一预测残 差。
在本发明的一个实施例中,将所述待预测MB的像素值与所述参考像 素值求差,获取第一预测残差,包括:
利用点对点预测方式将所述待预测MB的像素值与所述参考像素值求 差,获取第一预测残差。
在本发明的一个实施例中,利用第一预测模式对所述待预测MB进行 预测,并获得第一预测残差,还包括:
确定自适应模板,并对所述自适应模板进行初始化填充;
根据所述待预测MB对所述自适应模板进行更新;
利用自适应纹理预测方法,在更新后的所述自适应模板中选取所述待 预测MB的参考像素值;
将所述待预测MB的像素值与所述参考像素值求差,获取第一预测残 差。
在本发明的一个实施例中,利用自适应纹理预测方法,在更新后的所 述自适应模板中选取所述待预测MB的参考像素值,包括:
在所述自适应模板中,选取所述待预测MB对应的135度纹理、垂直 纹理、45度纹理以及水平纹理的梯度的最小值;
将所述梯度的最小值对应的纹理方向确定为所述待预测MB的参考梯 度方向;
将所述待预测MB的所述参考梯度方向对应的相邻像素确定为参考像 素值。
在本发明的一个实施例中,根据所述待预测MB对所述自适应模板进 行更新,包括:
若所述待预测MB存在上参考MB,则将所述待预测MB正上方相邻 位置的MB的重建值更新到所述自适应模板列表表位序号为0的位置;
若所述待预测MB存在左参考MB,则将所述待预测MB左相邻位置 的MB的重建值更新到所述自适应模板列表表位序号为1的位置;
若所述待预测MB存在左上参考MB,则将所述待预测MB左上相邻 位置的MB的重建值更新到所述自适应模板列表表位序号为2的位置;
若所述待预测MB存在右上参考MB,则将所述待预测MB右上相邻 位置的MB的重建值更新到所述自适应模板列表表位序号为3的位置。
在本发明的一个实施例中,利用第二预测模式对所述待预测MB进行 预测,确定所述待预测MB的第二预测残差,包括:
将所述待预测MB按照四叉树算法分割成多个子MB;
获取所述待预测MB的第一比特数、所述待预测MB的预测残差和所 述子MB的第二比特数、所述子MB的预测残差;
根据所述待预测MB的第一比特数、所述待预测MB的预测残差、所 述子MB的第二比特数和所述子MB的预测残差判断是否对所述子MB继 续进行分割;
若是,则按照四叉树算法继续分割所述子MB;
若否,则结束所述待预测MB的分割,并将所述子MB的预测残差作 为第二预测残差。
在本发明的一个实施例中,获取所述待预测MB的第一比特数、所述 待预测MB的预测残差和所述子MB的第二比特数、所述子MB的预测残 差,包括:
根据比特数计算公式计算所述待预测MB的第一比特数;
将所述待预测MB中所有像素分量值分别减去所述待预测MB中所有 像素分量值的最小值,得到所述待预测MB中所有像素分量对应的预测残 差;
根据所述比特数计算公式计算多个所述子MB的第二比特数;
将每个所述子MB中所有像素分量值分别减去每个所述子MB中所有 像素分量值的最小值,得到每个所述子MB中所有像素分量对应的预测残 差。
在本发明的一个实施例中,所述比特数计算公式为:
MBIT=M*BIT_MIN+2*BITDETH
其中,MBIT为比特数,BIT_MIN为第一最少比特数,BITDEPTH为 数据比特深度,M为像素分量数量。
在本发明的一个实施例中,分别获得所述第一预测模式对应的第一标 准差和所述第二预测模式对应的第二标准差,包括:
根据标准差计算公式,分别计算所述第一预测模式对应的第一标准差 和所述第二预测模式对应的第二标准差。
在本发明的一个实施例中,根据所述第一预测残差、第一标准差、第 二预测残差和第二标准差确定所述待预测MB的最终预测模式,包括:
根据所述第一预测残差和所述第一标准差获取第一残差主观和;
根据所述第二预测残差和所述第二标准差获取第二残差主观和;
选取所述第一残差主观和与所述第二残差主观和的最小值所对应的预 测模式为最终预测模式。
基于此,本发明具备如下优点:
本发明的有益效果主要表现在:当待压缩图像的纹理较为复杂时,通 过不同的预测方法对其进行预测,然后再根据预测结果从多种预测方法中 选取最优的预测方法,能够降低理论极限熵,并能够提高纹理复杂的待压 缩图像的压缩质量,改善预测效果。
通过以下参考附图的详细说明,本发明的其它方面和特征变得明显。 但是应当知道,该附图仅仅为解释的目的设计,而不是作为本发明的范围 的限定,这是因为其应当参考附加的权利要求。还应当知道,除非另外指 出,不必要依比例绘制附图,它们仅仅力图概念地说明此处描述的结构和 流程。
附图说明
下面将结合附图,对本发明的具体实施方式进行详细的说明。
图1为本发明实施例提供的一种基于视频压缩的预测方法流程示意图;
图2为本发明实施例提供的一种自适应预测方法的自适应模板的示意 图;
图3为本发明实施例提供的另一种自适应预测方法的自适应模板的示 意图;
图4为本发明实施例提供的一种自适应纹理预测的相邻参考像素的示 意图;
图5为本发明实施例提供的一种基于四叉树的分割方法的示意图;
图6为本发明实施例提供的一种待预测宏块分割方式的示意图;
图7为本发明实施例提供的另一种待预测宏块分割方式的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附 图对本发明的具体实施方式做详细的说明。
实施例一
请参见图1,图1为本发明实施例提供的一种基于视频压缩的预测方法 流程示意图。该预测方法包括如下步骤:
设定待预测MB(Macro Block,宏块)的大小为m*n,其中,m和n为大 于零的自然数;
