CN101620729A - 获取质量最好灰度图像的方法 - Google Patents
获取质量最好灰度图像的方法 Download PDFInfo
- Publication number
- CN101620729A CN101620729A CN200910104523A CN200910104523A CN101620729A CN 101620729 A CN101620729 A CN 101620729A CN 200910104523 A CN200910104523 A CN 200910104523A CN 200910104523 A CN200910104523 A CN 200910104523A CN 101620729 A CN101620729 A CN 101620729A
- Authority
- CN
- China
- Prior art keywords
- gray
- value
- image
- source images
- level
- 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
Abstract
本发明公开一种质量最好灰度图像的产生方法,按下列步骤进行:选择灰度图像为源图像,获取源图像每个像素点的灰度值,并检测源图像的灰度谱;建立灰度图像质量评价函数NCAF;利用Zadeh-X变换方法对源图像进行Zadeh-X变换,计算出变换图像的信息熵、平均对比度、归一化灰度差,获得该变换图像对应的灰度图像质量评价函数NCAF的值;确定灰度图像质量评价函数NCAF的最大值对应的Delta值,根据该值和灰度起始值Theta,利用Zadeh-X变换方法对源图像进行Zadeh-X变换,变换图像即为质量最好图像。本发明能够获得质量最好的灰度图像,且结果符合人类视觉主观认识。
Description
技术领域
本发明涉及图像处理领域,具体地讲,是一种用于获取质量最好的灰度图像的方法。
背景技术
成像设备的成像效果受到很多因素的影响,如成像设备本身的性能、照明条件、操作者的技巧等。很多情况下,成像设备得到的图像质量都不是很好,需要对图像质量进行改善,为此,如何改善图像质量,已经成为图像处理领域中一个重要问题。
图像(质量)增强是图像处理领域的重要问题。已提出了很多方法,如直方图均衡化、对比度拉伸等,但却没有看到评价图像质量变好程度的报导,而且也没有看到什么条件下能获得质量最好图像的文献报道。
发明内容
本发明的目的在于提供一种获取质量最好灰度图像的方法,以获得质量最好的灰度图像。
为了实现上述目的,本发明的技术方案叙述如下:一种获取质量最好灰度图像的方法,其关键在于按如下步骤进行:
(一)选择灰度图像为源图像,获取源图像每个像素点的灰度值,搜索源图像的最大灰度值和最小灰度值;源图像的最大灰度值即源图像灰度谱的右边界值,源图像的最小灰度值即源图像灰度谱的左边界值。
本发明所说的灰度谱的检测方法见中国发明专利“用于底层图像变换的图像灰度或色度信息的高分辨检测方法”(专利号:ZL200610054324.9)。该专利提出的图像灰度信息的高分辨率检测方法能够得出最高分辨率为一个灰度级的高精度灰度谱,显示图像的所有灰度信息,有助于了解源图像的整个灰度分布,并在底层图像变换中选出合适的灰度起始值Theta。
(二)建立灰度图像质量评价函数NCAF,所用公式为:
NCAF=InEn×AC×NGD
其中,InEn表示图像信息熵,AC表示图像平均对比度,NGD表示图像的归一化灰度差;
所述图像信息熵InEn由下式获得:
式中,p(i)表示图像第i灰度级上像素数分布的概率,当p(i)=0时,令Log2p(i)=0;
所述图像平均对比度AC由下式获得:
其中,ACx、ACy分别表示图像X、Y方向的平均对比度,ACx、ACy的计算公式分别为:
上两式中,Gray(x,y)为图像像素点(x,y)的灰度值,M、N为图像在X、Y方向的像素数;
图像的归一化灰度差NGD由下式获得:
上式中,|·|为绝对值算符,AOG表示人类视觉最佳平均灰度,根据理想均匀分布直方图算得其值为127.5;AG表示图像平均灰度值;
所述图像平均灰度值AG由下式获得:
式中,Gray(x,y)为图像像素点(x,y)的灰度值,M、N为图像在X、Y方向的像素数;
当图像为源图像时,得到的图像平均灰度值为源图像的平均灰度值AG0。
