CN103295205A - 一种基于Retinex的微光图像快速增强方法和装置 - Google Patents

一种基于Retinex的微光图像快速增强方法和装置 Download PDF

Info

Publication number
CN103295205A
CN103295205A CN2013102568912A CN201310256891A CN103295205A CN 103295205 A CN103295205 A CN 103295205A CN 2013102568912 A CN2013102568912 A CN 2013102568912A CN 201310256891 A CN201310256891 A CN 201310256891A CN 103295205 A CN103295205 A CN 103295205A
Authority
CN
China
Prior art keywords
retinex
image
gauss
pixel value
minimum pixel
Prior art date
Application number
CN2013102568912A
Other languages
English (en)
Other versions
CN103295205B (zh
Inventor
吴金勇
李芳�
王军
Original Assignee
安科智慧城市技术(中国)有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 安科智慧城市技术(中国)有限公司 filed Critical 安科智慧城市技术(中国)有限公司
Priority to CN201310256891.2A priority Critical patent/CN103295205B/zh
Publication of CN103295205A publication Critical patent/CN103295205A/zh
Application granted granted Critical
Publication of CN103295205B publication Critical patent/CN103295205B/zh

Links

Abstract

本发明公开了一种基于Retinex的微光图像快速增强方法和装置,属于图像处理技术领域。该方法包括:从原始彩色图像选取每一个像素点的R、G、B三通道中的最小值,得到最小像素值图;对最小像素值图进行加权高斯模型的Retinex处理,得到Retinex处理后的图像;对Retinex处理后的图像进行自适应亮度调整;根据所述Retinex处理和亮度调整后的图像和最小像素值图计算差值图;对原始图像的每个像素点R、G、B三通道分别与差值图对应的差值相加,得到增强后的彩色图像。

Description

—种基于Retinex的微光图像快速增强方法和装置
技术领域
[0001] 本发明涉及图像处理技术领域,尤其涉及一种基于Retinex的微光图像快速增强方法和装置。
背景技术
[0002] 在图像采集过程中,由于光照过暗导致图像整体灰度值偏低,如夜间图像,局部信息无法辨认,增加了进一步处理的困难程度。因此,应针对低光照问题对图像进行前期增强处理。
[0003] 图像增强是指利用各种数学方法和变换手段提高图像中感兴趣物体的对比度和清晰度,以满足特定应用的图像处理技术。现有的图像增强技术可分为空间统一方法和空间非统一方法两类。空间统一方法主要包括:对数压缩,伽玛校正,直方图均衡,基于人眼对比敏感度的方法,基于Retinex方法等。后一类方法较多,它们往往针对专门的应用而设计,因此算法效果好,但是计算复杂度一般较高。其中,最具代表性的就是基于Retinex的增强方法。Retinex对于输入图像的处理效果是一种模仿人类视觉系统的非线性处理,它可以改善图像的光照条件,锐化图像的细节,并且使输出图像的色彩或灰度分布自然地接近实际场景。在过去的几十年里有众多的研究人员提出了不同的实现方法,有单尺度Retinex算法和多尺度Retinex算法等。
[0004] 然而,尽管多尺度Retinex算法在实验中展现了它相对一般图像增强算法的优势,但由于其在多个尺度上分别做耗时的卷积运算,因此,计算量较大。
发明内容
[0005] 有鉴于目前微光图像增强结果存在过亮、局部偏色现象且计算量大,本发明要解决的技术问题是提供一种基于Retinex的微光图像快速增强方法和装置,以防止图像出现过亮、偏色现象,且减少计算量,提高处理效率。
[0006] 本发明解决上述技术问题所采用的技术方案如下:
[0007] 根据本发明的一个方面,提供的一种基于Retinex的微光图像快速增强方法包括:
[0008] 从原始图像选取每一个像素点的R、G、B三通道中的最小值,得到最小像素值图;
[0009] 对最小像素值图进行加权高斯模型的Retinex处理,得到Retinex处理后的图像;
[0010] 根据Retinex处理后的图像和最小像素值图计算差值图;
[0011] 对原始图像的每个像素点R、G、B三通道分别与差值图对应的差值相加,得到增强后的彩色图像。
[0012] 优选地,对最小像素值图进行加权高斯模型的Retinex处理包括:
[0013] 计算多个高斯模型加权后的加权高斯模型;
[0014] 在最小像素值图上做基于加权高斯模型的Retinex处理。[0015] 优选地,计算多个高斯模型加权后的加权高斯模型按下列公式进行:
[0016]
Figure CN103295205AD00051
[0017] 其中,G表示加权高斯模型,k=l…N,N表示高斯模板个数,Wk表示对应第k个尺度的权重因子,Gk表示第k个高斯函数。
[0018] 优选地,在最小像素值图上做基于加权高斯模型的Retinex处理按以下公式进行:
[0019] I_retinex = exp(logI_min-log(G*I_min))
[0020] 其中,I_Retinex表示处理后图像,*表示卷积操作,其中G是加权高斯模型,I_min表示像素的最小像素图。
[0021] 优选地,上述方法还包括:对Retinex处理后的图像进行自适应亮度调整。
[0022] 优选地,Retinex处理后的图像进行自适应亮度调整包括:
[0023] ( a )按以下公式确定亮度调整参数的取值:
[0024]
Figure CN103295205AD00052
[0025] 其中,a为亮度调整参数,Thred_high和Thred_loW分别表示预设的高亮度阈值和低亮度阈值,alOTl和alOT2分别表示对应条件的亮度调整参数,I_Retinex表示Retinex处理后的图像。
[0026] ( b )根据亮度调整参数进行亮度调整具体包括以下步骤:
[0027] 判断I_Retinex是否大于Thred_high,或是否小于Thred_low,如果是,则根据亮度调整参数a的取值按下述公式进行调整,否则不进行亮度调整。
[0028]
Figure CN103295205AD00053
[0029] 其中,I_Retinex表示Retinex处理后的图像数据,a是亮度校正参数,I_corret表示亮度校正后的图像数据。
[0030] 根据本发明的另一个方面,提供的一种基于Retinex的微光图像快速增强装置包括:
[0031] 最小像素值图获取模块,从原始图像选择每一个像素点的R、G、B三通道中的最小值,得到最小像素值图;
[0032] Retinex处理模块,对最小像素值图进行加权高斯模型的Retinex处理,得到Retinex处理后的图像;
[0033] 差值图计算模块,根据Retinex处理后图像和最小像素值图计算差值图;
[0034] 增强图像计算模块,对原始图像的每个像素点R、G、B三通道分别与差值图对应的差值相加,得到增强后的彩色图像。
[0035] 优选地,Retinex处理模块进一步包括:加权高斯模型计算单元和Retinex处理单元,其中:
[0036] 加权高斯模型计算单元,用于计算多个高斯模型加权后的加权高斯模型;
[0037] Retinex处理单元,用于对最小像素值图上做基于加权高斯模型的Retinex处理。[0038] 优选地,上述装置还包括自适应亮度调整模块,用于对Retinex处理后的图像进行自适应亮度调整。自适应亮度调整模块进一步包括:
[0039] 调整参数确定单元,用于确定亮度调整参数;
[0040] 调整单元,用于根据调整参数对Retinex处理后的图像进行亮度调整。
[0041] 本发明实施例的方法和装置,通过利用加权后的高斯模型做Retinex处理,能够提高视频图像低照度区域的对比度,突出细节信息,同时将原来的三次卷积运算改成只做一次卷积运算,大大减少了计算量,提高了处理效率。此外,通过对Retinex处理后的图像进行自适应亮度校正,避免了增强后的图像出现过亮及局部偏色现象。
附图说明
[0042] 图1为本发明实施例提供的一种基于Retinex的微光图像快速增强方法流程图;
[0043] 图2为本发明优选实施例提供的一种基于Retinex的微光图像快速增强方法流程图;
[0044] 图3为本发明实施例提供的一种基于Retinex的微光图像快速增强装置的结构示意图。
具体实施方式
[0045] 为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
[0046] 如图1为本发明实施例提供的一种基于Retinex的微光图像快速增强方法流程图,该方法包括:
[0047] S102、从原始图像选取每一个像素点的R、G、B三通道中的最小值,得到最小像素值图;
[0048] S104、对最小像素值图进行加权高斯模型的Retinex处理,得到Retinex处理后的图像;
[0049] S106、根据Retinex处理后的图像和最小像素值图计算差值图;
[0050] S108、对原始图像的每个像素点R、G、B三通道分别与差值图对应的差值相加,得到增强后的彩色图像。
[0051] 如图2为本发明优选实施例提供的一种基于Retinex的微光图像快速增强方法流程图,该方法包括:
[0052] S201、采集一帧彩色图像数据
[0053] 本发明处理的彩色图像是R、G、B空间,若为其它空间图像,需先其转换成R、G、B空间。
[0054] S202、计算彩色图像的最小像素值图
[0055] 最小像素值,即某一像素点三个通道的最小值,定义:
[0056] I_min = min (R, G, B) (I)
[0057] 其中,R、G、B分别为图像的三个颜色通道,I_min是像素的最小像素值。
[0058] S203、对最小像素值图进行加权高斯模型的Retinex处理[0059] I_retinex = exp(logI_min_log(G*I_min)) (2)
[0060] 其中,I_Retinex表示处理后图像数据表示卷积操作,I_min表示像素的最小像素图,其中G是加权高斯模型:
[0061]
Figure CN103295205AD00071
[0062] 其中,G表示加权高斯模型,k=l...N, N表示高斯模板个数,wk表示对应第k个尺度的权重因子,Gk表示第k个高斯函数。本实施例中,N取3,故本实施例中Wk —般取0.3,其二维表达式为:
[0063]
Figure CN103295205AD00072
(4)
[0064] 其中Ck是尺度常量,决定了对入射分量的估计,即决定了最终的增强效果,一般选择小、中、大三个尺度。Xk是归一化因子,使得:
[0065]
Figure CN103295205AD00073
[0066] S204、对Retinex处理后的图像进行自适应亮度调整
[0067] Retinex处理后的图像常出现过亮、局部偏色现象,因此,需要对I_Retinex进行亮度调整,得I_correct。具体按公式(6)进行:
[0068]
Figure CN103295205AD00074
[0069] 其中a是校正参数:
「00701
Figure CN103295205AD00075
[0071] 其中,a为亮度调整参数,Thred_high和Thred_loW分别表示预设的高亮度阈值和低亮度阈值,alowl和alOT2分别表示对应条件的亮度调整参数,他们由实验结果取得,通常,Thred_high=0.7, Thred_low=0.1, alowl = 3, alow2 = 2, I_Retinex 表不 Retinex 处理后的图像数据。
[0072] S205、计算差值图
[0073] 将S204计算出的I_corret代入公式(8),计算I_corret与I_min的差值图1differ:
[0074] Idiffer=I_correct-1_min (8)
[0075] S206、计算增强后的图像
[0076] 对原始输入图像的每一个像素点的R、G、B三个通道分别与对应的Idiffer相加,即得增强后的彩色图像。
[0077] 采用本发明实施例的方法,通过利用加权后的高斯模型做Retinex处理,能够提高视频图像低照度区域的对比度,突出细节信息,同时将原来的三次卷积运算改成只做一次卷积运算,大大减少了计算量,提高了处理效率。此外,对Retinex处理后的图像进行自适应亮度校正,避免了增强后的图像出现过亮及局部偏色现象。[0078] 如图3所示是本发明实施例提供的一种基于Retinex的微光图像快速增强装置的模块结构示意图,该装置包括:
[0079] 最小像素值图获取模块10,用于从原始图像选取每一个像素点的R、G、B三通道中的最小值,得到最小像素值图;
[0080] Retinex处理模块20,用于对最小像素值图进行加权高斯模型的Retinex处理,得到Retinex处理后的图像;
[0081] 进一步地,Retinex处理模块20包括加权高斯模型计算单元201和Retinex处理单元202,其中:
[0082] 加权高斯模型计算单元201,用于计算多个高斯模型加权后的加权高斯模型;
[0083] Retinex处理单元202,用于对最小像素值图上做基于加权高斯模型的Retinex处理。
[0084] 亮度调整模块30,用于对Retinex处理后的图像进行自适应亮度调整;
[0085] 进一步地,亮度调整模块30包括调整参数确定单元301和调整单元302,其中:
[0086] 调整参数确定单元301,用于确定亮度调整参数;
[0087] 调整单元302,用于根据调整参数对Retinex处理后的图像进行亮度调整。
[0088] 差值图计算模块40,根据Retinex处理后图像和最小像素值图计算差值图;
[0089] 增强图像计算模块50,对原始图像的每个像素点R、G、B三通道分别与差值图对应的差值相加,得到增强后的彩色图像。
[0090] 采用本发明实施例的装置,通过利用加权后的高斯模型做Retinex处理,能够提高视频图像低照度区域的对比度,突出细节信息,同时将原来的三次卷积运算改成只做一次卷积运算,大大减少了计算量,提高了处理效率。此外,对Retinex处理后的图像进行自适应亮度校正,避免了增强后的图像出现过亮及局部偏色现象。
[0091] 以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。

Claims (10)

1.一种基于Retinex的微光图像快速增强方法,其特征在于,包括: 从原始图像选取每一个像素点的R、G、B三通道中的最小值,得到最小像素值图; 对所述最小像素值图进行加权高斯模型的Retinex处理,得到Retinex处理后的图像; 根据所述Retinex处理后的图像和所述最小像素值图计算差值图; 对原始图像的每个像素点R、G、B三通道分别与差值图对应的差值相加,得到增强后的彩色图像。
2.根据权利要求1所述的微光图像增强方法,其特征在于,对所述最小像素值图进行加权高斯模型的Retinex处理包括: 计算多个高斯模型加权后的加权高斯模型; 在最小像素值图上做基于加权闻斯1旲型的Retinex处理。
3.根据权利要求2所述的微光图像增强方法,其特征在于,所述计算多个高斯模型加权后的加权高斯模型按下列公式进行:
Figure CN103295205AC00021
其中,G表示加权高斯模型,k=L...N,N表示高斯模板个数,wk表示对应第k个尺度的权重因子,Gk表示第k个高斯函数。
4.根据权利要求2所述的微光图像增强方法,其特征在于,所述在最小像素值图上做基于加权高斯模型的Retinex处理按以下公式进行: I_retinex = exp(logI_min_log(G*I_min)) 其中,I_Retinex表示Retinex处理后的图像,*表示卷积操作,其中G是加权高斯模型,I_min表示像素的最小像素值图。
5.根据权利要求1所述的微光图像增强方法,其特征在于,所述方法还包括:对所述Retinex处理后的图像进行自适应亮度调整。
6.根据权利要求5所述的微光图像增强方法,其特征在于,对所述Retinex处理后的图像进行自适应亮度调整包括: (a )按以下公式确定亮度调整参数的取值:
Figure CN103295205AC00022
其中,a为亮度调整参数,Thred_high和Thred_loW分别表示预设的高亮度阈值和低亮度阈值,alOTl和alOT2分别表示对应条件的亮度调整参数,I_Retinex表示Retinex处理后的图像。
7.根据权利要求6所述的微光图像增强方法,其特征在于,对所述Retinex处理后的图像进行自适应亮度调整还包括以下步骤: (b)判断I_Retinex是否大于Thred_high,或是否小于Thred_low,如果是,则根据亮度调整参数a的取值按下述公式进行亮度调整,否则不进行亮度调整;
Figure CN103295205AC00023
其中,I_Retinex表示Retinex处理后的图像,a是亮度校正参数,I_corret表示亮度校正后的图像。
8.一种基于Retinex的微光图像快速增强装置,其特征在于,包括: 最小像素值图获取模块,从原始图像选择每一个像素点的R、G、B三通道中的最小值,得到最小像素值图; Retinex处理模块,对所述最小像素值图进行加权高斯模型的Retinex处理,得到Retinex处理后的图像; 差值图计算模块,根据所述Retinex处理后图像和所述最小像素值图计算差值图; 增强图像计算模块,对原始图像的每个像素点R、G、B三通道分别与差值图对应的差值相加,得到增强后的彩色图像。
9.根据权利要求8所述的微光图像快速增强装置,其特征在于,所述Retinex处理模块包括: 加权高斯模型计算单元,用于计算多个高斯模型加权后的加权高斯模型; Retinex处理单元,用于在最小像素值图上做基于加权高斯模型的Retinex处理。
10.根据权利要求8或9所述的微光图像快速增强装置,其特征在于,所述装置还包括亮度调整模块,用于对所述Retinex处理后的图像进行自适应亮度调整,还进一步包括: 调整参数确定单元,用于确定亮度调整参数; 调整单元,用于根据调整参数对Retinex处理后的图像进行亮度调整。
CN201310256891.2A 2013-06-25 2013-06-25 一种基于Retinex的微光图像快速增强方法和装置 CN103295205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310256891.2A CN103295205B (zh) 2013-06-25 2013-06-25 一种基于Retinex的微光图像快速增强方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310256891.2A CN103295205B (zh) 2013-06-25 2013-06-25 一种基于Retinex的微光图像快速增强方法和装置

Publications (2)

Publication Number Publication Date
CN103295205A true CN103295205A (zh) 2013-09-11
CN103295205B CN103295205B (zh) 2016-04-27

Family

ID=49096012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310256891.2A CN103295205B (zh) 2013-06-25 2013-06-25 一种基于Retinex的微光图像快速增强方法和装置

Country Status (1)

Country Link
CN (1) CN103295205B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700426A (zh) * 2015-04-02 2015-06-10 厦门美图之家科技有限公司 一种判断图像是否偏暗或偏亮的方法和系统
CN105023243A (zh) * 2014-04-28 2015-11-04 上海汽车集团股份有限公司 一种视频图像增强方法及装置、泊车辅助系统
WO2016169244A1 (zh) * 2015-04-20 2016-10-27 中国矿业大学 基于随机喷射retinex的视频图像去噪与增强方法及装置
WO2020107308A1 (zh) * 2018-11-29 2020-06-04 唐山曹妃甸联城科技有限公司 一种基于Retinex的微光图像快速增强方法及其装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303766A (zh) * 2008-07-09 2008-11-12 北京航空航天大学 一种基于Retinex理论的快速彩色图像增强方法
CN102063706A (zh) * 2010-12-23 2011-05-18 哈尔滨工业大学(威海) 一种快速去雾方法
KR20110128463A (ko) * 2010-05-24 2011-11-30 금오공과대학교 산학협력단 색 보정 레티넥스 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303766A (zh) * 2008-07-09 2008-11-12 北京航空航天大学 一种基于Retinex理论的快速彩色图像增强方法
KR20110128463A (ko) * 2010-05-24 2011-11-30 금오공과대학교 산학협력단 색 보정 레티넥스 방법
CN102063706A (zh) * 2010-12-23 2011-05-18 哈尔滨工业大学(威海) 一种快速去雾方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHAN YOUNG JANG等: "A Fast Multi-scale Retinex Algorithm using Dominant SSR in Weights Selection", 《2012 INTERNATIONAL SOC DESIGN CONFERENCE(ISOCC)》, 7 November 2012 (2012-11-07), pages 37 - 40, XP032301855, DOI: doi:10.1109/ISOCC.2012.6406919 *
HAU NGO等: "Design of an Efficient Architecture for Real-time Image Enhancement Based on a Luma-Dependent Nonlinear Approach", 《PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY: CODING AND COMPUTING(ITCC2004)》, 7 April 2004 (2004-04-07), pages 359 - 366, XP010696933 *
LI TAO等: "Modified Luminance Based MSR for Fast and Efficient Image Enhancement", 《32ND PROCEEDINGS OF APPLIED IMAGERY RECOGNITION WORKSHOP,2003》, 17 October 2003 (2003-10-17), pages 174 - 179, XP010695481, DOI: doi:10.1109/AIPR.2003.1284268 *
傅剑峰: "Retinex图像增强方法的关键技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 June 2013 (2013-06-15), pages 30 - 36 *
刘高平等: "基于亮度的自适应单尺度retinex图像增强算法", 《光电工程》, vol. 38, no. 2, 28 February 2011 (2011-02-28), pages 71 - 77 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105023243A (zh) * 2014-04-28 2015-11-04 上海汽车集团股份有限公司 一种视频图像增强方法及装置、泊车辅助系统
CN104700426A (zh) * 2015-04-02 2015-06-10 厦门美图之家科技有限公司 一种判断图像是否偏暗或偏亮的方法和系统
CN104700426B (zh) * 2015-04-02 2017-11-03 厦门美图之家科技有限公司 一种判断图像是否偏暗或偏亮的方法和系统
WO2016169244A1 (zh) * 2015-04-20 2016-10-27 中国矿业大学 基于随机喷射retinex的视频图像去噪与增强方法及装置
US9978131B2 (en) 2015-04-20 2018-05-22 China University Of Mining And Technology Video image denoising and enhancing method and device based on random spray retinex
WO2020107308A1 (zh) * 2018-11-29 2020-06-04 唐山曹妃甸联城科技有限公司 一种基于Retinex的微光图像快速增强方法及其装置

Also Published As

Publication number Publication date
CN103295205B (zh) 2016-04-27

Similar Documents

Publication Publication Date Title
Wang et al. Fast image dehazing method based on linear transformation
Singh et al. Image enhancement using exposure based sub image histogram equalization
Singh et al. Enhancement of low exposure images via recursive histogram equalization algorithms
Simon Chane et al. Event-based tone mapping for asynchronous time-based image sensor
Huang et al. An efficient visibility enhancement algorithm for road scenes captured by intelligent transportation systems
Ghani et al. Underwater image quality enhancement through integrated color model with Rayleigh distribution
CN104166859B (zh) 基于ssae和fsals‑svm极化sar图像分类
Peng et al. Generalization of the dark channel prior for single image restoration
CN105453134B (zh) 用于图像的动态范围增强的方法和设备
Duan et al. Tone-mapping high dynamic range images by novel histogram adjustment
CN101340511B (zh) 一种基于亮度检测的自适应视频图像增强方法
Lu et al. Contrast preserving decolorization
CN101331515B (zh) 色调校正方法、色调校正装置以及图像设备
CN101981911B (zh) 图像处理方法和装置
Chao et al. Removal of water scattering
CN103020920B (zh) 一种低照度图像增强方法
CN102682436B (zh) 一种改进的多尺度Retinex理论的图像增强方法
Park et al. A contrast enhancement method using dynamic range separate histogram equalization
CN102202163B (zh) 一种监控视频的自适应增强方法及其装置
CN104156921B (zh) 一种低照度或亮度不均图像的自适应图像增强方法
CN104834912B (zh) 一种基于图像信息检测的天气识别方法及装置
CN101783012B (zh) 一种基于暗原色的自动图像去雾方法
US9454810B2 (en) Correcting chrominance values based onTone-mapped luminance values
CN102231206B (zh) 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法
CN106157267B (zh) 一种基于暗通道先验的图像去雾透射率优化方法

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
TR01 Transfer of patent right
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 518054 room 1306, Press Plaza, Shennan Avenue, Futian District, Shenzhen, Guangdong

Patentee after: Bianco robot Co Ltd

Address before: 518054 room 1306, Press Plaza, Shennan Avenue, Futian District, Shenzhen, Guangdong

Patentee before: Anke Smart Cities Technolongy (PRC) Co., Ltd.

TR01 Transfer of patent right

Effective date of registration: 20181205

Address after: 063200 Municipal Service Building, Caofeidian Industrial Zone, Tangshan City, Hebei Province

Patentee after: Tangshan Caofeidian Liancheng Technology Co., Ltd.

Address before: 518054 room 1306, Press Plaza, Shennan Avenue, Futian District, Shenzhen, Guangdong

Patentee before: Bianco robot Co Ltd

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 063299 C2 training building, science and Technology Innovation Industrial Park, Caofeidian new city, Tangshan City, Hebei Province

Patentee after: Tangshan Caofeidian Liancheng Technology Co., Ltd.

Address before: 063200 Municipal Service Building, Caofeidian Industrial Zone, Tangshan City, Hebei Province

Patentee before: Tangshan Caofeidian Liancheng Technology Co., Ltd.