CN102930508A - 基于图像残余信号的非局部均值图像去噪方法 - Google Patents
基于图像残余信号的非局部均值图像去噪方法 Download PDFInfo
- Publication number
- CN102930508A CN102930508A CN2012103155787A CN201210315578A CN102930508A CN 102930508 A CN102930508 A CN 102930508A CN 2012103155787 A CN2012103155787 A CN 2012103155787A CN 201210315578 A CN201210315578 A CN 201210315578A CN 102930508 A CN102930508 A CN 102930508A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- local mean
- denoising
- noise pattern
- 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 Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种基于图像残余信号的非局部均值图像去噪方法,主要解决原始非局部均值去噪方法在去除噪声的同时丢失了部分图像细节信息的问题。其去噪步骤为:(1)对输入的含噪自然图像进行原始非局部均值滤波,得到一次滤波结果图和方法噪声图;(2)判断方法噪声图中各个像素点所属区域;(3)根据各个像素点所属区域不同提取图像残余信息,得到残余信息图;(4)利用残余信息图与一次滤波结果图得到去噪参考图;(5)在去噪参考图中计算新的权值,利用新的权值对含噪自然图像进行非局部均值滤波,得到每个像素点的估计值;(6)用所有像素点的估计值取代含噪自然图像中所有像素点的灰度值,得到去噪图像。本发明的去噪效果更好,可用于自然图像去噪。
Description
技术领域
本发明属于图像处理技术领域,具体地说是一种去噪方法,可用于对自然图像去噪处理。
背景技术
图像在产生、传输和记录过程中,经常会受到各种噪声的干扰,一般来说,现实中的图像都是带有噪声的图像。在边缘检测、图像分割等高层次处理前,对图像进行去噪是非常有必要的预处理步骤。人们对图像噪声的产生原因及相应的噪声模型作大量的研究,发现绝大多数常见的图像噪声都可用均值为零,方差不同的高斯白噪声作为其模型。
图像的去噪方法一般可以分为空间域滤波法与频域滤波法。空间域滤波法主要有:平均滤波、中值滤波、双边滤波等。频域滤波法通常有低通以及高通滤波器,但是,在实际中,信号和噪声往往是重叠的,因为图像的细节对应的频率成分也分布在高频区域,而噪声均匀分布在整个频带上,如高斯白噪声,所以频域法的最大问题就是如何在降低图像噪声和保留图像细节之间达到平衡。图像中包含有许多冗余信息,充分利用这些冗余信息为去噪服务,这是非局部平均滤波模型的主要思想。它的实现是利用图像邻域的相似度即冗余信息作为权值进行加权平均来获得去噪图像中每一个像素点。
虽然非局部均值方法在去噪效果上面有着良好的表现,但是非局部均值方法去噪效果的好坏和参数的选择有很大的关系,而且在去除噪声的同时也会将图像的部分细节信息去除掉,会使图像细节部分变模糊。对于含有加性高斯白噪声的噪声图,用含噪图和去噪结果图相减,得到的是非局部均值方法去除的部分,这里我们称作方法噪声图。从方法噪声图便可以很清楚看到部分图像信息被当做噪声一起被去除掉,而且不同参数的滤波器得到的方法噪声图中含有的被滤除的信息不同,这也就导致图像去噪结果不够好。
发明内容
本发明的目的在于克服上述非局部均值方法的不足,提出了一种基于图像残余信号的非局部均值图像去噪方法,以减少非局部均值方法在去除噪声的同时滤除的部分图像信息,提高图像去噪效果。
实现本发明目的的技术方案包括如下步骤:
2a)对含噪自然图像Y进行主成分分析PCA变换,得到PCA字典,将一次滤波结果图中的某个像素点i对应的图像块B2(i)向PCA字典投影,得到该图像块的投影系数矢量,用该投影系数矢量中除第一个投影系数之外的所有投影系数组成高频系数矢量w(i),并将该图像块B2(i)的高频能量E(i)定义为:
2b)设定阈值T=0.15σ,如果E(i)<T时,则判方法噪声图中该像素点i属于平滑区域;如果E(i)>=T时,则判方法噪声图中该像素点i属于细节区域;
2c)重复2a)和2b)步骤,依次判断方法噪声图中各个像素点所属的区域;