本评价函数是以人类视觉对图像的认知功能特征为基础提出,符合人类视觉对图像质量的评价。图像信息熵、图像平均对比度、图像平均灰度值都是描述图像质量的基本、可客观测量的物理参数。图像只有在具有丰富的图像信息熵、合适的图像平均对比度、合适的图像平均灰度值时,才是质量最好的图像。实践中发现,灰度图像质量评价函数NCAF值最大时,图像的质量最好。
与现有的全参考图像质量评价相比,本评价函数有以下几个优点:不依赖于参考图像的互计算;有利于大型图像的质量评价;可以实现不同大小图像质量的比较;可评价参考图像本身的质量,不需对参考图像做出先验的假定。
(三)利用Zadeh-X变换方法对源图像进行Zadeh-X变换,计算出变换图像的信息熵InEn、平均对比度AC、归一化灰度差NGD,获得该变换图像对应的灰度图像质量评价函数NCAF的值;
源图像的平均灰度值AG0≤127.5时,所述Zadeh-X变换方法所用公式为:
源图像的平均灰度值AG0>127.5时,所述Zadeh-X变换方法所用公式为:
上两个Zadeh-X变换方法所用公式的约束条件为:
其中,0(x,y)表示源图像的灰度值,变化范围是[0,255];T(x,y)表示变换图像的灰度值,变化范围是[0,255];Theta和Delta分别表示变换的灰度起始值和灰度层次;K表示伸缩因子,取值范围为[1,255],为了使转换后的图像灰度分布更均匀,取K=255;
变换具体步骤如下:
A、确定灰度层次Delta的起点值和灰度起始值Theta;
B、将灰度起始值Theta和灰度层次Delta代入Zadeh-X变换方法所用公式进行Zadeh-X变换,灰度起始值Theta为固定值,灰度层次Delta从起点值开始按每次增1变化,每个灰度层次Delta值对应一个变换图像,根据每个变换图像对应的信息熵InEn、平均对比度AC、归一化灰度差NGD,计算每个变换图像的灰度图像质量评价函数NCAF值,直到获得灰度图像质量评价函数NCAF的最大值;
(四)确定灰度图像质量评价函数NCAF的最大值对应的灰度层次Delta,根据该灰度层次Delta和灰度起始值Theta,利用Zadeh-X变换方法对源图像进行Zadeh-X变换,获得的变换图像即为质量最好图像。
源图像的平均灰度值AG0≤127.5时,灰度起始值Theta为源图像灰度谱的左边界值,灰度层次Delta的起点值为1;
源图像的平均灰度值AG0>127.5时,灰度起始值Theta为源图像灰度谱的右边界值,灰度层次Delta的起点值为1。
Delta从1开始增加,可以保证搜索到NCAF的最大值而不会遗漏。但是搜索时间比较长,计算量比较大。
为了加快变换的速度,减少计算量,经过反复大量的实验可以确定:源图像的平均灰度值AG0≤127.5时,灰度起始值Theta为源图像灰度谱的左边界值,灰度层次Delta的起点值为1.7AG0;
源图像的平均灰度值AG0>127.5时,灰度起始值Theta为源图像灰度谱的右边界值,灰度层次Delta的起点值为AG0/1.7。
当Delta定义为正整数时,如果计算出AG0/1.7或1.7AG0为小数,则采用四舍五入的方式,调整为整数后赋值给Delta。
本发明中的Zadeh-X变换方法具体见中国发明专利“底层图像隐藏和挖掘方法及采用该方法的图像隐藏和变换装置”(专利号:ZL200610054379.X)。
对于不同的灰度图像,分别确定不同的灰度起始值Theta,使本发明能够应用于任意谱分布的灰度图像的质量改善,得到质量最好的图像。
有益效果:本发明将Zadeh-X变换和灰度图像质量评价函数NCAF结合起来,能够对任意谱分布的源图像,通过不断变化Zadeh-X变换中的Delta值,得到源图像对应的质量最好的图像,符合人类视觉的主观认识。本发明可广泛用于评价图像(质量)增强的效果,确定算法的参数,获得质量最好的图像;获得最好质量的视频监控图像;获得质量最好的底层变换图像;等。
附图说明
图1是本发明的流程示意图;
图2是实施例1的源图像和该源图像的灰度谱;其中图2(a)为源图像;图2(b)为该源图像的灰度谱;
图3是变化Delta对图2进行Zadeh-X变换得到的变换图像:
其中图3(a)为Delta=198,NCAF=45.5007对应的变换图像;
图3(b)为Delta=208,NCAF=46.7355对应的变换图像;
图3(c)为Delta=232,NCAF为最大值49.2987时对应的变换图像;
图3(d)为Delta=240,NCAF=46.4699对应的变换图像;
图4是实施例2的源图像;
图5是变化Delta对图4进行Zadeh-X变换得到的变换图像:
其中图5(a)为Delta=100,NCAF=22.7532对应的变换图像;
图5(b)为Delta=112,NCAF=24.5059对应的变换图像;
图5(c)为Delta=113,NCAF为最大值25.8103时对应的变换图像;
图5(d)为Delta=255,NCAF=9.8310时对应的变换图像。
具体实施方式
下面结合附图和实施例进一步对本发明加以说明。
实施例1:
如图1所示:一种获取质量最好灰度图像的方法,按如下步骤进行:
(一)选择灰度图像为源图像,获取源图像每个像素点的灰度值,搜索源图像的最大灰度值和最小灰度值;源图像的最大灰度值即源图像灰度谱的右边界值,源图像的最小灰度值即源图像灰度谱的左边界值。
本发明所采用的灰度谱检测方法见中国发明专利“用于底层图像变换的图像灰度或色度信息的高分辨检测方法”(专利号:ZL200610054324.9)。该专利提出的图像灰度信息的高分辨率检测方法能够得出最高分辨率为一个灰度级的高精度灰度谱,显示图像的所有灰度信息,有助于了解源图像的整个灰度分布,并在底层图像变换中选出合适的灰度起始值Theta。
(二)建立灰度图像质量评价函数NCAF,所用公式为:
NCAF=InEn×AC×NGD
其中,InEn表示图像信息熵,AC表示图像平均对比度,NGD表示图像的归一化灰度差;
所述图像信息熵InEn由下式获得:
式中,p(i)表示图像第i灰度级上像素数分布的概率,当p(i)=0时,令Log2p(i)=0;
所述图像平均对比度AC由下式获得:
其中,ACx、ACy分别表示图像X、Y方向的平均对比度,ACx、ACy的计算公式分别为:
上两式中,Gray(x,y)为图像像素点(x,y)的灰度,M、N为图像在X、Y方向的像素数;
图像的归一化灰度差NGD由下式获得:
上式中,|·|为绝对值算符,AOG表示人类视觉最佳平均灰度,根据理想均匀分布直方图算得其值为127.5;AG表示图像平均灰度值;
所述图像平均灰度值AG由下式获得:
式中,Gray(x,y)为图像像素点(x,y)的灰度值,M、N为图像在X、Y方向的像素数;
当图像为源图像时,得到的图像平均灰度值为源图像的平均灰度值AG0。
(三)利用Zadeh-X变换方法对源图像进行Zadeh-X变换,计算出变换图像的信息熵InEn、平均对比度AC、归一化灰度差NGD,获得该变换图像对应的灰度图像质量评价函数NCAF的值;
源图像的平均灰度值AG0≤127.5时,所述Zadeh-X变换方法所用公式为:
源图像的平均灰度值AG0>127.5时,所述Zadeh-X变换方法所用公式为:
上两个Zadeh-X变换方法所用公式的约束条件为:
其中,0(x,y)表示源图像的灰度值,变化范围是[0,255];T(x,y)表示变换图像的灰度值,变化范围是[0,255];Theta和Delta分别表示变换的灰度起始值和灰度层次;K表示伸缩因子,取值范围为[1,255],为了使转换后的图像灰度分布更均匀,取K=255;
变换具体步骤如下:
A、确定灰度层次Delta的起点值和灰度起始值Theta:
源图像的平均灰度值AG0≤127.5时,灰度起始值Theta为源图像灰度谱的左边界值,灰度层次Delta的起点值为1.7AG0;
源图像的平均灰度值AG0>127.5时,灰度起始值Theta为源图像灰度谱的右边界值,灰度层次Delta的起点值为AG0/1.7;
B、将灰度起始值Theta和灰度层次Delta代入Zadeh-X变换方法所用公式进行Zadeh-X变换,灰度起始值Theta为固定值,灰度层次Delta从起点值开始按每次增1变化,每个灰度层次Delta值对应一个变换图像,根据每个变换图像对应的信息熵InEn、平均对比度AC、归一化灰度差NGD,计算每个变换图像的灰度图像质量评价函数NCAF值,直到获得灰度图像质量评价函数NCAF的最大值;
(四)确定灰度图像质量评价函数NCAF的最大值对应的Delta,根据该Delta值和灰度起始值Theta,利用Zadeh-X变换方法对源图像进行Zadeh-X变换,获得的变换图像即为质量最好图像。
利用本发明方法对实施例如图2(a)所示的源图像进行Zadeh-X变换,获得质量最好的图像。
根据计算得出源图像的平均灰度值AG0=116.2500≤127.5,因此变换的灰度起始值Theta取灰度谱的左边界值,根据实践经验,灰度层次Delta的起点值取1.7AG0。图2(b)是图2(a)的高精度灰度谱,从图2(b)可以看出,图2(a)所示源图像的灰度谱的起点灰度值为0,从而确定变换的灰度起始值Theta=0,灰度层次Delta的起点值为1.7AG0=197.625,四舍五入为198。
表1为本实施例在Delta变化的过程中,图像信息熵InEn、图像平均对比度AC、图像平均灰度值AG、灰度图像质量评价函数NCAF值随Delta变化的数据。
表1
从表1可以看出,随着Delta的增大,NCAF逐渐增大到最大,然后又变小,因此在Delta的变化过程中,一定可以找到最大的NCAF值,也就是说一定可以得到质量最好的图像。当Delta=232时,NCAF值最大,对应的图像如图3(c)所示相比其他图像如图3(a)、(b)、(d)而言,质量最好。
实施例2:
本实施例与实施例1的方法大致相同,其不同之处在于:本实施例对图4所示的源图像进行Zadeh-X变换,从而获得质量最好图像,在确定灰度层次Delta的起点值和灰度起始值Theta时采用:
源图像的平均灰度值AG0≤127.5时,灰度起始值Theta为源图像灰度谱的左边界值,灰度层次Delta的起点值为1;
源图像的平均灰度值AG0>127.5时,灰度起始值Theta为源图像灰度谱的右边界值,灰度层次Delta的起点值为1。
根据计算得出,图4所示的源图像的平均灰度值AG0=191.0737>127.5,因此变换的灰度起始值Theta取灰度谱的右边界值,灰度层次Delta的起点值为1。
对图4所示源图像进行灰度谱检测得到,该源图像的灰度谱的起点灰度值为255,从而确定变换的灰度起始值Theta=255。
表2为本实施例在Delta变化的过程中,图像信息熵InEn、图像平均对比度AC、图像平均灰度值AG、灰度图像质量评价函数NCAF值随Delta变化的数据。
表2
从表2可以看出,对于平均灰度值较大的灰度图像,随着Delta的增大,NCAF逐渐增大到最大,然后又变小,因此在Delta的变化过程中,一定可以找到最大的NCAF值,也就是说一定可以得到质量最好的图像。当Delta=113时,NCAF值最大,对应的图像如图5(c)所示相比其他图像如图5(a)、(b)、(d)而言,质量最好。
Claims (3)
1、一种获取质量最好灰度图像的方法,其特征在于按如下步骤进行:
(一)选择灰度图像为源图像,获取源图像每个像素点的灰度值,搜索源图像的最大灰度值和最小灰度值;
(二)建立灰度图像质量评价函数NCAF,所用公式为:
NCAF=InEn×AC×NGD
其中,InEn表示图像信息熵,AC表示图像平均对比度,NGD表示图像的归一化灰度差;
所述图像信息熵InEn由下式获得:
式中,p(i)表示图像第i灰度级上像素数分布的概率,当p(i)=0时,令Log2p(i)=0;
所述图像平均对比度AC由下式获得:
其中,ACx、ACy分别表示图像X、Y方向的平均对比度,ACx、ACy的计算公式分别为:
上两式中,Gray(x,y)为图像像素点(x,y)的灰度值,M、N为图像在X、Y方向的像素数;
图像的归一化灰度差NGD由下式获得:
上式中,|·|为绝对值算符,AOG表示人类视觉最佳平均灰度;AG表示图像平均灰度值;
所述图像平均灰度值AG由下式获得:
式中,Gray(x,y)为图像像素点(x,y)的灰度值,M、N为图像在X、Y方向的像素数;
(三)利用Zadeh-X变换方法对源图像进行Zadeh-X变换,计算出变换图像的信息熵InEn、平均对比度AC、归一化灰度差NGD,获得该变换图像对应的灰度图像质量评价函数NCAF的值;
源图像的平均灰度值AG0≤127.5时,所述Zadeh-X变换方法所用公式为:
源图像的平均灰度值AG0>127.5时,所述Zadeh-X变换方法所用公式为:
上两个Zadeh-X变换方法所用公式的约束条件为:
其中,O(x,y)表示源图像的灰度值,变化范围是[0,255];T(x,y)表示变换图像的灰度值,变化范围是[0,255];Theta和Delta分别表示变换的灰度起始值和灰度层次;K表示伸缩因子,取值范围为[1,255],为了使转换后的图像灰度分布更均匀,取K=255;
变换具体步骤如下:
A、确定灰度层次Delta的起点值和灰度起始值Theta;
B、将灰度起始值Theta和灰度层次Delta代入Zadeh-X变换方法所用公式,灰度起始值Theta为固定值,灰度层次Delta从起点值开始按每次增1变化,每个灰度层次Delta值对应一个变换图像,根据每个变换图像对应的信息熵InEn、平均对比度AC、归一化灰度差NGD,计算每个变换图像的灰度图像质量评价函数NCAF值,直到获得灰度图像质量评价函数NCAF的最大值;
(四)确定灰度图像质量评价函数NCAF的最大值对应的灰度层次Delta,根据该灰度层次Delta和灰度起始值Theta,利用Zadeh-X变换方法对源图像进行Zadeh-X变换,获得的变换图像即为质量最好图像。
2、根据权利要求1所述的获取质量最好灰度图像的方法,其特征在于:源图像的平均灰度值AG0≤127.5时,灰度起始值Theta为源图像灰度谱的左边界值,灰度层次Delta的起点值为1;
源图像的平均灰度值AG0>127.5时,灰度起始值Theta为源图像灰度谱的右边界值,灰度层次Delta的起点值为1。
3、根据权利要求1所述的获取质量最好灰度图像的方法,其特征在于:源图像的平均灰度值AG0≤127.5时,灰度起始值Theta为源图像灰度谱的左边界值,灰度层次Delta的起点值为1.7AG0;
源图像的平均灰度值AG0>127.5时,灰度起始值Theta为源图像灰度谱的右边界值,灰度层次Delta的起点值为AG0/1.7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910104523XA CN101620729B (zh) | 2009-07-31 | 2009-07-31 | 获取质量最好灰度图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910104523XA CN101620729B (zh) | 2009-07-31 | 2009-07-31 | 获取质量最好灰度图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101620729A true CN101620729A (zh) | 2010-01-06 |
CN101620729B CN101620729B (zh) | 2011-11-30 |
Family
ID=41513948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910104523XA Expired - Fee Related CN101620729B (zh) | 2009-07-31 | 2009-07-31 | 获取质量最好灰度图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101620729B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104118609A (zh) * | 2014-07-22 | 2014-10-29 | 广东平航机械有限公司 | 贴标质量检测方法和装置 |
CN110969599A (zh) * | 2019-11-07 | 2020-04-07 | 成都傅立叶电子科技有限公司 | 基于图像属性的目标检测算法性能总体测评方法及系统 |
CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040156559A1 (en) * | 2002-11-25 | 2004-08-12 | Sarnoff Corporation | Method and apparatus for measuring quality of compressed video sequences without references |
JP4015157B2 (ja) * | 2004-07-20 | 2007-11-28 | シャープ株式会社 | 液晶表示装置の駆動装置、プログラムおよび記録媒体、並びに、液晶表示装置 |
CN101345891B (zh) * | 2008-08-25 | 2010-10-06 | 重庆医科大学 | 基于信息熵和对比度的无参考图像质量评价方法 |
CN101441770B (zh) * | 2008-11-28 | 2012-03-21 | 重庆医科大学 | 基于信息熵和对数对比度加权和的挖掘最佳图像的方法 |
CN101419707B (zh) * | 2008-11-28 | 2010-12-08 | 重庆医科大学 | 底层图像挖掘中获取最佳质量图像的方法 |
-
2009
- 2009-07-31 CN CN200910104523XA patent/CN101620729B/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104118609A (zh) * | 2014-07-22 | 2014-10-29 | 广东平航机械有限公司 | 贴标质量检测方法和装置 |
CN110969599A (zh) * | 2019-11-07 | 2020-04-07 | 成都傅立叶电子科技有限公司 | 基于图像属性的目标检测算法性能总体测评方法及系统 |
CN110969599B (zh) * | 2019-11-07 | 2023-04-07 | 成都傅立叶电子科技有限公司 | 基于图像属性的目标检测算法性能总体测评方法及系统 |
CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101620729B (zh) | 2011-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN101668226B (zh) | 获取质量最好彩色图像的方法 | |
CN105678700B (zh) | 基于预测梯度的图像插值方法及系统 | |
KR101033098B1 (ko) | 실시간 얼굴 검출 장치 | |
US20180211368A1 (en) | Method and device for adjusting contrast | |
CN101980293B (zh) | 一种基于刃边图像的高光谱遥感系统mtf检测方法 | |
CN101345891B (zh) | 基于信息熵和对比度的无参考图像质量评价方法 | |
CN102075786A (zh) | 一种图像客观质量评价方法 | |
CN101561932B (zh) | 一种动态复杂背景下的实时运动目标检测方法和装置 | |
CN102855617B (zh) | 自适应图像处理方法及系统 | |
CN108805829B (zh) | 影像数据处理方法、装置、设备及计算机可读存储介质 | |
CN105139366A (zh) | 一种基于空间域的图像增强方法 | |
CN104036493B (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
CN105654091A (zh) | 海面目标检测方法及装置 | |
CN116188327B (zh) | 一种用于安防监控视频的图像增强方法 | |
CN102036098B (zh) | 一种基于视觉信息量差异的全参考型图像质量评价方法 | |
CN103914708A (zh) | 基于机器视觉的食品品种检测方法及系统 | |
CN111353552A (zh) | 一种基于感知哈希算法的图像相似度对比方法 | |
CN104182983B (zh) | 基于角点特征的高速公路监控视频清晰度的检测方法 | |
Xie et al. | Color image quality assessment based on image quality parameters perceived by human vision system | |
CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
CN101620729B (zh) | 获取质量最好灰度图像的方法 | |
CN106339994A (zh) | 一种图像增强方法 | |
CN116703911B (zh) | 一种led灯生产质量检测系统 | |
CN101625759A (zh) | 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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111130 Termination date: 20120731 |