CN104408432A - 一种基于直方图修正的红外图像目标检测方法 - Google Patents
一种基于直方图修正的红外图像目标检测方法 Download PDFInfo
- Publication number
- CN104408432A CN104408432A CN201410715370.3A CN201410715370A CN104408432A CN 104408432 A CN104408432 A CN 104408432A CN 201410715370 A CN201410715370 A CN 201410715370A CN 104408432 A CN104408432 A CN 104408432A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- pixel
- threshold
- obj
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于直方图修正的红外图像目标检测方法,包括以下步骤:(1)利用原始图像Forg计算梯度图像(2)对进行非最大值抑制,得到图像(3)利用进行边缘连接,得到候选目标区域Obj0;(4)统计Obj0的直方图Histo;(5)设定Histo的高、低比例系数,计算高阈值Thigh和低阈值Tlow;(6)根据Thigh和Tlow将Obj0进行修正,得到Obj1;(7)对Obj1进行边缘闭合判断,计算目标位置Pos(x,y)。
Description
技术领域
本发明涉及红外图像处理领域,特别涉及一种适合硬件实时实现的基于直方图修正的红外图像目标检测方法。
背景技术
红外成像被动式工作,具有隐蔽性好、环境适应性强、对伪装的识别能力强等优点。近年来,利用红外探测器对目标进行检测在军用和民用领域得到广泛的应用。
在红外目标检测方面,国内外学者进行了大量研究,提出多种有价值的检测方法。Zhang Y等人提出采用稀疏光流法计算图像中兴趣点的光流信息实现检测运动目标;Liu Z H等人提出一种图像匹配的方法实现对探测器运动补偿,使用差分法实现运动目标检测;张强等人提出基于局部极大值的红外弱小目标分割,通过高斯模板对待检测图像进行增强处理;李秋华等人采用D-S证据理论的双色红外目标融合检测;王莹莹等人采用数学形态学和信息熵对红外目标进行检测。现有的红外图像目标检测技术存在以下缺点:(1)受周围环境的影响大,复杂背景中目标检测精度不高;(2)目标灰度对比度低的前提下,检测概率降低;(3)多数算法需设定固定阈值,受阈值影响,算法的环境适应性差。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种基于直方图修正的红外图像目标检测方法。
为了解决上述技术问题,本发明公开了红外图像目标检测方法,包括以下步骤:
(1)根据原始图像Forg计算梯度图像x为图像列坐标,y为图像行坐标;
(2)对梯度图像进行非最大值抑制,得到图像
(3)根据图像进行边缘连接,得到候选目标区域Obj0;
(4)统计候选目标区域Obj0的直方图Histo;
(5)设定直方图Histo的高、低比例系数,计算高阈值Thigh和低阈值Tlow;
(6)根据高阈值Thigh和低阈值Tlow将候选目标区域Obj0进行修正,得到修正的目标区域Obj1;
(7)对修正的目标区域Obj1进行边缘闭合判断,计算目标位置Pos(x,y)。
本发明步骤(1)中,使用Roberts算子计算梯度图像
本发明基于直方图修正的红外图像目标检测方法中,计算Obj0的统计直方图Histo,设定高比例系数得到高阈值Thigh,设定低比例系数得到低阈值Tlow。
步骤(2)中,对梯度图像进行非最大值抑制包括:将梯度方向定义为属于4个区之一,各个区用不同的邻近像素进行比较,决定局部极大值;4个区及相应的比较方向如表1所示:
表1:
4 | 3 | 2 |
1 | value | 1 |
2 | 3 | 4 |
如果中心像素value的像素梯度方向属于第4区,则把value的梯度值与它左上和右下相邻像素的梯度值比较,看中心像素value的值是否是最大值;否则,中心像素value的值置0。
步骤(3)中,边缘连接处理是通过设定两个阈值T1和T2,T1=0.5×T2,把图像中小于阈值T1的像素值设为0,得到图像A1,把图像中小于阈值T2的像素值设为0,得到图像A2,执行如下步骤:
a)对图像A2进行扫描,遇到非零像素P时,跟踪以像素P为开始点的轮廓线,直到该轮廓线的终点像素Q;
b)判断图像A1中与图像A2中像素Q点位置对应的像素点Q′的8-邻近区域,如果在像素点Q'的8-邻近区域中有任意非零像素R'存在,则将其包括到图像A2中,作为像素点R;
从像素点R作为非零像素P,返回步骤301),直到在图像A1和图像A2中无法继续为止,执行步骤303);
c)当完成对包含非零像素P的轮廓线的连接之后,将这条轮廓线标记为已访问,得到候选目标区域Obj0,在图像A2中继续寻找下一条轮廓线。
步骤(5)中,计算候选目标区域Obj0的统计直方图Histo,设定高比例系数得到高阈值Thigh,设定低比例系数得到低阈值Tlow。
步骤(6)中,通过将候选目标区域Obj0中大于高阈值Thigh的像素值置0,小于低阈值Tlow的像素值置0,完成候选目标区域Obj0的修正,得到修正的目标区域Obj1。
本发明基于直方图修正的红外图像目标检测方法中,边缘闭合判断计算图像边缘在行、列方向的闭合度,通过闭合度判断是否为真实目标边缘。设定真实目标边缘判定准则为:a)行、列方向闭合度均大于80%;b)列差值Coldec(i)>T表示第i行为候选目标区域,T是阈值。
步骤(7)中,边缘闭合判断计算图像边缘在行、列方向的闭合度,通过闭合度判断是否为真实目标边缘;
设定真实目标边缘判定条件为:
a)行、列方向闭合度均大于80%;
b)列差值Coldec(i)>T表示第i行为候选目标区域,T是阈值,2≤T≤5;若行、列闭合度均满足真实目标边缘判定条件,则通过目标型心公式计算目标位置Pos(x,y)。
本发明与现有技术相比,具有以下显著优点:1)利用直方图对候选目标值进行修正,削弱了噪声、杂波的影响,抗干扰能力强;2)同时选用行、列方向闭合度对目标进行判断,提高了目标检测精度;3)检测方法中出现的阈值可固定,环境适应能力强;4)不存在高阶运算和复杂结构,算法运算量小,易于硬件实时实现。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明流程图。
图2a为实施例的原始图像。
图2b为实施例的边缘连接图。
图2c为实施例的最终检测结果。
具体实施方式
本发明公开了一种基于直方图修正的红外图像目标检测方法,包括以下步骤:
(1)利用原始图像Forg计算梯度图像
(2)对进行非最大值抑制,得到图像
(3)利用进行边缘连接,得到候选目标区域Obj0;
(4)统计Obj0的直方图Histo;
(5)设定Histo的高、低比例系数,计算高阈值Thigh和低阈值Tlow;
(6)根据Thigh和Tlow将Obj0进行修正,得到Obj1;
(7)对Obj1进行边缘闭合判断,计算目标位置Pos(x,y)。
步骤(1)中,使用Roberts算子计算梯度图像
步骤(2)中,进行“非最大值抑制”,梯度方向被定义为属于4个区之一,各个区用不同的邻近像素进行比较,决定局部极大值。4个区及相应的比较方向如下所示:
4 | 3 | 2 |
1 | value | 1 |
2 | 3 | 4 |
如果中心像素value的像素梯度方向属于第4区,则把value的梯度值与它左上和右下相邻像素的梯度值比较,看value的值是否是最大值。否则,value的值置0,这个过程称为“非最大值抑制”。
步骤(3)中,边缘连接处理是通过设定两阈值T1和T2,T1=0.5×T2,把中小于T1的像素值设为0,得到图像1,把中小于T2的像素值设为0,得到图像2,具体实现步骤如下:1)对图像2进行扫描,遇到非零像素P时,跟踪以P为开始点的轮廓线,直到该轮廓线的终点Q;2)判断图像1中与图像2中Q点位置对应的点Q'的8-邻近区域。如果在Q'的8-邻近区域中有非零像素R'存在,则将其包括到图像2中,作为点R;从R开始重复步骤1),直到在图像1和图像2中无法继续为止;3)当完成对包含P的轮廓线的连接之后,将这条轮廓线标记为已访问,得到Obj0,在图像2中继续寻找下一条轮廓线。
步骤(5)中,计算Obj0的统计直方图Histo,设定高比例系数得到高阈值Thigh,设定低比例系数得到低阈值Tlow。
具体计算方法为:设定图像大小M×N,高比例系数为k2%、低比例系数为k1%,k1、k2的取值0~100,k1<k2,统计直方图Histo={Histo(k)|k=1,2...K},k是自变量,K是图像的最大灰度级,则,高阈值Thigh、低阈值Tlow的计算公式如下:
当首次大于k1%×M×N,则当前k值即为低阈值Tlow;
当首次大于k2%×M×N,则当前k值即为高阈值Thigh。
步骤(6)中,通过将Obj0中大于Thigh的像素值置0,小于Tlow的像素值置0,完成Obj0的修正,得到Obj1。
步骤(7)中,边缘闭合判断计算图像边缘在行、列方向的闭合度,通过闭合度判断是否为真实目标边缘。设定真实目标边缘判定准则为:a)行、列方向闭合度均大于80%;b)列差值Coldec(i)>T表示第i行为候选目标区域,T是阈值。
实施例1
结合图1,下面以实例来说明本发明基于直方图修正的红外图像目标检测方法。红外图像的像素个数320×256,帧频50HZ。红外热像仪的数字信号通过光纤传给DSP+FPGA架构的专用图像处理板,基于直方图修正的红外图像目标检测方法在DSP处理器中实现,处理时间小于20ms,满足实时处理的需求,具体实施步骤如下:
(1)获取原始图像Forg,利用Roberts算子计算梯度图像
原始图像Forg是14-bit数字图像。红外热像仪的数字信号通过光纤打包方式传给专用图像处理板的FPGA,FPGA完成光纤解包将数字信号经DSP的EMIF接口传给DSP,得到14-bit原始图像Forg。
(2)对进行非最大值抑制,得到图像
(3)对进行边缘连接中,设定T2=0.8(则T1=0.32);
(4)按照直方图统计理论统计Obj0的直方图Histo;
(5)设定Histo的高比例系数为0.95,计算高阈值Thigh,设定低比例系数为0.05,计算低阈值Tlow;
(6)根据步骤(5)计算的Thigh和Tlow对Obj0进行修正,将Obj0中大于Thigh的像素值置0,小于Tlow的像素值置0,得到Obj1;
(7)以计算行方向闭合度为例,假设当前目标连接边缘在图像的第30~35行,目标所在行的列最小值Colmin、列最大值Colmax分别为Colmin={80,76,77,81,80,79}和Colmax={90,78,87,88,86,89}。目标所在行的列差值为Coldec可表示为:
Coldec=Colmax-Colmin
={10,2,10,7,6,10}
当阈值T=3时,由判定准则可计算,行方向闭合度为83.3%。
同理,可计算列方向闭合度。若行列闭合度均满足真实目标边缘判定准则,则通过目标型心公式计算目标位置Pos(x,y),x、y的计算公式如下:
其中,x是目标所在列数,y是目标所在行数,x_count是行方向累加次数,y_count是列方向的累加次数,kk是自变量,xL、xR分别表示目标所在行方向的最左边和最右边的像素位置,yU、yD分别表示目标所在列方向最上边和最下边的像素位置。
实施例2
图2中,图2a表示原始图像,图2b表示边缘连接图,图2c为最终检测结果。图像显示,本发明提出的基于直方图修正的红外图像目标检测方法目标检测精确高。
本发明提供了一种基于直方图修正的红外图像目标检测方法,具体实现该技术方案的方法和途径很多,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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (7)
1.一种基于直方图修正的红外图像目标检测方法,其特征在于,包括以下步骤:
(1)根据原始图像Forg计算梯度图像x为图像列坐标,y为图像行坐标;
(2)对梯度图像进行非最大值抑制,得到图像
(3)根据图像进行边缘连接,得到候选目标区域Obj0;
(4)统计候选目标区域Obj0的直方图Histo;
(5)设定直方图Histo的高、低比例系数,计算高阈值Thigh和低阈值Tlow;
(6)根据高阈值Thigh和低阈值Tlow将候选目标区域Obj0进行修正,得到修正的目标区域Obj1;
(7)对修正的目标区域Obj1进行边缘闭合判断,计算目标位置Pos(x,y)。
2.根据权利要求1所述的方法,其特征在于,步骤(1)中,使用Roberts算子计算梯度图像
3.根据权利要求2所述的方法,其特征在于,步骤(2)中,对梯度图像进行非最大值抑制包括:将梯度方向定义为属于4个区之一,各个区用不同的邻近像素进行比较,决定局部极大值;4个区及相应的比较方向如表1所示:
表1:
如果中心像素value的像素梯度方向属于第4区,则把value的梯度值与它左上和右下相邻像素的梯度值比较,看中心像素value的值是否是最大值;否则,中心像素value的值置0。
4.根据权利要求3所述的方法,其特征在于,步骤(3)中,边缘连接处理是通过设定两个阈值T1和T2,T1=0.5×T2,把图像中小于阈值T1的像素值设为0,得到图像A1,把图像中小于阈值T2的像素值设为0,得到图像A2,执行如下步骤:
a)对图像A2进行扫描,遇到非零像素P时,跟踪以像素P为开始点的轮廓线,直到该轮廓线的终点像素Q;
b)判断图像A1中与图像A2中像素Q点位置对应的像素点Q′的8-邻近区域,如果在像素点Q′的8-邻近区域中有任意非零像素R′存在,则将其包括到图像A2中,作为像素点R;
从像素点R作为非零像素P,返回步骤301),直到在图像A1和图像A2中无法继续为止,执行步骤303);
c)当完成对包含非零像素P的轮廓线的连接之后,将这条轮廓线标记为已访问,得到候选目标区域Obj0,在图像A2中继续寻找下一条轮廓线。
5.根据权利要求4所述的方法,其特征在于,步骤(5)中,计算候选目标区域Obj0的统计直方图Histo,设定高比例系数得到高阈值Thigh,设定低比例系数得到低阈值Tlow。
6.根据权利要求1所述的方法,其特征在于,步骤(6)中,通过将候选目标区域Obj0中大于高阈值Thigh的像素值置0,小于低阈值Tlow的像素值置0,完成候选目标区域Obj0的修正,得到修正的目标区域Obj1。
7.根据权利要求1所述的方法,其特征在于,步骤(7)中,边缘闭合判断计算图像边缘在行、列方向的闭合度,通过闭合度判断是否为真实目标边缘;
设定真实目标边缘判定条件为:
a)行、列方向闭合度均大于80%;
b)列差值Coldec(i)>T表示第i行为候选目标区域,T是阈值,2≤T≤5;
若行、列闭合度均满足真实目标边缘判定条件,则通过目标型心公式计算目标位置Pos(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410715370.3A CN104408432B (zh) | 2014-11-28 | 2014-11-28 | 一种基于直方图修正的红外图像目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410715370.3A CN104408432B (zh) | 2014-11-28 | 2014-11-28 | 一种基于直方图修正的红外图像目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408432A true CN104408432A (zh) | 2015-03-11 |
CN104408432B CN104408432B (zh) | 2017-05-10 |
Family
ID=52646063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410715370.3A Active CN104408432B (zh) | 2014-11-28 | 2014-11-28 | 一种基于直方图修正的红外图像目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408432B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427286A (zh) * | 2015-11-06 | 2016-03-23 | 中国电子科技集团公司第二十八研究所 | 一种基于灰度和梯度分割的红外目标检测方法 |
CN105973474A (zh) * | 2016-04-28 | 2016-09-28 | 国网山东省电力公司电力科学研究院 | 一种基于温度直方图的输变电设备红外图像温宽调整方法 |
CN109712101A (zh) * | 2018-12-20 | 2019-05-03 | 沈阳天眼智云信息科技有限公司 | 红外图像增强方法 |
CN109840912A (zh) * | 2019-01-02 | 2019-06-04 | 厦门美图之家科技有限公司 | 一种图像中异常像素的修正方法及计算设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070058863A1 (en) * | 2005-09-09 | 2007-03-15 | Honeywell International Inc. | Label Detection |
US20070154109A1 (en) * | 2005-12-30 | 2007-07-05 | Micron Technology, Inc. | Method and apparatus for flare cancellation for image contrast restoration |
CN101114340A (zh) * | 2007-09-06 | 2008-01-30 | 成都方程式电子有限公司 | 直方图均衡化图像处理的vlsi实现系统及方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
-
2014
- 2014-11-28 CN CN201410715370.3A patent/CN104408432B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070058863A1 (en) * | 2005-09-09 | 2007-03-15 | Honeywell International Inc. | Label Detection |
US20070154109A1 (en) * | 2005-12-30 | 2007-07-05 | Micron Technology, Inc. | Method and apparatus for flare cancellation for image contrast restoration |
CN101114340A (zh) * | 2007-09-06 | 2008-01-30 | 成都方程式电子有限公司 | 直方图均衡化图像处理的vlsi实现系统及方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427286A (zh) * | 2015-11-06 | 2016-03-23 | 中国电子科技集团公司第二十八研究所 | 一种基于灰度和梯度分割的红外目标检测方法 |
CN105427286B (zh) * | 2015-11-06 | 2017-12-05 | 中国电子科技集团公司第二十八研究所 | 一种基于灰度和梯度分割的红外目标检测方法 |
CN105973474A (zh) * | 2016-04-28 | 2016-09-28 | 国网山东省电力公司电力科学研究院 | 一种基于温度直方图的输变电设备红外图像温宽调整方法 |
CN105973474B (zh) * | 2016-04-28 | 2019-01-25 | 国网山东省电力公司电力科学研究院 | 一种基于温度直方图的输变电设备红外图像温宽调整方法 |
CN109712101A (zh) * | 2018-12-20 | 2019-05-03 | 沈阳天眼智云信息科技有限公司 | 红外图像增强方法 |
CN109840912A (zh) * | 2019-01-02 | 2019-06-04 | 厦门美图之家科技有限公司 | 一种图像中异常像素的修正方法及计算设备 |
CN109840912B (zh) * | 2019-01-02 | 2021-05-04 | 厦门美图之家科技有限公司 | 一种图像中异常像素的修正方法及计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104408432B (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657945B (zh) | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 | |
CN105427286B (zh) | 一种基于灰度和梯度分割的红外目标检测方法 | |
CN101980282B (zh) | 一种红外图像动态细节增强方法 | |
CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
CN107392885A (zh) | 一种基于视觉对比机制的红外弱小目标检测方法 | |
CN102346910B (zh) | 一种基于单帧红外图像的点目标的实时检测方法 | |
CN104408432A (zh) | 一种基于直方图修正的红外图像目标检测方法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN107590496A (zh) | 复杂背景下红外小目标的关联检测方法 | |
Wang et al. | An infrared maritime target detection algorithm applicable to heavy sea fog | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN104268877A (zh) | 一种红外图像海天线自适应检测方法 | |
CN103456009B (zh) | 目标检测方法与装置、监控系统 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
CN107369164A (zh) | 一种红外弱小目标的跟踪方法 | |
CN104966296B (zh) | 滑窗N‑Smoothlets图像边缘检测方法 | |
CN105426928A (zh) | 一种基于Haar特征和EOH特征的行人检测方法 | |
CN106570889A (zh) | 一种检测红外视频中弱小目标的方法 | |
CN104463896B (zh) | 基于核相似区分布特性的图像角点检测方法及系统 | |
CN109919957A (zh) | 一种基于动态视觉传感器的角点检测方法 | |
CN105118073A (zh) | 基于Xtion摄像机的人体头部目标识别方法 | |
CN107479052A (zh) | 基于广义高斯分布模型的地面隐蔽目标检测方法 | |
CN104820972B (zh) | 一种基于在轨分类统计的红外影像me噪声去除方法 | |
CN108205814B (zh) | 彩色图像的黑白轮廓生成方法 | |
CN109461164A (zh) | 一种基于方向核重建的红外小目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20181026 Address after: 210007 the 5 building of Tianan Digital City, 36 Yongfeng Avenue, Qinhuai District, Nanjing, Jiangsu. Patentee after: Nanjing Lesi Electronic Equipment Co., Ltd. Address before: 210007 07 box of 1406 mailbox, 1 East Street, alfalfa garden, Nanjing, Jiangsu Patentee before: China Electronic Technology Corporation (Group) 28 Institute |