利用第一预测模式对所述待预测MB进行预测,确定所述待预测MB 的第一预测残差;
利用第二预测模式对所述待预测MB进行预测,确定所述待预测MB 的第二预测残差;
分别获得所述第一预测模式对应的第一标准差和所述第二预测模式对 应的第二标准差;
根据所述第一预测残差、所述第一标准差、所述第二预测残差和所述 第二标准差确定所述待预测MB的最终预测模式。
其中,第一预测模式为一种自适应预测方法。
第二预测模式为一种基于四叉树的视频压缩预测方法。
当待压缩图像的纹理较为复杂时,通过多种预测方法对其进行预测, 根据预测结果从多种预测方法中选取最优的预测方法作为最终的预测方法, 能够进一步降低理论极限熵,根据待压缩图像的纹理特征进行预测方法的 选择,提高了预测方法的自适应性,并且提高了纹理复杂的待压缩图像的 压缩质量,改善预测效果。
具体地,为了更好的说明基于视频压缩的预测方法,本实施例将对该 预测方法进行详细描述:
步骤1、设定待预测MB的大小为m*n,其中,m和n为大于零的自然 数;
步骤2、通过第一预测模式对待预测MB进行预测,将第一预测残差代 入预测残差计算公式计算待预测MB的第一预测残差绝对值和SAD1,其中, 预测残差绝对值和计算公式为:
其中,SAD为预测残差绝对值和,ABS为求绝对值,Res为预测残差, k为预测模式所对应的序号。
步骤3、通过第二预测模式对待预测MB进行预测,将第二预测残差代 入预测残差绝对值和公式计算待预测MB的第二预测残差绝对值和SAD2;
步骤4、利用标准差计算公式计算第一预测模式对应的第一标准差E1, 第二预测模式对应的第二标准差E2,其中,标准差计算公式为:
其中,E为标准差,AVE为平均残差,ABS为求绝对值,Res为预测 残差,k为预测模式所对应的序号。
步骤5、最终根据SAD1、SAD2、E1和E2的情况,分场景配置权重系 数a1和a2,根据SUBD(subjective difference,残差主观和)计算公式计算 SUBD,其中,第一预测模式对应SUBD1,第二预测模式对应SUBD2。
SUBDk=a1×SADk+a2×Ek
其中,a1和a2为权重系数,SAD为预测残差绝对值和,E为标准差,k为预测模式所对应的序号,其中,k为1时对应第一预测模式,k为2时 对应第二预测模式。
比较SUBD1和SUBD2,选用其中最小的SUBD所对应的预测模式为 最终预测模式,采用该最终预测模式的预测残差为最终预测残差;并在码 流中传输该最终预测模式的预测残差和附加标志位,附加标志位为该最终 预测模式所对应的序号,附加标志位为1时对应像素级多分量参考的自适 应方向预测方法,附加标志位为k为2时对应基于四叉树的视频压缩预测 方法。
实施例二
请参见图2,图2为本发明实施例提供的一种自适应预测方法的自适应 模板的示意图。该模板的建立包括如下步骤:
步骤1、定义自适应模板列表数量;
自适应模板的表位数量可以为4个、8个、16个或32个;本发明以表 位数量为16个为例说明,其它数量的表位同理。自适应模板的表位数量为 16,表位序号从0到15依次排列,序号越小,优先级越高,每个表位记录 一个MB的一组重建值。MB的大小可设定为m*n,其中,m和n为大于 零的自然数,本实施例以MB的大小为16*1为例,即每个MB的大小为16*1 个像素,即每个MB有16个重建值。
步骤2、自适应模板初始化填充;
自适应模板的初始状态为空,将某一MB的重建值填充到序号为0的 表位;继续填充自适应模板,将序号为0的表位中的重建值顺序移位到序 号为1的表位中,将下一个MB的重建值填充到序号为0的表位;以此类 推,每次填充自适应模板时,将已填充的N个表位位置顺序向后移位,移 一个表位位置,将待填充的MB的重建值填充到序号为0的表位,直到自适应模板中的16个表位填充完毕。
具体为:每次进行MB的重建值填充前,按序号从小到大,检测待预 测MB的重建值与自适应模板中所有已填充的重建值的一致性;若不具备 一致性,那么自适应模板中从序号0到序号N-1,共N个有效位置顺序向 后移位,待预测MB的重建值放在自适应模板序号为0的位置。若具备一 致性,自适应模板的表位位置不变,可选择将自适应模板中与待预测MB重建值一致的表位中已填充重建值更新为待预测MB的重建值或者不更新。
检测一致性的公式如下所示:
其中,Cur为待预测MB的原始像素值,CurRec为待预测MB的重建 值,ABS为求绝对值,Pred为自适应模板中每个表位填充的重建值,MBnum 为待预测MB中的像素数量,a3和a4为权重系数,Thr0为阈值,Thr0的取 值根据用户需求确定。a3和a4的取值可以是预先设定的固定值,进一步地, a3+a4=1,优选地,a3可以选取为0.5,a4可以选取为0.5,a3和a4也可以灵活调整大小。
步骤3、模板更新
自适应模板初始化填充后,检测待压缩图像中的其余MB,更新自适应 模板,更新方法如下:
若待预测MB存在上参考MB,则检测正上方相邻位置的MB的重建 值与自适应模板中已填充的重建值的一致性,若不具备一致性,先将自适 应模板所有表位序号从0开始顺序移位,表位序号最后一个移除列表,再 将上参考MB的重建值更新到自适应模板表位序号为0的位置;若具备一 致性,将一致的自适应模板中已填充重建值与表位序号为0的位置的重建 值对换,并可以更新模板中所有重建值。
