CN104661035B - 视频局部特征描述子的压缩方法、***及视频压缩方法 - Google Patents
视频局部特征描述子的压缩方法、***及视频压缩方法 Download PDFInfo
- Publication number
- CN104661035B CN104661035B CN201510073614.7A CN201510073614A CN104661035B CN 104661035 B CN104661035 B CN 104661035B CN 201510073614 A CN201510073614 A CN 201510073614A CN 104661035 B CN104661035 B CN 104661035B
- Authority
- CN
- China
- Prior art keywords
- video
- descriptor
- local feature
- coefficient
- quantization
- 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 58
- 238000007906 compression Methods 0.000 title claims abstract description 55
- 230000006835 compression Effects 0.000 title claims abstract description 52
- 238000013139 quantization Methods 0.000 claims abstract description 68
- 230000009466 transformation Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000001131 transforming effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 239000011159 matrix material Substances 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种视频局部特征描述子的压缩方法、***和视频压缩方法,所述视频局部特征描述子的压缩方法包括联合视频内容的帧间预测、量化、熵编码,而后计算预测信号的残差系数,对残差系数进行量化得到量化系数,再对量化系数进行熵编码,输出熵编码后形成的码流,完成对视频的局部特征描述子的压缩。通过本发明对视频局部特征描述子进行压缩,在联合视频内容的基础上,使压缩后的视频数据得到紧凑的表示,达到高的压缩比,从而提高视频数据的传输速率、存储效率及压缩效率,同时提高了视频数据的检索效率。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种视频局部特征描述子的压缩方法、压缩***及视频压缩方法。
背景技术
随着互联网的广泛应用,在网络的传输和存储过程中,视频数据的数据越来越庞大。对视频数据的压缩则显得尤为重要。而局部特征描述子,在图像/视频数据处理以及计算机视觉领域得到了广泛的应用,描述子的压缩也是提高视频数据检索等视频数据应用的关键技术。例如,对128维的SIFT局部特征描述子而言,将每个维度量化到8比特,一帧图像包含1000个SIFT特征点,则一个300帧的视频包含的SIFT特征数据量为300*1000*128*8bits=292.97Mb,无论对于存储还是传输都是需要付出巨大的代价,在实际应用中是难以承受的。
在对视频数据处理的现有技术中,大多单独对描述子进行压缩,限制了描述子的压缩比,不利于数据检索效率的提高,同时也阻碍了视频检索技术的发展。
发明内容
本发明实施例的目的是提供一种视频局部特征描述子的压缩方法、***及视频压缩方法,以提高视频局部特征描述子的压缩效率,从而提高视频压缩数据的传输速率和存储效率。
根据本发明的一个方面,提供了一种视频局部特征描述子的压缩方法,所述方法包括如下步骤:
联合视频内容对当前局部特征描述子进行帧间预测得到预测信号;
计算所述预测信号的残差系数;
对所述残差系数进行量化得到量化系数;
对所述量化系数进行熵编码,输出码流。
上述方案中,所述计算残差系数之后,得到量化系数之前,所述方法还包括:
对所述残差系数进行变换得到变换系数;
对所述残差系数进行量化得到量化系数,进一步为,对所述变换系数进行量化并得到量化系数。
上述方案中,所述方法还包括:对所述量化系数进行反量化和反变换,得到重构描述子,并存储所述重构描述子。