(3)根据方法噪声图中各个像素点所属的区域不同,提取其中的图像残余信息,即对于属于平滑区域的方法噪声图的某个像素点,进行3×3均值滤波,对于属于细节区域的方法噪声图的某个像素点,从9×9邻域中找出最相邻的9个像素点,用这9个像素点的平均值作为该像素点的灰度值,得到从方法噪声图中提取出来的残余信息图
(5)在去噪参考图X'中利用非局部均值的权值公式求得新的权值wref,利用新的权值wref,在含噪自然图像Y中进行非局部均值滤波,得到每个像素点的估计值y';
(6)用计算得到的所有像素点的估计值取代含噪自然图像Y中所有像素点的灰度值,得到去噪图像Y'。
所述步骤(5)的实现如下:
5a)利用如下公式对去噪参考图X'中待估计像素点i与其搜索区域内像素点j之间的权值进行计算,得到搜索区域内所有像素点的权值:
其中,B3(i)是在去噪参考图中以像素点i为中心的7×7的图像块,B3(j)是在去噪参考图中以像素点j为中心的7×7的图像块,平滑参数r=10σ',σ'=σ/3,exp()表示底数为e的指数运算,0≤wref(i,j)≤1,S是以像素点i为中心的21×21的搜索区域;
5b)利用5a)中得到的搜索区域内所有像素点的权值wref(i,j),对含噪自然图像Y中待估计像素点i的搜索区域内所有像素点进行加权平均,得到待估计像素点i的估计值:
其中,y(j)是含噪自然图像Y中像素点j的灰度值,S是以像素点i为中心的21×21的搜索区域;
5c)重复步骤5a)和5b),依次得到每个像素点的估计值y'。
本发明在非局部均值方法基础上改进,与现有的技术相比具有以下优点:
1.本发明提出的新的图像残余信号提取方法,能够更加有效的提取在去除噪声的同时丢失的图像残余信息,有利于去噪效果的提高。
2.本发明与非局部均值方法相比,在去噪参考图上计算得到的新的权值更加准确,能够较好的达到去噪效果。
附图说明
图1是本发明的流程图;
图2是本发明使用的4幅测试图像;
图3是用本发明方法与非局部均值方法对barbara图像的去噪结果比较图;
图4是用本发明方法与非局部均值方法对lena图像的去噪结果比较图。
具体实施方式
参照附图1,本发明的实现步骤如下:
1.1)利用如下公式对含噪自然图像Y中待估计像素点i与其搜索区域内像素点j之间的权值进行计算,得到搜索区域内所有像素点的权值:
其中B1(i)是在含噪自然图像Y中以像素点i为中心的7×7的图像块,B1(j)是在含噪自然图像Y中以像素点j为中心的7×7的图像块,平滑参数h=5σ,σ为含噪自然图像Y所含的噪声标准差,exp()表示底数为e的指数运算,0≤w(i,j)≤1,S是以像素点i为中心的21×21的搜索区域;
1.2)利用步骤1.1)中得到的搜索区域内所有像素点的权值w(i,j),对含噪自然图像Y的待估计像素点i的搜索区域内所有像素点进行加权平均,得到待估计像素点i的估计值:其中,y(j)是含噪自然图像Y中像素点j的灰度值,S是以像素点i为中心的21×21的搜索区域。
2.1)对含噪自然图像Y进行主成分分析PCA变换,得到PCA字典,将一次滤波结果图中的某个像素点i对应的图像块B2(i)向PCA字典投影,得到该图像块的投影系数矢量,用该投影系数矢量中除第一个投影系数之外的所有投影系数组成高频系数矢量w(i),并将该图像块B2(i)的高频能量E(i)定义为:
其中‖‖1表示矢量的1-范数,L为高频系数矢量w(i)的长度;
2.2)设定阈值T=0.15σ,如果E(i)<T时,则判方法噪声图中该像素点i属于平滑区域;如果E(i)>=T时,则判方法噪声图中该像素点i属于细节区域;
2.3)重复步骤2.1)和2.2),依次判断方法噪声图中各个像素点所属的区域。
步骤3,根据方法噪声图中各个像素点所属的区域不同,采取不同方法提取其中的图像残余信息,即对于属于平滑区域的方法噪声图的某个像素点,进行3×3均值滤波,对于属于细节区域的方法噪声图的某个像素点,从9×9邻域中找出最相邻的9个像素点,用这9个像素点的平均值作为该像素点的灰度值,得到从方法噪声图中提取出来的残余信息图
方法噪声中像素点i与其9×9邻域中的像素点j之间的距离为:d=‖b(i)-b(j)‖2,其中j是以像素点i为中心的9×9邻域中像素点,且j≠i,b(i)是方法噪声图中以像素点i为中心的3×3图像块,b(j)是方法噪声图中以像素点j为中心的3×3图像块,找出像素点i与其9×9邻域中除像素点i之外的所有像素点之间距离最小的9个像素点,即为与像素点i最相似的9个像素点,把这9个像素点平均值作为方法噪声中像素点i的灰度值:
其中D2表示以像素点i为中心的9×9邻域中最相似的9个像素点的集合,表示方法噪声图中像素点j的灰度值。
步骤5,在去噪参考图X'中利用非局部均值的权值公式求得新的权值wref,利用新的权值wref,在含噪自然图像Y中进行非局部均值滤波,得到每个像素点的估计值y':
5.1)利用如下公式对去噪参考图X'中待估计像素点i与其搜索区域内像素点j之间的权值进行计算,得到搜索区域内所有像素点的权值:
其中,B3(i)是在去噪参考图中以像素点i为中心的7×7的图像块,B3(j)是在去噪参考图中以像素点j为中心的7×7的图像块,平滑参数r=10σ',σ'=σ/3,exp()表示底数为e的指数运算,0≤wref(i,j)≤1,S是以像素点i为中心的21×21的搜索区域;
5.2)利用5.1)中得到的搜索区域内所有像素点的权值wref(i,j),对含噪自然图像Y中待估计像素点i的搜索区域内所有像素点进行加权平均,得到待估计像素点i的估计值:
其中,y(j)是含噪自然图像Y中像素点j的灰度值,S是以像素点i为中心的21×21的搜索区域;
5.3)重复步骤5.1)和5.2),依次得到每个像素点的估计值y'。
步骤6,用计算得到的所有像素点的估计值取代含噪自然图像Y中所有像素点的灰度值,得到去噪图像Y'。
本发明的效果可以通过以下实验进一步证实:
一.实验条件和内容
实验条件:实验所使用的输入图像如图2所示,共四幅灰度图像,分别是:图2(a)所示的barbara图,图2(b)所示的house图,图2(c)所示的lena图,图2(d)所示的boat图,其中house图是256×256,其他三幅图是512×512,对每幅图所加上的高斯白噪声的标准差分别为σ=15,σ=25,σ=35,σ=50。
实验内容:
实验一,对图2所示的barbara图和lena图在σ=25下进行仿真实验,结果如图3和图4所示,其中图3(a)是原始非局部均值滤波方法对barbara图的去噪结果图,图3(b)是本发明方法对barbara图的去噪结果图,图3(c)是非局部均值滤波方法对barbara图去噪得到的方法噪声图,图3(d)是本发明方法对barbara图去噪得到的方法噪声图,图4(a)是原始非局部均值滤波方法对lena图的去噪结果图,图4(b)是本发明方法对lena图的去噪结果图,图4(c)是非局部均值滤波方法对lena图去噪得到的方法噪声图,图4(d)是本发明方法对lena图去噪得到的方法噪声图。
实验二,用本发明方法和非局部均值滤波方法对图2所示的四幅自然图像在给出的σ分别为15,25,35,50数值下去噪,其峰值信噪比PSNR结果如表1所示。
二.实验结果
从图3(a),图4(a)可以看出,此方法噪声抑制能力比较好,但是从图3(c),图4(c)可以看出,此方法在滤除噪声的同时也丢失了较多的图像信息,不能很好的保持图像的边缘和结构等图像细节信息。
从图3(b),图4(b)中可以看出:本发明的方法的去噪结果优于非局部均值方法,在较好的去除噪声的同时,图像的边缘和结构等细节信息得到了很好的保存,从图3(d),图4(d)中也可以看出,本发明的方法在去除噪声的同时丢失更少的图像细节信息。
表1非局部均值方法与本发明的PSNR的比较
从表1中可以看出,本发明的方法的去噪效果与非局部均值方法相比,比非局部均值方法都有很大的提高,从表1中还可以看出,在图像噪声标准差越大的情况下,本发明的方法优势越大,效果越好。
以上实验结果表明,本发明在总体性能上优于非局部均值方法,能够更好地在去除噪声的同时保持图像的细节和结构信息,而且本发明的方法对大噪声情况下有良好的效果。
Claims (2)
2a)对含噪自然图像Y进行主成分分析PCA变换,得到PCA字典,将一次滤波结果图中的某个像素点i对应的图像块B2(i)向PCA字典投影,得到该图像块的投影系数矢量,用该投影系数矢量中除第一个投影系数之外的所有投影系数组成高频系数矢量w(i),并将该图像块B2(i)的高频能量E(i)定义为:
2b)设定阈值T=0.15σ,如果E(i)<T时,则判方法噪声图中该像素点i属于平滑区域;如果E(i)>=T时,则判方法噪声图中该像素点i属于细节区域;
2c)重复步骤2a)和2b),依次判断方法噪声图中各个像素点所属的区域;
(3)根据方法噪声图中各个像素点所属的区域不同,提取其中的图像残余信息,即对于属于平滑区域的方法噪声图的某个像素点,进行3×3均值滤波,对于属于细节区域的方法噪声图的某个像素点,从9×9邻域中找出最相邻的9个像素点,用这9个像素点的平均值作为该像素点的灰度值,得到从方法噪声图中提取出来的残余信息图
(5)在去噪参考图X'中利用非局部均值的权值公式求得新的权值wref,利用新的权值wref,在含噪自然图像Y中进行非局部均值滤波,得到每个像素点的估计值y';
(6)用计算得到的所有像素点的估计值取代含噪自然图像Y中所有像素点的灰度值,得到去噪图像Y'。
2.根据权利要求1所述的基于图像残余信号的非局部均值图像去噪的方法,其中所述步骤(5),按如下步骤进行:
2a)利用如下公式对去噪参考图X'中待估计像素点i与其搜索区域内像素点j之间的权值进行计算,得到搜索区域内所有像素点的权值:
其中,B3(i)是在去噪参考图中以像素点i为中心的7×7的图像块,B3(j)是在去噪参考图中以像素点j为中心的7×7的图像块,平滑参数r=10σ',σ'=σ/3,exp()表示底数为e的指数运算,0≤wref(i,j)≤1,S是在以像素点i为中心的21×21的搜索区域;
2b)利用2a)中得到的搜索区域内所有像素点的权值wref(i,j),对含噪自然图像Y中待估计像素点i的搜索区域内所有像素点进行加权平均,得到待估计像素点i的估计值:
其中,y(j)是含噪自然图像Y中像素点j的灰度值,S是以像素点i为中心的21×21的搜索区域;
2c)重复步骤2a)和2b),依次得到每个像素点的估计值y'。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210315578.7A CN102930508B (zh) | 2012-08-30 | 2012-08-30 | 基于图像残余信号的非局部均值图像去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210315578.7A CN102930508B (zh) | 2012-08-30 | 2012-08-30 | 基于图像残余信号的非局部均值图像去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102930508A true CN102930508A (zh) | 2013-02-13 |
CN102930508B CN102930508B (zh) | 2015-03-04 |
Family
ID=47645298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210315578.7A Expired - Fee Related CN102930508B (zh) | 2012-08-30 | 2012-08-30 | 基于图像残余信号的非局部均值图像去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102930508B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886553A (zh) * | 2014-03-10 | 2014-06-25 | 广东威创视讯科技股份有限公司 | 图像非局部均值去噪方法和系统 |
CN105335947A (zh) * | 2014-05-26 | 2016-02-17 | 富士通株式会社 | 图像去噪方法和图像去噪装置 |
CN106778554A (zh) * | 2016-12-01 | 2017-05-31 | 广西师范大学 | 基于联合特征PCANet的宫颈细胞图像识别方法 |
CN106991661A (zh) * | 2017-03-31 | 2017-07-28 | 重庆大学 | 融合kl变换与灰色关联度的非局部均值去噪方法 |
CN107295217A (zh) * | 2017-06-30 | 2017-10-24 | 中原智慧城市设计研究院有限公司 | 一种基于主成分分析的视频噪声估计方法 |
CN107328777A (zh) * | 2017-07-05 | 2017-11-07 | 河北科技大学 | 一种在夜间测量大气能见度的方法及装置 |
CN108460745A (zh) * | 2018-03-29 | 2018-08-28 | 哈尔滨理工大学 | 一种基于非局部均值滤波的图像去噪方法 |
CN109191391A (zh) * | 2018-08-08 | 2019-01-11 | 华中科技大学 | 一种衰减参数自适应非局部均值的图像降噪方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030095716A1 (en) * | 2001-10-31 | 2003-05-22 | Eastman Kodak Company | Method of spatially filtering digital image for noise removal, noise estimatation or digital image enhancement |
CN101847257A (zh) * | 2010-06-10 | 2010-09-29 | 上海电力学院 | 基于非局部均值与多级定向图像的图像降噪方法 |
CN101950414A (zh) * | 2010-09-02 | 2011-01-19 | 西安电子科技大学 | 自然图像非局部均值去噪方法 |
-
2012
- 2012-08-30 CN CN201210315578.7A patent/CN102930508B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030095716A1 (en) * | 2001-10-31 | 2003-05-22 | Eastman Kodak Company | Method of spatially filtering digital image for noise removal, noise estimatation or digital image enhancement |
CN101847257A (zh) * | 2010-06-10 | 2010-09-29 | 上海电力学院 | 基于非局部均值与多级定向图像的图像降噪方法 |
CN101950414A (zh) * | 2010-09-02 | 2011-01-19 | 西安电子科技大学 | 自然图像非局部均值去噪方法 |
Non-Patent Citations (4)
Title |
---|
HUAZHONG等: "A New Weight for Nonlocal Means Denoising Using Method Noise", 《IEEE SIGNAL PROCESSING LETTERS》 * |
TOLGA TASDIZEN等: "Principal Neighborhood Dictionaries for Nonlocal Means Image Denoising", 《IEEE TRANSACTION ON IMAGE PROCESSING》 * |
刘晓明等: "一种改进的非局部均值图像去噪算法", 《计算机工程》 * |
孙伟峰等: "一种改进的非局部平均去噪方法", 《电子学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886553B (zh) * | 2014-03-10 | 2017-02-01 | 广东威创视讯科技股份有限公司 | 图像非局部均值去噪方法和系统 |
CN103886553A (zh) * | 2014-03-10 | 2014-06-25 | 广东威创视讯科技股份有限公司 | 图像非局部均值去噪方法和系统 |
CN105335947B (zh) * | 2014-05-26 | 2019-03-01 | 富士通株式会社 | 图像去噪方法和图像去噪装置 |
CN105335947A (zh) * | 2014-05-26 | 2016-02-17 | 富士通株式会社 | 图像去噪方法和图像去噪装置 |
CN106778554A (zh) * | 2016-12-01 | 2017-05-31 | 广西师范大学 | 基于联合特征PCANet的宫颈细胞图像识别方法 |
CN106991661A (zh) * | 2017-03-31 | 2017-07-28 | 重庆大学 | 融合kl变换与灰色关联度的非局部均值去噪方法 |
CN106991661B (zh) * | 2017-03-31 | 2019-12-27 | 重庆大学 | 融合kl变换与灰色关联度的非局部均值去噪方法 |
CN107295217A (zh) * | 2017-06-30 | 2017-10-24 | 中原智慧城市设计研究院有限公司 | 一种基于主成分分析的视频噪声估计方法 |
CN107295217B (zh) * | 2017-06-30 | 2020-06-12 | 中原智慧城市设计研究院有限公司 | 一种基于主成分分析的视频噪声估计方法 |
CN107328777A (zh) * | 2017-07-05 | 2017-11-07 | 河北科技大学 | 一种在夜间测量大气能见度的方法及装置 |
CN108460745A (zh) * | 2018-03-29 | 2018-08-28 | 哈尔滨理工大学 | 一种基于非局部均值滤波的图像去噪方法 |
CN109191391A (zh) * | 2018-08-08 | 2019-01-11 | 华中科技大学 | 一种衰减参数自适应非局部均值的图像降噪方法 |
CN109191391B (zh) * | 2018-08-08 | 2021-03-26 | 华中科技大学 | 一种衰减参数自适应非局部均值的图像降噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102930508B (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930508B (zh) | 基于图像残余信号的非局部均值图像去噪方法 | |
Yu et al. | Image denoising using trivariate shrinkage filter in the wavelet domain and joint bilateral filter in the spatial domain | |
CN103020916B (zh) | 一种二维希尔伯特变换和bemd结合的图像去噪方法 | |
CN110889812B (zh) | 一种多尺度融合图像特征信息的水下图像增强方法 | |
CN109242799B (zh) | 一种变阈值的小波去噪方法 | |
CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
Salmon et al. | From patches to pixels in non-local methods: Weighted-average reprojection | |
CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
CN101950414A (zh) | 自然图像非局部均值去噪方法 | |
CN105427257A (zh) | 图像增强方法及装置 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN103020918A (zh) | 基于形状自适应邻域均值的非局部均值去噪方法 | |
Ma et al. | Difference based median filter for removal of random value impulse noise in images | |
CN113724164B (zh) | 一种基于融合重构制导滤波的可见光图像噪声去除方法 | |
CN104616259B (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
Sharma et al. | Removal of fixed valued impulse noise by improved Trimmed Mean Median filter | |
CN103208104A (zh) | 一种基于非局部理论的图像去噪方法 | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
Ahmadi et al. | Survey of image denoising techniques | |
CN101957984A (zh) | 基于非局部萎缩因子参数估计的图像去噪方法 | |
El Hassani et al. | Efficient image denoising method based on mathematical morphology reconstruction and the Non-Local Means filter for the MRI of the head | |
CN102289793B (zh) | 一种面向游牧服务的多尺度图像处理方法 | |
CN104809735A (zh) | 基于傅里叶变换实现图像雾霾评价的系统及方法 | |
JP5594665B2 (ja) | ノイズ除去装置、その方法、及びプログラム | |
Charmouti et al. | Extended median filter for salt and pepper noise in image |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150304 Termination date: 20200830 |