同理,若待预测MB存在左参考MB,则检测左相邻位置的MB的重 建值与自适应模板中已填充的重建值的一致性,若不具备一致性,先将自 适应模板中从表位序号为1开始的表位序号进行顺序移位,表位序号最后 一个移除列表,再将左参考MB的重建值更新到自适应模板表位序号为1 的位置;若具备一致性,将一致的自适应模板中已填充重建值与表位序号 为1的位置的重建值对换,并可以更新模板中所有重建值。
若待预测MB存在左上参考MB,检测左上相邻位置的MB的重建值 与自适应模板中已填充的重建值的一致性,若不具备一致性,先将自适应 模板中以表位序号为2开始的表位序号顺序移位,表位序号最后一个移除 列表,再将上参考MB的重建值更新到自适应模板表位序号为2的位置; 若具备一致性,将一致的自适应模板中已填充重建值与表位序号为2的位 置的重建值对换,并可以更新自适应模板中所有重建值。
若待预测MB存在右上参考,检测右上相邻位置的MB的重建值与自 适应模板中已填充的重建值的一致性,若不具备一致性,先将自适应模板 中以表位序号为3开始的表位序号顺序移位,表位序号最后一个移除列表, 再将右参考MB的重建值更新到自适应模板表位序号为3的位置;若具备 一致性,将一致的自适应模板中已填充重建值与表位序号为3的位置的重 建值对换,并可以更新自适应模板中所有重建值。
检测一致性的公式如下所示:
其中,Cur为待预测MB的原始像素值,CurRec为待预测MB的重建 值,ABS为求绝对值,Pred为自适应模板中每个表位填充的重建值,MBnum 为待预测MB中的像素数量,a3和a4为权重系数,Thr0为阈值,Thr0的取 值根据用户需求确定。
实施例三
请参见图3,图3为本发明实施例提供的另一种自适应预测方法的自适 应模板的示意图。该模板的建立包括如下步骤:
步骤1、定义模板列表数量;
定义自适应模板表位数量为4个、8个、16个或32个。本发明以自适 应模板表位数量为8个为例说明,其它数量的自适应模板表位同理。对于 数量为8的自适应模板表位,表位序号从0到7依次排列,序号越小,优 先级越高,每个表位记录一个MB的一组重建值。MB大小可设定,本实施 例以8*2大小为例,即每个MB的大小为8*2个像素,即每个MB有8*2 个重建值。
步骤2、模板列表更新
自适应模板表位序号为4~7的位置存储预先设定4组重建值;检测待 预测MB正上方相邻MB的重建值与自适应模板中已填充的重建值的一致 性,若不具备一致性,将正上方相邻MB的重建值填充到自适应模板表位 序号为0的位置;若具备一致性,将一致的自适应模板中已填充重建值与 表位序号为0的位置的重建值对换,并可以更新模板中所有重建值。
检测待预测MB左相邻MB的重建值与自适应模板中已填充的重建值 的一致性,若不具备一致性,将左相邻MB的重建值填充到自适应模板表 位序号为1的位置;若具备一致性,将一致的自适应模板中已填充重建值 与表位序号为1的位置的重建值对换,并可以更新模板中所有重建值。
检测待预测MB左上相邻MB的重建值与自适应模板中已填充的重建 值的一致性,若不具备一致性,将左上相邻MB的重建值填充到自适应模 板表位序号为2的位置;若具备一致性,将一致的自适应模板中已填充重 建值与表位序号为2的位置的重建值对换,并可以更新模板中所有重建值。
检测待预测MB右上相邻MB的重建值与自适应模板中已填充的重建 值的一致性,若不具备一致性,将右上相邻MB的重建值填充到自适应模 板表位序号为3的位置;若具备一致性,将一致的自适应模板中已填充重 建值与表位序号为3的位置的重建值对换,并可以更新模板中所有重建值。
实施例四
本实施例将在上述实施例的基础上对一种利用第一预测模式进行预测 的方法进行介绍。本实施例的预测方法可以适用于实施例2或者实施例3 任意一种的自适应模板填充及更新方式对待预测MB进行预测。
本实施例的预测方法包括如下步骤:
步骤1、通过待预测MB对自适应模板进行更新,默认自适应模板已进 行初始化填充。
对于待预测MB,判断待预测MB对应的自适应模板是否完成更新,若 待预测MB对应的自适应模板列表没有完成更新,则判断待预测MB是否 有上相邻的MB,判断待预测MB是否有左相邻的MB,判断待预测MB是 否有左上相邻的MB,判断待预测MB是否有右上相邻的MB,根据判断结 果,按照实施例2或者实施例3的自适应模板的更新方式进行自适应模板 的更新,直至自适应模板更新完成。
步骤2、获取自适应模板的最优重建值
自适应模板更新完成之后,将待预测MB与自适应模板列表中每个表 位的重建值进行匹配,根据最优重建值计算公式,选取自适应模板列表中 最优的M个表位。最优重建值计算公式如下:
其中,Cur为待预测MB的原始像素值,Pred为自适应模板中每个表位 填充的重建值;MBnum为待预测MB中的像素数量,c1和c2为权重系数, 最终rdo越小,则该自适应模板的表位所对应的重建值越优。
在一种实施方式中,c1和c2的取值可以是预先设定的固定值,进一 步地,为了便于计算,可以直接将c1设定为1,将c2设定为0。
步骤3、确定加权预测像素值
分别对自适应模板列表中最优的M个表位所对应的重建值中任一重建 值进行加权处理得到预测像素值。预测像素值计算公式如下:
predwi=(w1*Predi-1+w2*Predi+w3*Predi+1+w4)/4
其中,W1、W2、W3、W4为一组预测参数,predw为预测像素值,Pred 为自适应模板中M个表位中任一表位填充的重建值,i为Pred在表位中的 排序。
预设T种W1、W2、W3、W4的不同组合,针对一个表位可以生成T 种预测像素值,M个表位有M*T种预测像素值,最终在M*T种可能性中, 根据rdo计算公式,选出最优的表位和对应的W1、W2、W3、W4。根据 W1、W2、W3、W4计算该最优表位中的重建值的预测像素值,作为待预测MB的参考像素值。