上述方案中,所述联合视频内容对当前局部特征描述子进行帧间预测得到预测信号,进一步包括:在所述当前局部特征描述子所在帧的已编码的前一帧中,找到一个与所述当前局部特征描述子最相近的重构描述子,作为预测信号。
上述方案中,所述量化为标量量化或矢量量化。
根据本发明的另一个方面,还提供了一种视频局部特征描述子的压缩***,所述***包括:预测模块、残差系数计算模块、量化模块、编码模块
所述预测模块用于联合视频内容对当前局部特征描述子进行帧间预测得到预测信号;
所述残差系数计算模块与所述预测模块相连,用于计算所述预测信号的残差系数;
所述量化模块与所述残差系数计算模块相连,用于对所述残差系数进行量化得到量化系数;
所述编码模块与所述量化模块相连,用于对所述量化系数进行熵编码,输出码流。
上述方案中,所述***还包括变换模块,所述变换模块与所述残差系数计算模块和量化模块相连,用于对所述残差系数进行变换得到变换系数;
所述量化模块还用于对所述变换系数进行量化并得到量化系数。
上述方案中,所述***还包括:重构描述子存储模块,用于对所述量化系数进行反量化和反变换,得到重构描述子,并存储所述重构描述子。
上述方案中,所述预测模块进一步用于在所述当前局部特征描述子所在帧的已编码的前一帧中,找到一个与所述当前局部特征描述子最相近的重构描述子,作为预测信号。
根据本发明的再一个方面,还提供了一种视频压缩方法,所述方法包括:
对视频原始数据进压缩,得到视频自身码流,并得到重构帧组成的视频重构数据;
联合所述视频重构数据中的重构帧的内容,采用权利要求1至5任一项所述的视频局部特征描述子的压缩方法,对视频原始数据中的局部特征描述子进行压缩,得到熵编码后的描述子码流;
将所述描述子码流输出到视频自身码流中,输出视频码流。
本发明实施例提供了一种视频局部特征描述子的压缩方法、***和视频压缩方法,所述视频局部特征描述子的压缩方法包括预测、量化、熵编码,其中预测为联合视频内容的帧间预测,而后计算预测信号的残差系数,对残差系数进行量化得到量化系数,再对量化系数进行熵编码,输出码流,完成对视频的局部特征描述子的压缩。通过本发明实施例的方法对视频局部特征描述子进行压缩,在联合视频内容的基础上,使压缩后的视频数据得到紧凑的表示,达到高的压缩比,从而提高视频数据的传输速率和存储效率,同时提高了视频数据的检索效率。
附图说明
图1是本发明第一实施方式的视频局部特征描述子的压缩方法流程示意图;
图2是本发明第二实施方式的视频局部特征描述子的压缩方法流程示意图;
图3是本发明第二实施方式具体实施例的压缩方法流程图;
图4是本发明第三实施方式的视频局部特征描述子的压缩***结构示意图;
图5是本发明第四实施方式的视频局部特征描述子的压缩***结构示意图;
图6是本发明第五实施方式的视频压缩方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
本发明实施例以局部特征描述子在计算机视觉领域的广泛应用为基础,对视频局部特征描述子进行压缩,将重构后的带有重构描述子内容的视频内容本身应用在压缩过程中,即联合视频内容,指导局部特征描述子的压缩,提出了视频局部特征描述子的压缩方法、***及视频压缩方法。以下结合实施方式及附图,对本发明作详细说明。
图1是本发明第一实施方式的视频局部特征描述子的压缩方法流程示意图。本实施方式对于视频局部特征描述子的压缩方法的框架,包括联合视频内容的预测、量化、熵编码。
如图1所示,本实施例的视频局部特征描述子的压缩方法,包括如下步骤:
步骤S101,联合视频内容对当前局部特征描述子进行帧间预测得到预测信号。
本步骤中,对所述当前局部特征描述子进行帧间预测,具体为,在所述视频的已编码的帧中,找到一个与所述当前局部特征描述子最相近的重构描述子,作为预测信号。视频数据是由帧组成,每一帧中都有相应的局部特征描述子。处于压缩过程中的当前局部特征描述子所属的帧,即当前帧。优选的,所述视频的已编码的帧,为当前帧的前一帧。这里的最相近,是指所述已编码的重构描述子与所述当前描述子具有的相同特征数据最多,也可以通过绝对值误差和(SAD,Sum of Absolute Difference)进行选择。这一最值选择可通过一个可编程逻辑控制器(PLC)实现。在前一帧中搜索最相近重构描述子时,可以在前一帧的全部数据中搜索,也可以自定义搜索范围,如,根据所述视频的运动矢量进行搜索,在当前描述子运动矢量所指向的位置处,距离最近的五个节点的范围内搜索最相近的重构描述子。
特别的,上述帧间预测时,作为当前局部特征描述子的预测结果的所述重构描述子,除在相应范围内的最相近的重构描述子外,也可以根据需要进行其他定义,如对应位置的重构描述子、相反特征的重构描述子。
步骤S102,计算所述预测信号的残差系数。
优选的,本步骤中计算预测残差,通过作差的方法进行。
步骤S104,对所述残差系数进行量化得到量化系数。
本步骤中的量化方式,可以为标量量化,也可以为矢量量化。
步骤S105,对所述量化系数进行熵编码,输出码流。
本步骤中的熵编码,优选的,编码模型采用视频编码标准中常用的上下文自适应的二进制熵编码方法(CABAC,Context-Adaptive Binary Arithmetic Coding),最终形成二值化码流。
通过本实施例所述的视频局部特征描述子压缩方法,对视频局部特征描述子进行压缩,在联合视频内容的基础上,使压缩后的视频数据得到紧凑的表示,达到的很高的压缩比,从而提高了视频数据的传输速率和存储效率,同时提高了视频数据的检索效率。
图2是本发明第二实施方式的视频局部特征描述子的压缩方法流程示意图。
如图2所示,本实施方式中的步骤S201、S202、S205与第一实施方式中的步骤S102、S102、S104、S105基本相同,不同的是,本实施方式对局部特征描述子的压缩方法中,在步骤S202之后、步骤S204之前还包括步骤S203,同时相应的步骤S204有所不同,具体的:
步骤S203,对所述残差系数进行变换得到变换系数。
优选的,本步骤中的变换方式为DCT变换或KLT变换或DST变换变换,从而得到变换系数。这里的变换可以采用一维系数矩阵,也可以采用二维系数矩阵。
步骤S204,对所述变换系数进行量化并得到量化系数。这里的量化可以为标量量化,也可以为矢量量化。
图3是本发明第二实施方式具体实施例的压缩方法流程图。
本实施例以一个视频数据的128维SIFT局部特征描述子为例,详细说明本发明的压缩方法。
如图3所示,本实施例的基于视频的局部特征描述子的压缩方法,包括如下步骤:
步骤S301,首先对原始视频帧所携带的视频内容通过视频编码器进行编码,得到视频的运动矢量信息。
步骤S302,从原始视频帧中提取局部特征描述子,具体的:
假设当前正在编码的第i帧的第j个局部特征描述子为其中是描述子的空间位置信息,是局部特征描述子向量。
步骤S303,对所提取的所述局部特征描述子进行帧间预测,通过式(1)
进行帧间预测,即:
首先在视频编码器中得到当前位置的运动矢量MV(di,dx,dy),di,dx,dy分别表示时间维度的偏移值(di)和二维空间坐标的偏移值(dx,dy)。设在(i-di)th帧中以坐标为起点的搜索范围Ψ(包含KΨ个特征点)中,得到帧间预测信号即预测信号
步骤S304,将原始信号和预测信号做差得到残差系数
步骤S305,对残差系数进行如步骤S305A1~S305C1的变换:
步骤S305A1,将128维的划分为两个8x8的二维矩阵;
步骤S305B1,分别用两个8x8的DCT变换作用于这两个变换矩阵,得到两个变换后的系数矩阵;
步骤S305C1,将两个8x8的系数矩阵合并成一个128维的变换系数
或者,对残差系数进行如步骤S305A2~S305C2的变换:
步骤S305A2,将128维的按照8个不同方向划分成8个4x4的二维矩阵,即将每个方向的16个元素,按照位置排列成4x4的矩阵;
步骤S305B2,分别用8个4x4的DCT变换作用于这8个变换矩阵,得到8个变换后的系数矩阵;
步骤S305C2,将8个4x4的系数矩阵合并成一个128维的变换系数
步骤S305还可以包括:
步骤S305D,通过率失真选择决定是否进行变换,如果跳过变换,那么残差系数就是此时进行量化的变换系数。当跳过变换直接对残差系数进行量化时,即为第一实施方式的具体实施例。
步骤S306,通过设定的量化步长(Qs,Quantization step),对变换系数进行标量量化得到量化后的量化系数这里的量化也可以是矢量量化,本实施例优选为标量量化。
步骤S307,通过熵编码器对量化系数进行熵编码,编码模型采用视频编码标准中常用的上下文自适应的二进制熵编码方法(CABAC,Context-Adaptive BinaryArithmetic Coding),最终形成二值化码流,熵编码中的二值化的处理过程具体步骤包括:
步骤S307A,输出一个bin表示是否为全零系数,如果是算法结束;
步骤S307B,输出一个二值向量,其中每个bin表示中对应系数是否为零;
步骤S307C,对于每一个非零系数,首先输出一个符号位,接着输出一个bin表示这个系数的绝对值是否为1;如果不是再输出一个bin表示系数绝对值是否为2;如果还不是,将这个系数绝对值减去3之后的指数哥伦布码输出。编码完成后得到重构描述子,输出码流。
步骤S308,对量化后的量化系数进行反量化和/或反变换,得到重构描述子,存储在缓存中。
需要说明的是,步骤S307中进行熵编码时,同时对变换控制标识也进行熵编码,将所做的变换过程记录在编码中。这里的变换控制标识,指的是,是否进行了步骤S305的变换和步骤S308的反变换。这里的变换和反变换是相应出现的,如果进行了变换,则在重构描述子时,需要在反量化之后进行反变换;如果在压缩过程中没有进行变换,则在重构描述子时,不需要在反量化之后进行反变换。
本实施例所述的基于视频的局部特征描述子的压缩方法,对视频局部特征描述子进行压缩,在联合视频内容的基础上,使压缩后的视频数据得到紧凑的表示,达到的很高的压缩比,从而提高了视频数据的传输速率和存储效率,同时提高了视频数据的检索效率。
图4是本发明第三实施方式的基于视频的局部特征描述子的压缩***结构示意图。
如图4所示,本实施方式的基于视频的局部特征描述子的压缩***,包括:预测模块11、残差系数计算模块12、量化模块14、编码模块15;其中,
所述预测模块11用于联合视频内容对当前局部特征描述子进行帧间预测得到预测信号。
预测模块11对所述当前局部特征描述子进行帧间预测,具体为,预测模块11在所述视频的已编码的帧中,找到一个与所述当前局部特征描述子最相近的重构描述子,作为预测信号。视频数据是由帧组成,每一帧中都有相应的局部特征描述子。处于压缩过程中的当前局部特征描述子所属的帧,即当前帧。优选的,所述视频的已编码的帧,为当前帧的前一帧。这里的最相近,是指所述已编码的重构描述子与所述当前描述子具有的相同特征数据最多,也可以通过绝对值误差和(SAD,Sum of Absolute Difference)进行选择。这一最值选择可通过一个可编程逻辑控制器(PLC)实现。预测模块11在前一帧中搜索最相近重构描述子时,可以在前一帧的全部数据中搜索,也可以自定义搜索范围,如,根据所述视频的运动矢量进行搜索,在当前描述子运动矢量所指向的位置处,距离最近的五个节点的范围内搜索最相近的重构描述子。
特别的,预测模块11进行帧间预测时,作为当前局部特征描述子的预测结果的所述重构描述子,除在相应范围内的最相近的重构描述子外,也可以根据需要进行其他定义,如对应位置的重构描述子、相反特征的重构描述子。
所述残差系数计算模块12与所述预测模块11相连,用于计算所述预测信号的残差系数。优选的,本步骤中计算预测信号的残差系数,通过作差的方法进行。
所述量化模块14与所述预测选择模块12相连,用于接收所述预测模块12所输出的残差系数,并用于对所述残差系数进行量化得到并输出量化系数。量化模块14对所述残差系数进行标量量化,或矢量量化。
所述编码模块15与所述量化模块14相连,用于接收所述量化模块14输出的量化系数,并用于对所述量化系数进行熵编码,输出码流。
通过本实施例所述的视频局部特征描述子压缩***,对视频局部特征描述子进行压缩,在联合视频内容的基础上,使压缩后的视频数据得到紧凑的表示,达到的很高的压缩比,从而提高了视频数据的传输速率和存储效率,同时提高了视频数据的检索效率。
图5是本发明第四实施方式的基于视频的局部特征描述子的压缩***结构示意图。
如图5所示,本实施方式所述描述子的压缩***与第三实施方式所述的局部特征描述子的压缩***包括相同的预测模块11、残差系数计算模块12、编码模块15,不同的是,本实施方式还包括变换模块13和重构描述子存储模块16,同时在量化模块14的连接关系上有所不同,具体的:
所述变换模块13与所述残差系数计算模块12和量化模块14相连,用于接收所述残差系数计算模块12输出的残差系数,并用于对所述残差系数进行变换得到并输出变换系数。
所述量化模块14用于接收所述变换模块13所输出的变换系数,并用于对所述变换系数进行量化得到量化系数。
所述重构描述子存储模块16与编码模块15和预测模块11相连,用于对所述量化系数进行反量化和反变换,得到重构描述子,并存储所述重构描述子。
图6是本发明第五实施方式的视频压缩方法流程示意图。
如图6所示,本实施方式所述的视频压缩方法包括:
步骤S400,对视频原始数据进压缩,得到视频自身码流,并得到视频的运动矢量信息。
步骤S401,联合视频内容对当前局部特征描述子进行帧间预测得到预测信号。
本步骤中,对所述当前局部特征描述子进行帧间预测,具体为,在所述视频的已编码的帧中,根据所述运动矢量信息,找到一个与所述当前局部特征描述子最相近的重构描述子,作为预测信号。
步骤S402,计算所述预测信号的残差系数。优选的,本步骤中计算预测信号的残差系数,通过作差的方法进行。
步骤S403,对所述残差系数进行变换得到变换系数。
本步骤中,优选的,变换方式为DCT作用于二维矩阵的方式得到系数矩阵,从而得到变换系数。
步骤S404,对所述残差系数变换后的所述变换系数进行量化并得到量化系数。优选的,这里的量化为标量量化。
步骤S405,对所述量化系数进行熵编码,完成对视频原始数据中的局部特征描述子的压缩,得到熵编码后的描述子码流。本步骤中的熵编码,优选的,编码模型采用视频编码标准中常用的上下文自适应的二进制熵编码方法(CABAC,Context-Adaptive BinaryArithmetic Coding),最终形成二值化的描述子码流。
步骤S406,将所述描述子码流输出到所述视频自身码流中,输出视频码流。
通过本实施方式所述的视频压缩方法,对视频进行压缩,在联合视频内容的基础上压缩视频局部特征描述子,使压缩后的视频数据得到紧凑的表示,达到的很高的压缩比,从而提高了视频数据的传输速率和存储效率,同时提高了视频数据的检索效率。
本领域普通技术人员可以理解实现本发明所述方法和***的全部或部分步骤和模块可以通过硬件来完成,或通过程序指令硬件来完成,该程序可以存储于计算机可读存储介质中,如磁盘、存储器等。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (4)
1.一种视频局部特征描述子的压缩方法,其特征在于,所述方法包括如下步骤:
联合视频内容对当前局部特征描述子进行帧间预测,在所述当前局部特征描述子所在帧的已编码的前一帧中,找到一个与所述当前局部特征描述子最相近的重构描述子、和/或对应位置的重构描述子、和/或相反特征的重构描述子,作为预测信号;
计算所述预测信号的残差系数;
对所述残差系数进行变换得到变换系数;
对所述变换系数进行量化得到量化系数;
对所述量化系数进行反量化和反变换,得到重构描述子,并存储所述重构描述子;
对所述量化系数进行熵编码,输出码流。
2.根据权利要求1所述的视频局部特征描述子的压缩方法,其特征在于,所述量化为标量量化或矢量量化。
3.一种视频局部特征描述子的压缩***,其特征在于,所述***包括:预测模块、残差系数计算模块、变换模块、量化模块、编码模块、重构描述子存储模块;其中,
所述预测模块用于联合视频内容对当前局部特征描述子进行帧间预测,在所述当前局部特征描述子所在帧的已编码的前一帧中,找到一个与所述当前局部特征描述子最相近的重构描述子、和/或对应位置的重构描述子、和/或相反特征的重构描述子,作为得到预测信号;
所述残差系数计算模块与所述预测模块相连,用于计算所述预测信号的残差系数;
所述变换模块与所述残差系数计算模块和量化模块相连,用于对所述残差系数进行变换得到变换系数;
所述量化模块与所述变换系数计算模块相连,用于对所述系数进行量化得到量化系数;
所述重构描述子存储模块,用于对所述量化系数进行反量化和反变换,得到重构描述子,并存储所述重构描述子;
所述编码模块与所述量化模块相连,用于对所述量化系数进行熵编码,输出码流。
4.一种视频压缩方法,其特征在于,所述方法包括:
对视频原始数据进压缩,得到视频自身码流;
联合所述视频的内容,采用权利要求1或2所述的视频局部特征描述子的压缩方法,对视频原始数据中的局部特征描述子进行压缩,得到熵编码后的描述子码流;
将所述描述子码流输出到所述视频自身码流中,输出视频码流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510073614.7A CN104661035B (zh) | 2015-02-11 | 2015-02-11 | 视频局部特征描述子的压缩方法、***及视频压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510073614.7A CN104661035B (zh) | 2015-02-11 | 2015-02-11 | 视频局部特征描述子的压缩方法、***及视频压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104661035A CN104661035A (zh) | 2015-05-27 |
CN104661035B true CN104661035B (zh) | 2018-05-29 |
Family
