CN103295232A - 基于直线和区域的sar图像配准方法 - Google Patents
基于直线和区域的sar图像配准方法 Download PDFInfo
- Publication number
- CN103295232A CN103295232A CN2013101803845A CN201310180384A CN103295232A CN 103295232 A CN103295232 A CN 103295232A CN 2013101803845 A CN2013101803845 A CN 2013101803845A CN 201310180384 A CN201310180384 A CN 201310180384A CN 103295232 A CN103295232 A CN 103295232A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- subject
- sar
- images
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于直线和区域分割的SAR图像配准方法,主要解决现有技术配准效果差及计算复杂度高的问题,其实现步骤为:(1)输入两幅SAR图像,用Hough变换检测这两幅图像中的直线;(2)对检测出的直线按斜率分组,得到两幅SAR图像的主方向,计算旋转参数,(3)对基准图像和旋转后的待配准图像用最佳阈值分割方法和形态学腐蚀膨胀获得闭合区域;(4)利用区域质心计算平移参数;(5)将平移旋转后的待配准图像与基准图像重合,完成配准。本发明具有对SAR图像的配准受噪声影响小,对有小面积水域的SAR图像分割结果稳定且配准效果更好,速度快捷,计算复杂度低的优点,可用于模式识别、自动导航、计算机视觉和遥感图像的处理。
Description
技术领域
本发明属于图像处理技术领域,涉及合成孔径雷达SAR图像分割,可用于对SAR图像的配准。
背景技术
合成孔径雷达SAR是一种高分辨率主动式有源微波遥感成像雷达,具有全天候、全天时、分辨率高、可侧视成像等优点,可应用于军事、农业、导航、地理监视等诸多领域。图像匹配可分成三大类:基于灰度相关的匹配方法﹑基于特征的匹配方法和基于互信息的匹配方法。
基于灰度相关的方法是一种对图像以一定大小的狄度阵列按某种或几种相似性度量顺序进行搜索匹配的办法。这种匹配一旦进入信息贫乏或图像有较大的比例尺差异或扭曲的区域,匹配难免失败。
基于特征的匹配算法是以往常用的方法,图像的特征反映了图像重要信息,以这些特征作为模型进行匹配,局部特征有点、边缘、线条、较小的区域,全局特征包括多边形和成为结构的复杂的图像内容描述。但是算法要求特征点应该位于灰度变化的区域的中心,例如孤立点﹑拐角点等。在图像获取和特征提取阶段的等过程会产生不同程度的噪声,使得本来准确的点特征之间的对应关系变得难以确定。
基于互信息的模板匹配算法具有匹配精度高、抗遮挡、抗随机噪声等优点,在图像配准领域得到广泛的应用,但标准互信息的计算量非常大,难以实现实时匹配;并且,互信息测度丢失了大量的图像空间信息会导致互信息最大值不唯一或最大值位置与图像配准位置不一致等问题。
发明内容
本发明的目的在于针对已有技术的不足,提出一种基于直线和区域的SAR图像配准方法,以提高配准的速度和准确度,降低算法的复杂度。
为实现上述目的,本发明包括如下步骤:
(1)读入两幅SAR图像,其中,一幅是基准图像I1,另一幅是待配准图像I2,用Hough变换检测这两幅图像中的直线;
(2)根据Hough变换检测的直线,得到两幅SAR图像的旋转参数α;
(3)根据获得的旋转参数α,旋转待配准图像I2,得到旋转后的待配准图像I3;
(4)分别对基准图像I1和旋转后的待配准图像I3用最佳阈值分割方法和形态学腐蚀膨胀获得闭合区域图A和B,其中,A为基准图像的区域图,B为旋转后的待配准图像I3的区域图;
(5)根据获得的基准图像区域A和旋转后的待配准图像区域B,计算基准图像I1和旋转后的待配准图像I3的水平平移量m和垂直平移量n;
(6)根据水平平移量m和垂直平移量n,对旋转后的待配准图像I3进行水平移动和垂直移动,使其与基准图像I1重合,完成SAR图像配准。
本发明具有如下优点:
1.本发明采用传统的Hough变换,对SAR图像直接进行直线检测,检测直线时受噪声影响小﹑速度快﹑鲁棒性好,避免了现有很多的特征提取算法中噪声影响严重的问题,降低了计算的复杂度。
2.本发明在直线计算出旋转参数后,用自动最佳阈值分割和形态学腐蚀膨胀的方法提取区域,计算图像的平移参数,使算法速度快捷。
由仿真结果可以看出,本发明的配准结果优于原有的单一使用直线或区域的配准结果,且速度更加快捷。
附图说明
图1是本发明的流程图;
图2是本发明中计算旋转参数的子流程图;
图3是本发明中计算平移参数的子流程图;
图4是原始基准SAR图像;
图5是原始待配准SAR图像;
图6是用本发明对图4的Hough变换确定主方向后的图像;
图7是用本发明对图5的Hough变换确定主方向后的图像;
图8是用本发明对图4的分割仿真结果图;
图9是用本发明对旋转后的图5的分割仿真结果图;
图10是用本发明对图4和图5的配准仿真结果图。
具体实施方式
参照图1,本发明的具体实现步骤如下:
步骤1,读入两幅SAR图像,其中,一幅是基准图像I1,另一幅是待配准图像I2,并用Hough变换检测出这两幅图像中存在的多条直线。
步骤2,对检测出的多条直线,按直线的斜率方向分组,分别计算这两幅图像的主方向,进而得到两幅SAR图像的旋转参数α。
基于直线计算两幅图像的旋转参数的方法有多种,例如:一种是用Hough变换检测出的直线在两幅SAR图像中构造一对相似三角形,任意对应的直线对的斜率差为这两幅图像的旋转参数;另一种是用分别检测出两幅图像的边缘图,用最小二乘法拟合出多条直线,统计这两幅图像中直线对斜率差的直方图,计算这两幅图像的旋转参数等。本发明采用Hough变换提取两幅图像的存在的多条直线,得到两幅图像的主方向,计算这两幅图像的旋转参数,如图2所示。
参照图2,本步骤的具体实现如下:
(2a)判定两幅SAR图像中检测出的每一条直线长度l,如果该直线的长度l<15,则删除该直线,否则,保留该直线;
(2b)对两幅SAR图像中保留的任意一条直线li的两个端点(x1i,y1i)和(x2i,y2i),计算该直线的斜率方向分别确定直线数目最多的斜率方向为两幅SAR图像的主方向k1和k2,其中,k1为基准图像I1的主方向,k2为旋转后的待配准图像I3的主方向;
(2c)根据两幅SAR图像主方向k1和k2,得到旋转参数:
α=arctan(k2-k1)×180/π。
步骤3,根据获得的旋转参数α,旋转待配准图像I2,得到旋转后的待配准图像I3。
步骤4,获得基准图像I1和旋转后的待配准图像I3的区域分割图A和B。
(4a)用最佳阈值分割方法和形态学腐蚀膨胀方法,对基准图像I1进行分割获得区域分割图A;
(4b)用最佳阈值分割方法和形态学腐蚀膨胀方法,对旋转后的待配准图像I3进行分割获得区域分割图B。
步骤5,根据获得的基准图像区域分割图A和旋转后的待配准图像区域分割图B,计算基准图像I1和旋转后的待配准图像I3的水平平移量m和垂直平移量n。
基于区域计算两幅图像的平移参数的方法有多种,例如:一种是用最佳阈值分割方法分割区域,计算各个区域块的Hu不变矩,选取3对Hu不变矩欧式距离依次小的区域,用这3对区域的质心计算平移参数;另一种是计算旋转参数后,用k-means聚类算法分割区域,计算每块区域的Hu不变矩特征,找出Hu不变矩欧式距离最小的一对区域块,用这对区域块的质心计算两幅图像的平移参数等。本发明采用最佳阈值分割和形态学腐蚀膨胀方法分割区域,用Hu不变矩计算最匹配的两个区域块,用这两个区域块的质心计算两幅图像的平移参数,如图3所示。
参照图3,本步骤的具体实现如下:
(5a)分别检测出基准图像I1的区域分割图A和旋转后的待配准图像I3的区域分割图B中的各个闭合区域块,并计算出每块闭合区域的Hu不变矩特征;
(5b)应用Hu不变矩特征计算基准图像I1和旋转后的待配准图像I3中Hu矩特征欧式距离最小的两个区域块A'和B',其中,A'为基准图像I1的区域分割图A中的闭合区域块中的一块,B'为旋转后的待配准图像I3的区域分割图B中的闭合区域块中的一块;
(5c)分别计算基准图像I1的区域块A'和旋转后的待配准图像I3的区域块B'的质心坐标(x1,y1)和(x2,y2),根据两个区域块A'和B'的质心,得到基准图像I1和旋转后的待配准图像I3的水平平移量m=x2-x1和垂直平移量n=y2-y1。
步骤6,根据水平平移量m和垂直平移量n,对旋转后的待配准图像I3进行水平移动和垂直移动,使其与基准图像I1重合,完成SAR图像配准。
本发明的效果通过以下仿真实验进一步说明。
1、实验条件与方法
硬件平台为:Intel(R)Pentium(R)1CPU2.4GHz;
软件平台为:Window XP Professional,MATLAB R2010;
实验方法:分别为本发明的Hough变换方法和最佳阈值分割方法。
2、实验内容及结果
实验1,对图4进行进行Hough变换提取直线,按直线的长度保留直线,对保留的直线进行分组,提取出的图4主方向图,结果如图6所示。
实验2,对图5进行进行Hough变换提取直线,按直线的长度保留直线,对保留的直线进行分组,提取出的图5主方向图,结果如图7所示。
实验3,对图4用最佳阈值分割和形态学腐蚀膨胀进行阈值分割,结果见图8所示。
实验4,对图5用计算出的旋转参数旋转后,最佳阈值分割和形态学腐蚀膨胀进行阈值分割,结果见图9所示。
实验5,对图8和图9进行配准,结果如图10所示。
由图6和图7可见,Hough变换噪声影响小﹑速度快﹑鲁棒性好,适用于对SAR图像提取直线,可用于计算配准时的旋转参数,可以看出,Hough变换提取的直线端点不准确,不能直接用于计算配准时的平移参数。
由图8和图9可见,现有最佳阈值分割方法和腐蚀膨胀方法对于SAR图像分割对应水域附近的区域清晰准确,且速度快捷,但在区域分割后,能够匹配的区域块仅小于3块,表明单纯使用最佳阈值和形态学腐蚀膨胀算法时,则不能进行配准。
由图10可见,用Hough变换和最佳阈值分割方法和腐蚀膨胀方法对SAR图像进行配准时,解决了仅使用Hough变换检测直线时,检测出的直线端点不准确,导致平移参数计算不准确的问题;同时也解决了仅使用最佳阈值分割方法和腐蚀膨胀方法时,图像区域像分割后,能够匹配的闭合区域块数小于3块,而不能进行配准的问题。
综上所述,本发明提出的基于直线和区域的SAR图像配准方法对SAR图像的配准降低了噪声的影响,且时间复杂度小,可用于对SAR图像进行配准。
Claims (3)
1.一种直线和区域特征的SAR图像配准方法,包括如下步骤:
(1)读入两幅SAR图像,其中,一幅是基准图像I1,另一幅是待配准图像I2,用Hough变换检测这两幅图像中的直线;
(2)根据Hough变换检测的直线,得到两幅SAR图像的旋转参数α;
(3)根据获得的旋转参数α,旋转待配准图像I2,得到旋转后的待配准图像I3;
(4)分别对基准图像I1和旋转后的待配准图像I3用最佳阈值分割方法和形态学腐蚀膨胀获得闭合区域分割图A和B,其中,A为基准图像的区域分割图,B为旋转后的待配准图像I3的区域分割图;
(5)根据获得的基准图像区域分割图A和旋转后的待配准图像区域分割图B,计算基准图像I1和旋转后的待配准图像I3的水平平移量m和垂直平移量n;
(6)根据水平平移量m和垂直平移量n,对旋转后的待配准图像I3进行水平移动和垂直移动,使其与基准图像I1重合,完成SAR图像配准。
2.根据权利要求1所述的基于直线和区域的SAR图像配准方法,其中步骤(2)所述的根据Hough变换检测的结果,得到两幅SAR图像的旋转参数α,按如下步骤进行:
(2a)判定两幅SAR图像中检测出的每一条直线长度l,如果直线的长度l<15,删除该直线,否则,保留该直线;
(2b)对两幅SAR图像中保留的任意一条直线li的两个端点(x1i,y1i)和(x2i,y2i),计算该直线的斜率方向分别确定直线数目最多的斜率方向为两幅SAR图像的主方向k1和k2,其中,k1为基准图像I1的主方向,k2为旋转后的待配准图像I3的主方向;
(2c)根据两幅SAR图像的主方向k1和k2,得到旋转参数
α=arctan(k2-k1)×180/π。
3.根据权利要求1所述的基于直线和区域的SAR图像配准方法,其中步骤(5)所述的根据获得的基准图像I1区域分割图A和旋转后的待配准图像I3区域分割图B,计算基准图像I1和旋转后的待配准图像I3的水平平移量m和垂直平移量n,按如下步骤进行:
(5a)分别检测出基准图像I1的区域分割图A和旋转后的待配准图像I3的区域分割图B中的各个闭合区域块,计算出每个闭合区域块的Hu不变矩特征;
(5b)计算基准图像I1区域分割图A和旋转后的待配准图像I3区域分割图B中Hu矩特征欧式距离最小的两个闭合区域块A'和B',其中,A'为基准图像I1的区域分割图A中的一块闭合区域,B'为旋转后的待配准图像I3的区域分割图B中的一块闭合区域;
(5c)分别计算基准图像I1的区域块A'和旋转后的待配准图像I3的区域块B'的质心坐标(x1,y1)和(x2,y2),根据两个闭合区域块A'和B'质心,得到基准图像I1和旋转后的待配准图像I3的水平平移量m=x2-x1和垂直平移量n=y2-y1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180384.5A CN103295232B (zh) | 2013-05-15 | 2013-05-15 | 基于直线和区域的sar图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180384.5A CN103295232B (zh) | 2013-05-15 | 2013-05-15 | 基于直线和区域的sar图像配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103295232A true CN103295232A (zh) | 2013-09-11 |
CN103295232B CN103295232B (zh) | 2016-01-13 |
Family
ID=49096037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310180384.5A Active CN103295232B (zh) | 2013-05-15 | 2013-05-15 | 基于直线和区域的sar图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103295232B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514606A (zh) * | 2013-10-14 | 2014-01-15 | 武汉大学 | 一种异源遥感影像配准方法 |
CN103593842A (zh) * | 2013-10-25 | 2014-02-19 | 西安电子科技大学 | 基于交叉爬山memetic量子进化计算的医学图像配准方法 |
CN103839262A (zh) * | 2014-02-24 | 2014-06-04 | 西安电子科技大学 | 一种基于直线和fft的sar图像配准方法 |
CN104867126A (zh) * | 2014-02-25 | 2015-08-26 | 西安电子科技大学 | 基于点对约束和三角形网的有变化区域的合成孔径雷达图像配准方法 |
CN104992432A (zh) * | 2015-06-19 | 2015-10-21 | 北京邮电大学 | 多模图像配准方法 |
CN106203433A (zh) * | 2016-07-13 | 2016-12-07 | 西安电子科技大学 | 一种车辆监控图像中车牌位置自动提取并透视校正的方法 |
CN108520494A (zh) * | 2018-04-04 | 2018-09-11 | 西安电子科技大学 | 基于结构条件互信息的sar图像与可见光图像配准方法 |
CN108765833A (zh) * | 2018-04-27 | 2018-11-06 | 天津大学 | 基于改进混合高斯与机器学习的早期火灾检测算法 |
CN110428430A (zh) * | 2019-07-03 | 2019-11-08 | 广州微林软件有限公司 | 一种区域内的直线定位拟合方法及应用 |
CN110838135A (zh) * | 2019-10-31 | 2020-02-25 | 上海工程技术大学 | 一种pcb裸板图像配准方法 |
CN112052769A (zh) * | 2020-08-28 | 2020-12-08 | 深圳市汇顶科技股份有限公司 | 图像偏移量计算方法、指纹检测模组、装置及电子设备 |
WO2022041146A1 (zh) * | 2020-08-28 | 2022-03-03 | 深圳市汇顶科技股份有限公司 | 图像偏移量计算方法、指纹检测模组、装置及电子设备 |
CN115049708A (zh) * | 2022-04-12 | 2022-09-13 | 南京雷电信息技术有限公司 | 基于lsd直线检测与模板匹配的sar图像配准方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
US20110026832A1 (en) * | 2009-05-20 | 2011-02-03 | Lemoigne-Stewart Jacqueline J | Automatic extraction of planetary image features |
-
2013
- 2013-05-15 CN CN201310180384.5A patent/CN103295232B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
US20110026832A1 (en) * | 2009-05-20 | 2011-02-03 | Lemoigne-Stewart Jacqueline J | Automatic extraction of planetary image features |
Non-Patent Citations (3)
Title |
---|
C.PALMANN ET AL.: "SAR IMAGE REGISTRATION USING A NEW APPROACH BASED ON THE GENERALIZED HOUGH TRANSFORM", 《THE INTERNATIONAL ARCHIVES OF THE PHOTOGRAMMETRY,REMOTE SENSING AND SEPATIAL INFORMATION SCIENCES》, 11 July 2008 (2008-07-11) * |
李中科,吴乐南: "基于霍夫变换和相位相关的图像配准方法", 《信号处理》, vol. 20, no. 2, 25 April 2004 (2004-04-25) * |
王彩玲,赵春霞: "基于Hough谱的任意形状表示与配准", 《中国图象图形学报》, vol. 15, no. 5, 16 May 2010 (2010-05-16) * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514606A (zh) * | 2013-10-14 | 2014-01-15 | 武汉大学 | 一种异源遥感影像配准方法 |
CN103514606B (zh) * | 2013-10-14 | 2016-07-06 | 武汉大学 | 一种异源遥感影像配准方法 |
CN103593842A (zh) * | 2013-10-25 | 2014-02-19 | 西安电子科技大学 | 基于交叉爬山memetic量子进化计算的医学图像配准方法 |
CN103593842B (zh) * | 2013-10-25 | 2016-10-12 | 西安电子科技大学 | 基于交叉爬山memetic量子进化计算的医学图像配准方法 |
CN103839262A (zh) * | 2014-02-24 | 2014-06-04 | 西安电子科技大学 | 一种基于直线和fft的sar图像配准方法 |
CN104867126B (zh) * | 2014-02-25 | 2017-10-17 | 西安电子科技大学 | 基于点对约束和三角形网的有变化区域的合成孔径雷达图像配准方法 |
CN104867126A (zh) * | 2014-02-25 | 2015-08-26 | 西安电子科技大学 | 基于点对约束和三角形网的有变化区域的合成孔径雷达图像配准方法 |
CN104992432A (zh) * | 2015-06-19 | 2015-10-21 | 北京邮电大学 | 多模图像配准方法 |
CN104992432B (zh) * | 2015-06-19 | 2017-10-20 | 北京邮电大学 | 多模图像配准方法 |
CN106203433A (zh) * | 2016-07-13 | 2016-12-07 | 西安电子科技大学 | 一种车辆监控图像中车牌位置自动提取并透视校正的方法 |
CN108520494A (zh) * | 2018-04-04 | 2018-09-11 | 西安电子科技大学 | 基于结构条件互信息的sar图像与可见光图像配准方法 |
CN108520494B (zh) * | 2018-04-04 | 2021-08-06 | 西安电子科技大学 | 基于结构条件互信息的sar图像与可见光图像配准方法 |
CN108765833A (zh) * | 2018-04-27 | 2018-11-06 | 天津大学 | 基于改进混合高斯与机器学习的早期火灾检测算法 |
CN110428430A (zh) * | 2019-07-03 | 2019-11-08 | 广州微林软件有限公司 | 一种区域内的直线定位拟合方法及应用 |
CN110838135A (zh) * | 2019-10-31 | 2020-02-25 | 上海工程技术大学 | 一种pcb裸板图像配准方法 |
CN112052769A (zh) * | 2020-08-28 | 2020-12-08 | 深圳市汇顶科技股份有限公司 | 图像偏移量计算方法、指纹检测模组、装置及电子设备 |
WO2022041146A1 (zh) * | 2020-08-28 | 2022-03-03 | 深圳市汇顶科技股份有限公司 | 图像偏移量计算方法、指纹检测模组、装置及电子设备 |
CN115049708A (zh) * | 2022-04-12 | 2022-09-13 | 南京雷电信息技术有限公司 | 基于lsd直线检测与模板匹配的sar图像配准方法 |
CN115049708B (zh) * | 2022-04-12 | 2023-04-07 | 南京雷电信息技术有限公司 | 基于lsd直线检测与模板匹配的sar图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103295232B (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103295232A (zh) | 基于直线和区域的sar图像配准方法 | |
CN110443836B (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
CN106485740B (zh) | 一种结合稳定点和特征点的多时相sar图像配准方法 | |
CN103727930B (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN103020945B (zh) | 一种多源传感器的遥感图像配准方法 | |
CN103714541B (zh) | 一种利用山体轮廓区域约束识别定位建筑物的方法 | |
CN103839262A (zh) | 一种基于直线和fft的sar图像配准方法 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN101692257A (zh) | 一种复杂曲面的配准方法 | |
CN103593849B (zh) | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 | |
CN106340010B (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN102222346A (zh) | 一种车辆检测和跟踪方法 | |
CN103177444A (zh) | 一种sar图像自动配准方法 | |
CN106682674B (zh) | 一种基于智能巡检机器人的指针式仪表自动读数方法 | |
CN101533466B (zh) | 一种眼睛定位图像处理方法 | |
CN103679720A (zh) | 一种基于小波分解与Harris角点检测的快速图像配准方法 | |
CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
CN111354083A (zh) | 一种基于原始激光点云的递进式建筑物提取方法 | |
CN102201060B (zh) | 一种基于形状语义的非参数轮廓跟踪评价方法 | |
CN103700095A (zh) | 基于圆形约束改进活动轮廓模型的原木端面图像分割算法 | |
CN104166977A (zh) | 一种图像匹配相似性测度方法及其图像匹配方法 | |
CN110956083A (zh) | 一种基于高分四号光学卫星的渤海海冰漂移遥感探测方法 | |
CN114120140A (zh) | 基于卫星影像自动提取建筑物高度的方法 | |
Fu et al. | Recognition of bridge over water in high-resolution remote sensing images | |
Wang et al. | The unified object detection framework with arbitrary angle |
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 |