在一种实施方式中,W1、W2、W3、W4的取值可以是预先设定的固 定值,进一步地,W1+W2+W3=3,优选地,W1、W2、W3分别选取为1, W1、W2、W3分别选取为0.5,2,0.5,W1、W2、W3可以根据实际情况, 灵活调整大小。进一步地,W4可以选取为当前表位中所有填充的重建值的 平均值,也可以选取为表位中与当前预测像素值排序对应的重建值。
进一步地,最优表位即为rdo中的最小值对应的表位。
步骤4、求解预测残差
利用点对点预测方式或自适应预测方式求解待预测MB的预测残差。
其中,点对点预测方式为将待预测MB中的每个像素值对应减去最优 表位中的每个像素值对应的预测像素值得到该模式的预测残差。
最终将预测残差、列表表位序号和W1、W2、W3、W4的值发送到解 码端。
进一步地,重建像素指已压缩图像MB解压重建得到的像素,重建像 素的像素值通常称为重建值。根据预测残差可以得到重建值,即将参考值 加上预测残差可以得到重建值。
步骤5、判断MB是否处理完毕
待预测MB完成点对点预测后,继续判断是否图像中的所有MB均完 成预测操作,若是,则预测结束,否则,跳转到步骤1,继续进行后续MB 的预测操作。
本实施例根据视频中的待压缩图像适应性的建立自适应模板,并且获 取对应自适应模板表位的数量和待预测MB的像素分量,从而能够计算待 预测MB的预测残差,对待预测MB进行预测。与现有的方法相比,当待 压缩图像的纹理较为复杂时,本实施例可以针对不同的纹理区域定义不同 的自适应模板,从而能够针对性的预测待预测MB的像素,提高了待预测 MB中的像素与自适应模板中选定的像素匹配的概率,提高了对复杂纹理区 域求预测残差值的精度,并且能够进一步降低理论极限熵,增大视频压缩 率。
实施例五
请参见图4,图4为本发明实施例提供的一种自适应纹理预测的相邻 参考像素的示意图。本实施例将在上述实施例的基础上对另一种利用第一 预测模式进行预测的方法进行介绍。本实施例的预测方法可以适用于实施 例2或者实施例3任意一种的自适应模板填充及更新方式对待预测MB进 行预测。本实施例的预测方法包括如下步骤:
步骤1、通过待预测MB对自适应模板进行更新,默认自适应模板已进 行初始化填充。
对于待预测MB,判断待预测MB对应的自适应模板是否完成更新,若 待预测MB对应的自适应模板列表没有完成更新,则判断待预测MB是否 有上相邻的MB,判断待预测MB是否有左相邻的MB,判断待预测MB是 否有左上相邻的MB,判断待预测MB是否有右上相邻的MB,根据判断结 果,按照实施例2或者实施例3的自适应模板的更新方式进行自适应模板 的更新,直至自适应模板更新完成。
步骤2、自适应预测
自适应模板列表更新完成之后,将待预测MB的像素值与自适应模板 列表中所有存在的MB重建值进行自适应纹理预测,求解预测残差。
如图4所示,对自适应纹理预测中的参考像素进行选择,A、B、C、 D、E为当前像素相邻的周围像素,即模板任一表位中与当前像素对应的 重建值,其中,像素A为左上相邻参考像素、像素B为上相邻参考像素、 像素C为右上相邻参考像素、像素D为左相邻参考像素、像素E为像素A 的左相邻参考像素:
a.若ABS(D-E)最小,即135度纹理,那么参考像素为像素A;
b.若ABS(D-A)最小,即垂直纹理,那么参考像素为像素B;
c.若ABS(D-B)最小,即45度纹理,那么参考像素为像素C;
d.若ABS(B-A)最小,即水平纹理,那么参考像素为像素D;
根据上述方式,选取参考像素,遍历模板中的所有表位,将选取的 参考像素中的最小作为最终的参考像素值,将最终的参考像素值与待预 测MB的像素值求差得到该模式的预测残差。
步骤3、判断MB是否处理完毕
待预测MB完成自适应预测后,继续判断是否图像中的所有MB均完 成预测操作,若是,则预测结束,否则,跳转到步骤1,继续进行后续MB 的预测操作。
本实施例通过建立自适应模板,获取自适应模板表位的数量和MB的 像素分量的方式,计算待预测MB的预测残差。与现有的方法相比,当待 压缩图像的纹理较为复杂时,针对不同的纹理区域定义不同的自适应模板, 更容易提高待预测MB中的像素与自适应模板中选定的像素匹配的概率, 从而提高对复杂纹理区域求预测残差值的精度,进一步降低理论极限熵, 增大视频压缩率。
实施例六
请参见图5~图7,图5为本发明实施例提供的一种基于四叉树的分割 方法的示意图,图6为本发明实施例提供的一种待预测宏块分割方式的示 意图,图7为本发明实施例提供的另一种待预测宏块分割方式的示意图。 本实施例对利用第二预测模式进行预测的方法进行介绍。
视频通常可以包括一系列图片,每个图片可以被分成或划分成预定区 域,如帧或MB。当视频的区域被划分成MB时,根据编码方法,划分MB 可以被分类成帧内MB或帧间MB。帧内MB是指通过帧内预测编码方法 编码的MB。帧内预测编码方法通过使用其中执行当前编码的当前图片中的 之前经受编码和解码的重构块的像素,预测待预测MB的像素,以产生预测MB,然后编码待预测MB的像素和待预测MB的像素之间的差值。
在本发明中,如图5所示,编码对象可以为一个64×64规格的图像 MB,也可以为一个16×16规格图像MB,更或者是具有更小或更大尺寸 规格的图像宏块。例如,将待预测MB按照四叉树算法进行递归分割,每 个待预测MB被分割为四个相同大小的子MB。每个子MB是否再继续进 行分割由预设算法判断。
假设待预测MB为64×64规格,将64×64的待预测MB作为根节点, 位于第一层。通过预设算法判断出需要将继续分割时,该节点被分为4个 32×32的子MB,形成第二层。通过预设算法判断出第二层右上子MB和 第二层左下子MB不需要继续分割,第二层左上子MB和第二层右下子MB 需要继续分割,将第二层左上子MB分割为4个16×16的子MB,将第二 层右下子MB分割为4个16×16的子MB,形成第三层,依次递归,直至 第N层。如图6所示,为该64×64规格的待预测MB的最终分割方式。
本实施例的预测方法包括如下步骤:
步骤1、将待预测MB按照四叉树算法进行分割,如图7所示,待预测 MB分割后的子MB分别为第一子MB、第二子MB、第三子MB以及第四 子MB。
步骤2、根据原始待预测MB获取待预测MB的第一比特数以及预测残 差,具体地,计算待预测MB中像素分量最大值与待预测MB中像素分量 最小值之间的差值,得到表示差值的第一最少比特数,根据第一最少比特 数以及待预测MB的数据比特深度计算得到待预测MB的第一比特数,其 中待预测MB的第一比特数满足如下公式:
MBIT1=M*BIT_MIN1+2*BITDETH
其中,MBIT1为待预测MB的第一比特数,BIT_MIN1为第一最少比 特数,BITDEPTH为待预测MB的数据比特深度,M为待预测MB中的像 素分量数量。
将待预测MB中所有像素分量值分别减去待预测MB中所有像素分量 值的最小值,得到待预测MB中所有像素分量对应的预测残差。
步骤3、根据分割后的每个子MB获取每个子MB对应的比特数以及预 测残差,具体地,计算第一子MB中像素分量最大值与第一子MB中像素 分量最小值之间的第二差值,得到表示第一子MB的第二最少比特数;
计算第二子MB中像素分量最大值与第二子MB中像素分量最小值之 间的第三差值,得到表示第二子MB的第三最少比特数;计算第三子MB 中像素分量最大值与第三子MB中像素分量最小值之间的第四差值,得到 表示第三子MB的第四最少比特数;计算第四子MB中像素分量最大值与 第四子MB中像素分量最小值之间的第五差值,得到表示第四子MB的第五最少比特数;根据第二最少比特数、第三最少比特数、第四最少比特数、 第五最少比特数以及待预测MB的数据比特深度计算得到第二比特数,其 中第二比特数满足如下公式:
MBIT2=N1*BIT_MIN2+N2*BIT_MIN3+N3*BIT_MIN4+N4*BIT_MIN5+2*BITDETH 其中,MBIT2为第二比特数,BIT_MIN2为第二最少比特数,BIT_MIN3 为第三最少比特数,BIT_MIN4为第四最少比特数,BIT_MIN5为第五最 少比特数,BITDEPTH为待预测MB的数据比特深度,N1为第一子MB中 像素分量数量,N2为第二子MB中像素分量数量,N3为第三子MB中像 素分量数量,N4为第四子MB中像素分量数量。
将第一子MB中所有像素分量值分别减去第一子MB中所有像素分量 值的最小值,第二子MB中所有像素分量值分别减去第二子MB中所有像 素分量值的最小值,第三子MB中所有像素分量值分别减去第三子MB中 所有像素分量值的最小值,第四子MB中所有像素分量值分别减去第四子 MB中所有像素分量值的最小值,得到分割后的所有子MB中所有像素分量 对应的第二预测残差。
步骤4、根据第一比特数、待预测MB的预测残差、第二比特数以及子 MB的预测残差判断是否对子MB继续进行分割;若是,则跳转到步骤1, 按照递归算法将每个子MB分别执行步骤1~步骤4;若否,则结束待预测 MB的分割。
具体地,根据待预测MB的预测残差得到待预测MB的的第一重建值, 求第一重建值与待预测MB的像素值求差的绝对值,得到第一重建差值, 将第一重建差值以及第一比特数进行加权得到待预测MB的第一加权值, 其中,第一加权值满足如下公式:
RDO1=a5*MBIT1+b5*RES1
其中,RDO1为第一加权值,MBIT1为第一比特数,RES1为第一重建 差值,a5和b5为加权系数。
a5和b5的取值可以是预先设定的固定值,进一步地,a5+b5=1,优选地, a5可以选取为0.5,b5可以选取为0.5,a5和b5也可以灵活调整大小。
其中,重建像素分量指已压缩图像解压重建得到的像素分量,重建像 素分量的像素值通常称为重建值。进一步地,根据预测残差可以得到重建 像素分量,即将参考值(每个宏块像素分量的最小值)加上预测残差可以 得到重建像素分量。
根据第二预测残差得到分割后的子MB的第二重建值,求第二重建值 与分割后的子MB像素值求差的绝对值,得到第二重建差值,将第二重建 差值以及第二比特数进行加权得到分割后的子MB的第二加权值,其中, 第二加权值满足如下公式:
RDO2=a6*MBIT2+b6*RES2
其中,RDO2为第二加权值,MBIT2为第二比特数,RES2为第二重建 差值,a6和b6为加权系数。
a6和b6的取值可以是预先设定的固定值,进一步地,a6+b6=1,优选地, a6可以选取为0.5,b6可以选取为0.5,a6和b6也可以灵活调整大小。
比较第一加权值、第二加权值的大小,若第一加权值大于第二加权值,则将待预测MB按照四叉树算法进行分割,将每个子MB分别执行步骤1~ 步骤4进行判断是否继续进行分割,即按照递归算法,判断是否进行第三 次分割、第四次分割直至第N次分割。反之,若第一加权值小于第二加权 值则待预测MB不进行分割。
步骤5、输出待预测MB最终分割层次下,每个子MB的预测残差以及 像素分量中的最小值,并将最终分割层次下的所对应的子MB的预测残差 作为第二预测残差。
本实施例是基于四叉树的视频压缩的预测方法,通过带预测MB的比 特数以及预测残差判断待预测MB是否需要继续分割,确定出待预测MB 基于四叉树的最终分割形式,通过分割待预测MB能够提高视频压缩效率, 并且能够提高视频待压缩图片的质量,当利用这种预测模式处理纹理较为 复杂的图像时,预测效果好、处理效率高,且能够降低理论极限熵。
综上所述,本文中应用了具体个例对本发明一种基于视频压缩预测方 法进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核 心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体 实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理 解为对本发明的限制,本发明的保护范围应以所附的权利要求为准。
Claims (7)
1.一种基于视频压缩的预测方法,其特征在于,包括:
设定待预测MB的大小为m*n,其中,m和n为大于零的自然数;
利用第一预测模式对所述待预测MB进行预测,确定所述待预测MB的第一预测残差;
利用第二预测模式对所述待预测MB进行预测,确定所述待预测MB的第二预测残差;
分别获得所述第一预测模式对应的第一标准差和所述第二预测模式对应的第二标准差;
根据所述第一预测残差、所述第一标准差、所述第二预测残差和所述第二标准差确定所述待预测MB的最终预测模式;其中,
所述利用第一预测模式对所述待预测MB进行预测,确定所述待预测MB的第一预测残差,包括:
确定自适应模板,并对所述自适应模板进行初始化填充;
根据所述待预测MB对所述自适应模板进行更新;
根据重建值计算公式计算所述自适应模板的M个表位的重建值;
根据所述M个表位的重建值和预测像素值计算公式确定所述待预测MB的参考像素值;
将所述待预测MB的像素值与所述参考像素值求差,获取第一预测残差;
所述利用第二预测模式对所述待预测MB进行预测,确定所述待预测MB的第二预测残差,包括:
将所述待预测MB按照四叉树算法分割成多个子MB;
获取所述待预测MB的第一比特数、所述待预测MB的预测残差和所述子MB的第二比特数、所述子MB的预测残差;
根据所述待预测MB的第一比特数、所述待预测MB的预测残差、所述子MB的第二比特数和所述子MB的预测残差判断是否对所述子MB继续进行分割;
若是,则按照四叉树算法继续分割所述子MB;
若否,则结束所述待预测MB的分割,并将所述子MB的预测残差作为第二预测残差;
所述根据所述第一预测残差、第一标准差、第二预测残差和第二标准差确定所述待预测MB的最终预测模式,包括:
根据所述第一预测残差和所述第一标准差获取第一残差主观和;
根据所述第二预测残差和所述第二标准差获取第二残差主观和;
选取所述第一残差主观和与所述第二残差主观和的最小值所对应的预测模式为最终预测模式;其中,
残差主观和的计算公式为:
SUBDk=a1×SADk+a2×Ek
其中,a1和a2为权重系数,SAD为预测残差绝对值和,E为标准差,k为预测模式所对应的序号,其中,k为1时对应第一预测模式,k为2时对应第二预测模式。
2.根据权利要求1所述的方法,其特征在于,将所述待预测MB的像素值与所述参考像素值求差,获取第一预测残差,包括:
利用点对点预测方式将所述待预测MB的像素值与所述参考像素值求差,获取第一预测残差。
3.根据权利要求1所述的方法,其特征在于,所述利用第一预测模式对所述待预测MB进行预测,确定所述待预测MB的第一预测残差,或者包括:
确定自适应模板,并对所述自适应模板进行初始化填充;
根据所述待预测MB对所述自适应模板进行更新;
利用自适应纹理预测方法,在更新后的所述自适应模板中选取所述待预测MB的参考像素值;
将所述待预测MB的像素值与所述参考像素值求差,获取第一预测残差。
4.根据权利要求3所述的方法,其特征在于,利用自适应纹理预测方法,在更新后的所述自适应模板中选取所述待预测MB的参考像素值,包括:
在所述自适应模板中,选取所述待预测MB对应的135度纹理、垂直纹理、45度纹理以及水平纹理的梯度的最小值;
将所述梯度的最小值对应的纹理方向确定为所述待预测MB的参考梯度方向;
将所述待预测MB的所述参考梯度方向对应的相邻像素确定为参考像素值。
5.根据权利要求1或3任一项所述的方法,其特征在于,根据所述待预测MB对所述自适应模板进行更新,包括:
若所述待预测MB存在上参考MB,则检测正上方相邻位置的MB的重建值与自适应模板中已填充的重建值的一致性,若不具备一致性,先将自适应模板所有表位序号从0开始顺序移位,表位序号最后一个移除列表,再将上参考MB的重建值更新到自适应模板表位序号为0的位置;若具备一致性,将一致的自适应模板中已填充重建值与表位序号为0的位置的重建值对换,并可以更新模板中所有重建值;
若所述待预测MB存在左参考MB,则检测左相邻位置的MB的重建值与自适应模板中已填充的重建值的一致性,若不具备一致性,先将自适应模板中从表位序号为1开始的表位序号进行顺序移位,表位序号最后一个移除列表,再将左参考MB的重建值更新到自适应模板表位序号为1的位置;若具备一致性,将一致的自适应模板中已填充重建值与表位序号为1的位置的重建值对换,并可以更新模板中所有重建值;