ID=53251658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510073614.7A Active CN104661035B (zh) | 2015-02-11 | 2015-02-11 | 视频局部特征描述子的压缩方法、***及视频压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104661035B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473154B (zh) * | 2021-06-30 | 2022-11-22 | 杭州海康威视数字技术股份有限公司 | 视频编码、视频解码方法、装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI463438B (zh) * | 2011-03-07 | 2014-12-01 | Ind Tech Res Inst | 特徵點描述壓縮方法及特徵點描述壓縮裝置 |
CN102929969A (zh) * | 2012-10-15 | 2013-02-13 | 北京师范大学 | 一种基于互联网的移动端三维城市模型实时搜索与合成技术 |
-
2015
- 2015-02-11 CN CN201510073614.7A patent/CN104661035B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104661035A (zh) | 2015-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Deepcoder: A deep neural network based video compression | |
CN102835111B (zh) | 使用先前块的运动矢量作为当前块的运动矢量来对图像进行编码/解码的方法和设备 | |
US20180115787A1 (en) | Method for encoding and decoding video signal, and apparatus therefor | |
JP7283024B2 (ja) | 画像の符号化方法、復号化方法、エンコーダ、およびデコーダ | |
US10368086B2 (en) | Image coding/decoding method, device, and system | |
CN103688541A (zh) | 在视频译码中缓冲预测数据 | |
CN103098469A (zh) | 用于对变换系数进行熵编码/熵解码的方法和设备 | |
CN103609112A (zh) | 视频译码中的内部位深度增加 | |
JP2017521980A (ja) | デジタル画像のコーディング方法、デコーディング方法、関連する装置およびコンピュータプログラム | |
CN105474642A (zh) | 使用频域差对图像集合进行重新编码 | |
CN103188494A (zh) | 跳过离散余弦变换对深度图像编码/解码的设备和方法 | |
JP2021506180A (ja) | ビデオデータインター予測方法及び装置 | |
JP2020205609A (ja) | 画像の符号化及び復号方法、画像の符号化及び復号デバイス、及びこれに対応するコンピュータプログラム | |
US20110090954A1 (en) | Video Codes with Directional Transforms | |
CN105025298A (zh) | 对图像进行编码/解码的方法和设备 | |
CN104854867A (zh) | 处理多视图视频信号的方法和设备 | |
WO2012011779A2 (ko) | 전 방위 기반의 인트라 예측 부호화/복호화 장치 및 방법 | |
CN106576166A (zh) | 图像编码和解码方法、图像编码和解码设备以及相应的计算机程序 | |
CN104661035B (zh) | 视频局部特征描述子的压缩方法、***及视频压缩方法 | |
KR20130006578A (ko) | 비표준 벡터 양자화 코더를 이용한 비디오 표준을 따르는 레지듀얼 코딩 | |
CN104735459B (zh) | 视频局部特征描述子的压缩方法、***及视频压缩方法 | |
KR20170058335A (ko) | 분리 가능한 변환에 기초하여 적응적으로 비디오 신호를 인코딩 및 디코딩하는 방법 및 장치 | |
CN103533351A (zh) | 一种多量化表的图像压缩方法 | |
CN104661034B (zh) | 基于视频的局部特征描述子的压缩方法及*** | |
JP2015035788A (ja) | 画像符号化装置、画像符号化方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |