CN103335968B - 基于背景光谱去除的高光谱解混方法 - Google Patents

基于背景光谱去除的高光谱解混方法 Download PDF

Info

Publication number
CN103335968B
CN103335968B CN201310256080.2A CN201310256080A CN103335968B CN 103335968 B CN103335968 B CN 103335968B CN 201310256080 A CN201310256080 A CN 201310256080A CN 103335968 B CN103335968 B CN 103335968B
Authority
CN
China
Prior art keywords
spectrum
target
end member
background spectrum
spectra
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
Application number
CN201310256080.2A
Other languages
English (en)
Other versions
CN103335968A (zh
Inventor
张立福
赵恒谦
吴太夏
岑奕
杨杭
王晋年
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Institute of Remote Sensing and Digital Earth of CAS
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 Institute of Remote Sensing and Digital Earth of CAS filed Critical Institute of Remote Sensing and Digital Earth of CAS
Priority to CN201310256080.2A priority Critical patent/CN103335968B/zh
Publication of CN103335968A publication Critical patent/CN103335968A/zh
Application granted granted Critical
Publication of CN103335968B publication Critical patent/CN103335968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种基于背景光谱去除的高光谱解混方法，包括：根据各非目标端元光谱及其含量预估获得背景光谱；对混合光谱、目标端元光谱、背景光谱进行自然对数处理；将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合；利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。本发明的技术方案可以从ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据中得到某种地物或物质成分的含量，深入分析地物光谱吸收特性，提高高光谱定量反演的精度。

Description

基于背景光谱去除的高光谱解混方法
技术领域
本发明涉及遥感技术领域，尤其涉及一种从高光谱遥感数据中利用典型吸收特征得到特定成分含量信息的方法。
背景技术
高光谱遥感是地物成分分析的有力工具，尤其在定量方面有很大的优势。许多物质光谱呈现出诊断性的特征吸收，这也成为高光谱地质分析的基础。这些吸收特征可以用中心波长、吸收深度、对称性、面积等参数来表示，其中中心波长、吸收深度以及半高宽是矿物光谱分析中最常用的光谱特征。
现有技术中去包络线法是强化吸收特征的有效手段。采用的方法是将反射率光谱拐点间的线段连线作为包络线，将反射率曲线与包络线逐波段相除，从而得到去包络线光谱，具体方法可参见文献1：Clark,R.N.,&Roush,T.L.(1984).Reflectance spectroscopy:Quantitativeanalysis techniques for remote sensing applications.Journal of GeophysicalResearch,89,6329-6340及文献2：Van der Meer,F.(2000).Spectral curveshape matching with a continuum removed CCSM algorithm.InternationalJournal Of Remote Sensing,21,3179-3185。然而该方法提到的包络线没有明确的物理含义，所以采用去包络线计算的吸收特征参数无法用于精确的定量分析。
发明内容
（一）要解决的技术问题
本发明的目的是提供一种基于背景光谱去除的高光谱解混方法，以解决现有技术高光谱矿物成分反演中由于缺少实用化且符合物理机理的模型的限制，矿物成分分析不能满足要求的问题。
（二）技术方案
为解决上述问题，本发明提供一种基于背景光谱去除的高光谱解混方法，包括：根据各非目标端元光谱及其含量预估获得背景光谱；对混合光谱、目标端元光谱、背景光谱进行自然对数处理；将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合；利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。
优选地，所述根据各非目标端元光谱及其含量预估获得背景光谱之前还包括：确定混合光谱所包含端元数目、种类及端元光谱；确定目标端元，并选取目标端元的典型吸收特征及其波段区间；根据目标端元吸收特征波段区间对混合光谱、目标端元光谱、背景光谱进行截取。
优选地，所述根据各非目标端元光谱及其含量预估获得背景光谱具体包括：利用完全约束最小二乘算法，求得混合光谱中各端元的丰度作为其含量的预估值，由各非目标端元的光谱按照含量预估值进行线性混合得到背景光谱，公式如下：
r b = Σ i = 1 n - 1 r i * f ei - - - ( 1 )
其中rb是背景光谱，ri是第i个非目标端元的反射率光谱，fei是第i个非目标端元的含量预估值，n是端元总数。
优选地，所述对混合光谱、目标端元光谱、背景光谱进行自然对数处理具体包括：将混合光谱、目标端元光谱、背景光谱按式（2）进行处理，得到对应的自然对数光谱，
rlog=log(r)         （2）
其中，r是待处理的光谱，rlog是对数处理后的光谱。
优选地，所述将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合具体包括：计算背景光谱一端与目标光谱差值，并对整个波段区间背景光谱加上该差值实现补偿，使得背景光谱在该端点和目标光谱重合；以重合的端点为极点，以从极点作垂直于纵轴的射线作为极轴，将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系；计算目标光谱和背景光谱另一端点的极径，求得两点极径的比值，并对背景光谱每个点乘以该比值进行补偿，使得背景光谱端点和目标光谱端点极径相同；计算目标光谱和背景光谱另一端点的极角，计算两点极角之差，对背景光谱按照该差值进行旋转，使得背景光谱端点与目标光谱端点重合。
优选地，所述利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量具体包括：求得混合光谱和目标端元光谱吸收特征中心波长位置；计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度，
D=0-rlog(λc)      (3)
其中，D是吸收深度，λc是吸收中心波长；计算混合光谱和目标端元光谱吸收深度的比值，得到混合物中目标端元的含量估计值，
f=DM/DT       (4)
其中，f是目标端元含量估计值，DM是混合光谱吸收深度，DT是目标端元光谱吸收深度。
优选地，所述端元是具有典型吸收特征的不同地物类型。
优选地，所述不同地物类型是矿物、土壤或植被。
（三）有益效果
本发明的技术方案可以从ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据中得到某种地物或物质成分的含量，深入分析地物光谱吸收特性，提高高光谱定量反演的精度。
附图说明
图1为本发明基于背景光谱去除的高光谱解混方法实施例流程图；
图2为目标端元（石膏）和非目标端元（绿帘石和方解石）的光谱，以及三者按照2:3:5比例进行混合得到的混合物的光谱；
图3为在石膏特征吸收波段范围内（1670-1828nm）的端元光谱、混合光谱，以及拟合出的背景光谱；
图4为利用图1的方法实施例后得到的混合光谱和目标端元的去背景光谱。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明的技术方案提出一种基于背景光谱去除的高光谱解混方法，包括：
根据各非目标端元光谱及其含量预估获得背景光谱；
对混合光谱、目标端元光谱、背景光谱进行自然对数处理；
将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合；
利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。
上述的高光谱解混方法中，所述根据各非目标端元光谱及其含量预估获得背景光谱之前还包括：
确定混合光谱所包含端元数目、种类及端元光谱；
确定目标端元，并选取目标端元的典型吸收特征及其波段区间；
根据目标端元吸收特征波段区间对混合光谱、目标端元光谱、背景光谱进行截取。
上述的高光谱解混方法中，所述根据各非目标端元光谱及其含量预估获得背景光谱具体包括：
利用完全约束最小二乘算法，求得混合光谱中各端元的丰度作为其含量的预估值，由各非目标端元的光谱按照含量预估值进行线性混合得到背景光谱，公式如下：
r b = Σ i = 1 n - 1 r i * f ei - - - ( 1 )
其中rb是背景光谱，ri是第i个非目标端元的反射率光谱，fei是第i个非目标端元的含量预估值，n是端元总数。
上述的高光谱解混方法中，所述对混合光谱、目标端元光谱、背景光谱进行自然对数处理具体包括：
将混合光谱、目标端元光谱、背景光谱按式（2）进行处理，得到对应的自然对数光谱，
rlog=log(r)        （2）
其中，r是待处理的光谱，rlog是对数处理后的光谱。
上述的高光谱解混方法中，其特征在于所述将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合具体包括：
计算背景光谱一端与目标光谱差值，并对整个波段区间背景光谱加上该差值实现补偿，使得背景光谱在该端点和目标光谱重合；
以重合的端点为极点，以从极点作垂直于纵轴的射线作为极轴，将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系；
计算目标光谱和背景光谱另一端点的极径，求得两点极径的比值，并对背景光谱每个点乘以该比值进行补偿，使得背景光谱端点和目标光谱端点极径相同；
计算目标光谱和背景光谱另一端点的极角，计算两点极角之差，对背景光谱按照该差值进行旋转，使得背景光谱端点与目标光谱端点重合。
上述的高光谱解混方法中，所述利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量具体包括：
求得混合光谱和目标端元光谱吸收特征中心波长位置；
计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度，
D=0-rlog(λc)      (3)
其中，D是吸收深度，λc是吸收中心波长。
计算混合光谱和目标端元光谱吸收深度的比值，得到混合物中目标端元的含量估计值，
f=DM/DT     (4)其中，f是目标端元含量估计值，DM是混合光谱吸收深度，DT是目标端元光谱吸收深度。
上述的高光谱解混方法中，所述端元可以是矿物、土壤、植被等具有典型吸收特征的不同地物类型。
图1为本发明基于背景光谱去除的高光谱解混方法实施例流程图，如图所示，本实施例的高光谱解混方法包括以下步骤：
S101、获取原始的光谱数据，并确定混合光谱中所包含的端元数目、种类和端元光谱；
利用ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据光谱数据。图2为采用SVC光谱仪获取的矿物粉末混合光谱（石膏、绿帘石和方解石各占20%，50%，30%）和三种端元光谱，为方便表示波段区间已利用SVC自带软件将光谱重采样为1nm间隔，图中横轴表示波长（nm），纵轴表示反射率。
S102、确定目标端元，并选取目标端元的典型吸收特征及其波段区间，并根据该波段区间对混合光谱、目标端元光谱、背景光谱进行截取；
本实施例中，以石膏为目标端元，选取石膏在1750nm处的典型吸收特征，确定其波段范围在1670-1828nm，并将混合光谱、目标端元光谱在该波段范围截选。
S103、根据各非目标端元光谱及其含量预估获得背景光谱；
利用完全约束最小二乘算法，求得该混合光谱中绿帘石和方解石的含量预估值分别为0.7498和0.0091，计算背景光谱，如下式所示：
r b = Σ i = 1 n - 1 r i * f ei
式中，rb是背景光谱，ri是第i个非目标端元的反射率光谱，fei是第i个非目标端元的含量预估值，n是端元总数。
图3为选取的目标端元光谱、混合光谱、背景光谱。
S104、对混合光谱、目标端元光谱、背景光谱进行自然对数处理；
如下式所示，
rlog=log(r)
式中，r是待处理的光谱，rlog是对数处理后的光谱。
S105、将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合；
计算背景光谱一端与目标光谱差值，并对整个波段区间背景光谱加上该差值实现补偿，使得背景光谱在该端点和目标光谱重合；以重合的端点为极点，以从极点作垂直于纵轴的射线作为极轴，将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系；计算目标光谱和背景光谱另一端点的极径，求得两点极径的比值，并对背景光谱每个点乘以该比值进行补偿，使得背景光谱端点和目标光谱端点极径相同；计算目标光谱和背景光谱另一端点的极角，计算两点极角之差，对背景光谱按照该差值进行旋转，使得背景光谱端点与目标光谱端点重合。
图4为混合光谱和目标端元的去背景光谱。
S106、利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量；
计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度，如下式所示：
D=0-rlog(λc)
式中，D是吸收深度，λc是吸收中心波长。
计算混合光谱和目标端元光谱吸收深度的比值，得到混合物中目标端元的含量估计值，如下式所示：
f=DM/DT
式中，f是目标端元含量估计值，DM是混合光谱吸收深度，DT是目标端元光谱吸收深度。本实例中，DM=0.053，DT=0.2583，f=0.1947。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (3)

1.一种基于背景光谱去除的高光谱解混方法，其特征在于，包括：
根据各非目标端元光谱及其含量预估获得背景光谱；
对混合光谱、目标端元光谱、背景光谱进行自然对数处理；
将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合；
利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量；
其中，所述根据各非目标端元光谱及其含量预估获得背景光谱之前还包括：
确定混合光谱所包含端元数目、种类及端元光谱；
确定目标端元，并选取目标端元的典型吸收特征及其波段区间；
根据目标端元吸收特征波段区间对混合光谱、目标端元光谱、背景光谱进行截取；
其中，所述根据各非目标端元光谱及其含量预估获得背景光谱具体包括：
利用完全约束最小二乘算法，求得混合光谱中各端元的丰度作为其含量的预估值，由各非目标端元的光谱按照含量预估值进行线性混合得到背景光谱，公式如下：
r b = Σ i = 1 n - 1 r i * f ei - - - ( 1 )
其中rb是背景光谱，ri是第i个非目标端元的反射率光谱，fei是第i个非目标端元的含量预估值，n是端元总数；
其中，所述对混合光谱、目标端元光谱、背景光谱进行自然对数处理具体包括：
将混合光谱、目标端元光谱、背景光谱按式(2)进行处理，得到对应的自然对数光谱，
rlog＝log(r)  (2)
其中，r是待处理的光谱，rlog是对数处理后的光谱；
其中，所述将背景光谱一端平移至与目标光谱重合，将平面直角坐标系转换为极坐标系，经拉伸、旋转后实现另一端点重合具体包括：
计算背景光谱一端与目标光谱差值，并对整个波段区间背景光谱加上该差值实现补偿，使得背景光谱在该端点和目标光谱重合；
以重合的端点为极点，以从极点作垂直于纵轴的射线作为极轴，将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系；
计算目标光谱和背景光谱另一端点的极径，求得两点极径的比值，并对背景光谱每个点乘以该比值进行补偿，使得背景光谱端点和目标光谱端点极径相同；
计算目标光谱和背景光谱另一端点的极角，计算两点极角之差，对背景光谱按照该差值进行旋转，使得背景光谱端点与目标光谱端点重合；
其中，所述利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量具体包括：
求得混合光谱和目标端元光谱吸收特征中心波长位置；
计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度，
D＝0-rlog(λc)  (3)
其中，D是吸收深度，λc是吸收中心波长；
计算混合光谱和目标端元光谱吸收深度的比值，得到混合物中目标端元的含量估计值，
f＝DM/DT  (4)
其中，f是目标端元含量估计值，DM是混合光谱吸收深度，DT是目标端元光谱吸收深度。
2.如权利要求1所述的方法，其特征在于，所述端元是具有典型吸收特征的不同地物类型。
3.如权利要求1所述的方法，其特征在于，所述不同地物类型是矿物、土壤或植被。
CN201310256080.2A 2013-06-25 2013-06-25 基于背景光谱去除的高光谱解混方法 Active CN103335968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310256080.2A CN103335968B (zh) 2013-06-25 2013-06-25 基于背景光谱去除的高光谱解混方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310256080.2A CN103335968B (zh) 2013-06-25 2013-06-25 基于背景光谱去除的高光谱解混方法

Publications (2)

Publication Number Publication Date
CN103335968A CN103335968A (zh) 2013-10-02
CN103335968B true CN103335968B (zh) 2015-04-01

Family

ID=49244172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310256080.2A Active CN103335968B (zh) 2013-06-25 2013-06-25 基于背景光谱去除的高光谱解混方法

Country Status (1)

Country Link
CN (1) CN103335968B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103674247B (zh) * 2013-11-21 2015-07-29 中国科学院上海技术物理研究所 一种丰度值可控的草地混合光谱获取实验方法
CN104182953B (zh) * 2013-12-30 2017-02-01 北京大学 像元解混逆过程：规格化多端元分解的高光谱重构方法
CN105891138B8 (zh) * 2016-04-05 2019-02-12 中国科学院合肥物质科学研究院 一种提高亮温光谱中非目标特征抑制能力的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1595110A (zh) * 2004-06-29 2005-03-16 中国国土资源航空物探遥感中心 高光谱多端元线性拟合矿物识别与矿化指示方法
CN101551471A (zh) * 2009-05-19 2009-10-07 中国国土资源航空物探遥感中心 一种高光谱遥感矿物含量定量反演方法
CN101806898A (zh) * 2010-03-19 2010-08-18 武汉大学 基于端元可变的高光谱遥感影像目标探测方法
CN101887012A (zh) * 2010-06-28 2010-11-17 中国国土资源航空物探遥感中心 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法
CN102436648A (zh) * 2011-08-11 2012-05-02 上海交通大学 基于背景荧光消除的目标荧光光谱解混方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1595110A (zh) * 2004-06-29 2005-03-16 中国国土资源航空物探遥感中心 高光谱多端元线性拟合矿物识别与矿化指示方法
CN101551471A (zh) * 2009-05-19 2009-10-07 中国国土资源航空物探遥感中心 一种高光谱遥感矿物含量定量反演方法
CN101806898A (zh) * 2010-03-19 2010-08-18 武汉大学 基于端元可变的高光谱遥感影像目标探测方法
CN101887012A (zh) * 2010-06-28 2010-11-17 中国国土资源航空物探遥感中心 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法
CN102436648A (zh) * 2011-08-11 2012-05-02 上海交通大学 基于背景荧光消除的目标荧光光谱解混方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
利用背景残差数据检测高光谱图像异常;李杰等;《红外与毫米波学报》;20100430;第29卷(第2期);第151页第1栏第1段-第151页第2栏第2段 *
带约束的最小二乘求解算法及其在高光谱遥感混合像元分解中的应用;朱怀朝;《中国优秀硕士学位论文全文数据库 基础科学辑》;20130215(第2期);论文第6页第1段，第24页第2段 *

Also Published As

Publication number Publication date
CN103335968A (zh) 2013-10-02

Similar Documents

Publication Publication Date Title
CN101887012B (zh) 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法
Bahureksa et al. Soil organic matter characterization by fourier transform ion cyclotron resonance mass spectrometry (FTICR MS): A critical review of sample preparation, analysis, and data interpretation
Sullivan et al. Fast holographic deconvolution: A new technique for precision radio interferometry
Samek et al. Quantitative assessment of PM 2.5 sources and their seasonal variation in Krakow
Sleighter et al. Establishing a measure of reproducibility of ultrahigh-resolution mass spectra for complex mixtures of natural organic matter
Grinand et al. Prediction of soil organic and inorganic carbon contents at a national scale (France) using mid‐infrared reflectance spectroscopy (MIRS)
Yassine et al. Structural characterization of organic aerosol using Fourier transform ion cyclotron resonance mass spectrometry: aromaticity equivalent approach
CN103335968B (zh) 基于背景光谱去除的高光谱解混方法
CN102749381B (zh) 线性扫描极谱曲线重叠峰分离方法
Jiang et al. Molecular dynamics and light absorption properties of atmospheric dissolved organic matter
Kim et al. Analysis of environmental organic matters by Ultrahigh‐Resolution mass spectrometry—A review on the development of analytical methods
Wang et al. Quantitative chemical imaging of element diffusion into heterogeneous media using laser ablation inductively coupled plasma mass spectrometry, synchrotron micro-X-ray fluorescence, and extended X-ray absorption fine structure spectroscopy
Karambelas et al. Contribution of isoprene epoxydiol to urban organic aerosol: evidence from modeling and measurements
Ayhan et al. On the use of a linear spectral unmixing technique for concentration estimation of APXS spectrum
Gaffney et al. Characterization of fine mode atmospheric aerosols by Raman microscopy and diffuse reflectance FTIR
CN103868858B (zh) 一种确定盐渍土主导盐分光谱响应最佳波段的方法
Edlund et al. Twentieth century eutrophication of the St. Croix River (Minnesota–Wisconsin, USA) reconstructed from the sediments of its natural impoundment
Knetter et al. Dynamic structure factor of the two-dimensional Shastry-Sutherland model
Duarte et al. Multidimensional analytical characterization of water-soluble organic aerosols: challenges and new perspectives
Schneider et al. Molecular characterization of water-soluble aerosol particle extracts by ultrahigh-resolution mass spectrometry: Observation of industrial emissions and an atmospherically aged wildfire plume at Lake Baikal
CN103018178A (zh) 基于局部保持投影的红外光谱仪校准方法
CN102967589B (zh) 基于微分谱的多组份三维荧光混叠光谱数据处理方法
Kanbar et al. Tracking mineral and geochemical characteristics of Holocene lake sediments: the case of Hotagen, west-central Sweden
Kommula et al. Chemical characterization and source apportionment of organic aerosols in the Coastal City of Chennai, India: impact of marine air masses on aerosol chemical composition and potential for secondary organic aerosol formation
Rodda et al. Non-destructive allometric modeling for tree volume estimation in tropical dry deciduous forests of India using terrestrial laser scanner

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