若所述待预测MB存在左上参考MB,检测左上相邻位置的MB的重建值与自适应模板中已填充的重建值的一致性,若不具备一致性,先将自适应模板中以表位序号为2开始的表位序号顺序移位,表位序号最后一个移除列表,再将上参考MB的重建值更新到自适应模板表位序号为2的位置;若具备一致性,将一致的自适应模板中已填充重建值与表位序号为2的位置的重建值对换,并可以更新自适应模板中所有重建值;
若所述待预测MB存在右上参考MB,检测右上相邻位置的MB的重建值与自适应模板中已填充的重建值的一致性,若不具备一致性,先将自适应模板中以表位序号为3开始的表位序号顺序移位,表位序号最后一个移除列表,再将右参考MB的重建值更新到自适应模板表位序号为3的位置;若具备一致性,将一致的自适应模板中已填充重建值与表位序号为3的位置的重建值对换,并可以更新自适应模板中所有重建值。
6.根据权利要求1所述的方法,其特征在于,获取所述待预测MB的第一比特数、所述待预测MB的预测残差和所述子MB的第二比特数、所述子MB的预测残差,包括:
根据比特数计算公式计算所述待预测MB的第一比特数;
将所述待预测MB中所有像素分量值分别减去所述待预测MB中所有像素分量值的最小值,得到所述待预测MB中所有像素分量对应的预测残差;
根据所述比特数计算公式计算多个所述子MB的第二比特数;
将每个所述子MB中所有像素分量值分别减去每个所述子MB中所有像素分量值的最小值,得到每个所述子MB中所有像素分量对应的预测残差。
7.根据权利要求6所述的方法,其特征在于,所述比特数计算公式为:
MBIT=M*BIT_MIN+2*BITDETH
其中,MBIT为比特数,BIT_MIN为第一最少比特数,BITDEPTH为数据比特深度,M为像素分量数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811260624.1A CN109413435B (zh) | 2018-10-26 | 2018-10-26 | 一种基于视频压缩的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811260624.1A CN109413435B (zh) | 2018-10-26 | 2018-10-26 | 一种基于视频压缩的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109413435A CN109413435A (zh) | 2019-03-01 |
CN109413435B true CN109413435B (zh) | 2020-10-16 |
Family
ID=65469408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811260624.1A Active CN109413435B (zh) | 2018-10-26 | 2018-10-26 | 一种基于视频压缩的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109413435B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141649A (zh) * | 2007-07-31 | 2008-03-12 | 北京大学 | 用于视频编码的帧内预测编码最佳模式的选取方法及装置 |
US8300696B2 (en) * | 2008-07-25 | 2012-10-30 | Cisco Technology, Inc. | Transcoding for systems operating under plural video coding specifications |
CN105208387A (zh) * | 2015-10-16 | 2015-12-30 | 浙江工业大学 | 一种hevc帧内预测模式快速选择方法 |
CN107005691A (zh) * | 2014-10-24 | 2017-08-01 | Lg 电子株式会社 | 使用从图模板导出的变换来对视频信号进行编码/解码的方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8693551B2 (en) * | 2011-11-16 | 2014-04-08 | Vanguard Software Solutions, Inc. | Optimal angular intra prediction for block-based video coding |
CN102740077B (zh) * | 2012-07-04 | 2014-10-01 | 西安电子科技大学 | 基于h.264/avc标准的帧内预测模式选择方法 |
US10560702B2 (en) * | 2016-01-22 | 2020-02-11 | Intel Corporation | Transform unit size determination for video coding |
-
2018
- 2018-10-26 CN CN201811260624.1A patent/CN109413435B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141649A (zh) * | 2007-07-31 | 2008-03-12 | 北京大学 | 用于视频编码的帧内预测编码最佳模式的选取方法及装置 |
US8300696B2 (en) * | 2008-07-25 | 2012-10-30 | Cisco Technology, Inc. | Transcoding for systems operating under plural video coding specifications |
CN107005691A (zh) * | 2014-10-24 | 2017-08-01 | Lg 电子株式会社 | 使用从图模板导出的变换来对视频信号进行编码/解码的方法和装置 |
CN105208387A (zh) * | 2015-10-16 | 2015-12-30 | 浙江工业大学 | 一种hevc帧内预测模式快速选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109413435A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7387841B2 (ja) | 映像復号化方法 | |
JP5823538B2 (ja) | 遷移ゾーン中のサンプルの識別 | |
CN105791882B (zh) | 视频编码方法及装置 | |
CN106454359B (zh) | 图像处理设备和图像处理方法 | |
CN110324623B (zh) | 一种双向帧间预测方法及装置 | |
JP2011082683A (ja) | 画像処理装置、画像処理方法、及び、プログラム | |
JP2023065581A (ja) | ビデオ符号化及び復号化 | |
KR20200128375A (ko) | 인트라 예측 모드 스케일러블 코딩 방법 및 장치 | |
US20140192884A1 (en) | Method and device for processing prediction information for encoding or decoding at least part of an image | |
US10321142B2 (en) | Method and apparatus for video encoding for adaptive illumination compensation, method and apparatus for video decoding for adaptive illumination compensation | |
JP2022511843A (ja) | ビデオ・コーディングのための方法、装置及びコンピュータ・プログラム | |
JP6209026B2 (ja) | 画像符号化装置及びその制御方法 | |
CN109413435B (zh) | 一种基于视频压缩的预测方法 | |
KR20220088888A (ko) | 인트라 예측을 위한 신경망의 반복 트레이닝 | |
CN115280783A (zh) | 用于图像/视频编码的加权预测的方法和装置 | |
US10321150B2 (en) | Motion vector selection and prediction in video coding systems and methods | |
JP2024535960A (ja) | サンプル・パディングを用いたイントラブロックコピー予測のための方法および装置 | |
KR20230162801A (ko) | 비디오 코딩을 위한 외부적으로 향상된 예측 | |
JP2010010917A (ja) | 動画像符号化装置、動画像復号装置、動画像符号化方法、及び動画像復号方法 | |
JP2009159541A (ja) | 動画像符号化装置、動画像符号化方法及び動画像符号化プログラム | |
CN109561303B (zh) | 一种基于视频压缩的预测方法 | |
CN109510995B (zh) | 一种基于视频压缩的预测方法 | |
CN110998661A (zh) | 视频编码系统和方法中的压缩编码块头 | |
KR101739767B1 (ko) | 비디오 병렬 부호화기를 위한 율제어 방법 및 장치 | |
WO2023072554A1 (en) | Video encoding and decoding using reference picture resampling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200916 Address after: Room 1213, No.789 Kaiping Road, Wujiang District, Suzhou City, Jiangsu Province Applicant after: Suzhou Wuyue Zhibo Big Data Technology Co., Ltd Address before: 710065 No. 86 Leading Times Square (Block B), No. 2, Building No. 1, Unit 22, Room 12202, No. 51, High-tech Road, Xi'an High-tech Zone, Shaanxi Province Applicant before: Xi'an Cresun Innovation Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |