CN106097279B - 一种高动态图像增强方法 - Google Patents
一种高动态图像增强方法 Download PDFInfo
- Publication number
- CN106097279B CN106097279B CN201610478430.3A CN201610478430A CN106097279B CN 106097279 B CN106097279 B CN 106097279B CN 201610478430 A CN201610478430 A CN 201610478430A CN 106097279 B CN106097279 B CN 106097279B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- enhancing
- dynamics
- fusion
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000002708 enhancing effect Effects 0.000 claims abstract description 45
- 230000004927 fusion Effects 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000006835 compression Effects 0.000 claims abstract description 20
- 238000007906 compression Methods 0.000 claims abstract description 20
- 238000012937 correction Methods 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims description 13
- 239000003086 colorant Substances 0.000 claims description 4
- 238000000844 transformation Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000004040 coloring Methods 0.000 abstract description 2
- 230000007704 transition Effects 0.000 abstract description 2
- 208000002173 dizziness Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高动态图像增强方法,具体将高动态图像从彩色通道变换到灰度通道图像,然后将灰度通道图像进行对数压缩处理,再将灰度通道压缩图像进行两个自适应非线性的图像增强处理,然后再对这两个增强图像进行局部增强处理,之后再通过融合规则将这两个局部增强的灰度图像进行融合,然后对融合灰度图像进行全局增强,最后将原始高动态图像的彩色信息通过颜色校正,将校正的颜色信息和融合灰度图像转换到彩色通道,从而实现高动态图像的增强。本发明的方法具有无参数设置和有效增强高动态图像的特点。
Description
技术领域
本发明属于计算机视觉技术领域,特别涉及高动态图像增强技术。
背景技术
高动态图像提供了比低动态图像更为丰富的信息,但是目前显示设备多为低动态显示设备,而高动态图像在低动态设备上显示会遇到信息损失、颜色失真问题,因此为解决高动态图像在低动态设备上显示应运而生的高动态图像增强方法正受到越来越多的关注。目前,高动态图像增强方法主要存在两类:一类是对高动态图像进行全局处理,这种方法导致图像失去局部细节信息;另一类是对高动态图像进行局部处理,这种方法会导致眩晕的出现、颜色的失真。比较典型的方法有D.J.Jobson等1997年提出的方法,参见文献:D.J.Jobson,Z.-u.Rahman,G.A.Woodell.A multiscaleretinex for bridging the gapbetween color images and the human observation of scenes.Image Processing,IEEE Transactions on,1997,6(7):965-976,该方法是将图片三个颜色通道分别进行三个尺寸大小的SSR处理,然后分别将三个SSR处理结果进行线性加权,然后再对三个颜色通道进行颜色矫正,从而能够有效的实现高动态图像增强。但该方法会导致图像边界出现眩晕现象和图像的某些颜色出现失真、颜色欠饱和。
发明内容
本发明的目的是为了解决现有的上述高动态图像增强方法存在的缺陷,提出了一种高动态图像增强方法。
为了实现上述目的,本发明的技术方案是:一种高动态图像增强方法,包括如下步骤:
S1.获取灰度压缩图:将高动态图像变换到灰度通道,并对其进行对数处理获得灰度压缩图;
S2.生成两幅灰度图像增强图:将步骤S1得到的灰度压缩图分别进行两个非线性变换,得到两幅灰度图像增强图;
S3.两幅灰度图像增强图进行局部增强处理:分别对S2得到的灰度图像增强图进行局部增强处理;
S4.生成融合灰度图像:根据融合规则对步骤S3处理得到的两幅灰度图进行融合处理,得到一幅融合灰度图;
S5.融合灰度图亮区增强处理:将S4处理得到的融合灰度图进行亮区增强处理;
S6.通过颜色校正逆变换到彩色通道:将原高动态图像的三个通道颜色进行颜色校正处理,再将校正后的颜色结合S5得到的灰度图变换到彩色通道,得到最终的高动态图像增强图。
进一步的,步骤S1中高动态图像转换到灰度通道的方法具体为:
Iin=0.299Rin+0.587Gin+0.114Bin
其中,Rin,Gin,Bin分别代表高动态图像在红色、绿色和蓝色三通道的强度;Iin表示高动态图像的灰度图像。
更进一步的,步骤S1中获得灰度压缩图的具体过程为:对灰度图像Iin进行对数压缩,具体通过以下公式来处理:
I=logw(Iin+1),w=max(medfit(Iin+1))
其中,Iin表示高动态图像的灰度图像,Iin被压缩变成I且范围变成0~1,并通过中值滤波medfit来去除图像的噪声,中值滤波尺寸为7×7,max表示取矩阵的最大值;I表示灰度压缩图。
进一步的,步骤S2所述的得到两幅灰度图像增强图的具体计算过程如下:计算步骤S1得到的灰度压缩图的像素点在三个像素值区间Ω1、Ω2、Ω3分布的比例情况p1、p2、p3,Ω1、Ω2、Ω3对应的区间分别为[0,1/3),[1/3,2/3),[2/3,1];
其中,增强像素值区间Ω1的非线性变换为:
f1(x)=xa-0.15(1-x);a=0.3+0.3(1-p1),0.3≤a≤0.6,
增强像素区间Ω2的非线性变换为:
f2(x)=1/(1+exp(-a(x-0.5)))+0.05;a=8+8p2,8≤a≤16,
增强像素区间Ω3的非线性变换为:f3(x)=x(a+x);a=2+3p3,2≤a≤5,
然后根据比值p1、p2、p3的大小情况选择两个比值更大所对应像素值区间的非线性变换,将S1得到的灰度压缩图进行这两个非线性变换,从而得到两幅灰度图像增强图;在得到的两幅灰度增强图中,所对应增强的是像素值更大的区间的灰度增强图作为I1,增强的像素值更小的区间的灰度增强图作为I2。
进一步的,对两幅灰度图进行局部增强处理为:
其中,A=2,B=1,σA=0.5、σB=1.5,r的取值范围为[-4,4],且为整数,*表示卷积,II1和II2分别代表I1和I2局部增强结果。
进一步的,步骤S4中对步骤S3所得的II1和II2进行融合处理,融合系数为s=0.05+0.55(1-p),p为p1、p2、p3中I1所对应增强的区间的比值,融合灰度图为If=B·II1+(1-B)·II2。
进一步的,步骤S5中对亮区增强是:首先计算融合图If中像素值大于2/3的比例这里,count表示统计If中大于2/3的像素数量,MN表示图像If的像素总数,然后计算一个系数a=max(6,10-9n),之后计算出亮区增强图If=max(If,1/(1+exp(-a(If-0.5)))),从而得到最终的灰度融合图I'f。
进一步的,步骤S6中三个颜色通道通过颜色校正然后将灰度融合图变换到彩色通道分别为:
其中,s为颜色校正指数,作为一个优选方案s=0.5。
本发明的有益效果:本发明的方法首先将高动态图像从彩色通道变换到灰度通道图像,然后将灰度通道图像进行对数压缩处理,再根据灰度通道压缩图像的像素点在像素值区间[0,1/3),[1/3,2/3),[2/3,1]所占的比例情况,选取有利于比值更大所对应区间全局亮度增强的两个自适应非线性变换,分别对灰度压缩图进行处理,得到两幅灰度增强图片,然后再对这两个增强图片进行局部增强处理,之后再通过融合规则,将这两个局部增强的灰度图像进行融合,此处融合规则是根据步骤S2中被增强的两个像素值区间中相对增强更亮区间而得到的灰度增强图(亮区灰度增强图)来进行计算融合系数,使越亮的像素点系数更大,越暗的像素点系数越小,而被增强的两个像素值区间中相对增强更暗区间的灰度增强图(暗区灰度增强图)的融合系数表现为:越亮的像素点系数越小,越暗的像素点系数越大,亮区灰度增强图和暗区灰度增强图的融合系数之和为1,然后对融合灰度图像的亮区进行全局增强,最后将原始高动态图像的彩色信息进行颜色校正,将校正的颜色信息和融合灰度图像转换到彩色通道,从而实现高动态图像的增强。本发明的增强方法具有无参数设置、颜色不失真和有效的增强高动态图像的特点。
附图说明
图1是本发明实施例中高动态图像增强方法的流程示意图。
图2是实施例中对一幅原始输入的高动态范围图像(图2a)进行高动态范围图像增强显示的结果(图2b)。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例提供的高动态图像增强方法,具体实施步骤如下:
从网站http://pfstools.sourceforge.net/tmo_gallery/上提供的名为seymour_park的图像,图像格式为hdr,图像大小为2160×3840,对其进行高动态图像增强处理。具体的增强方法的流程图如图1所示,具体过程如下:
S1.获取灰度压缩图:将高动态图像变换到灰度通道,并对其进行对数处理获得灰度压缩图。以像素点(1000,1000)为例,该像素点在红、绿、蓝通道灰度值(double类型)分别为0.2090、0.3965和0.6543,将此点转换到灰度通道的灰度值为0.3698,此幅图片经过中值滤波后的最大值为7.9600,通过对数压缩计算此点的灰度值变成0.1435。
S2.生成两幅灰度图像增强图:将S1得到的灰度压缩图分别进行两个非线性变换得到两幅灰度图像增强图。因此此点分别进行以上两种计算变成两点,灰度值分别为0.5881,0.0792。此处将两幅图进行归一化计算,这两点分别变为0.5104、0.0221。由于第二个增强曲线为增强更亮区域的曲线,因此像素值为0.0221的点为A1点,另外一个为A2点。
S3.两幅灰度图进行局部增强处理:分别对S2得到的灰度图像进行局部增强处理,此处σA=0.5,σB=1.5,A=2,B=1,此图像的r为4,因此模板大小为9×9,此点经过9×9的DOG模板卷积之后,A1点的像素值变为0.0235,A2点变为0.5399。
S4.生成融合灰度图像:将S3处理得到的两幅灰度图根据融合规则进行融合处理,得到融合灰度图。融合系数B=0.9989,因此将A1和A2融合后得到融合点像素值为0.5393。
S5.融合灰度图亮区增强处理:将S4处理得到的融合灰度图进行亮区增强处理。由S4步骤得到的灰度融合图求得像素值大于2/3的比例为0.2741,求得a=7.5327,因此经过亮区增强处理此点的像素值变为0.5735。
S6.通过颜色校正逆变换到彩色通道:将原高动态图像的三个通道颜色进行颜色校正处理,再将校正后的颜色结合S5得到的灰度图变换到彩色通道,得到最终的高动态图像增强图。此处s=0.5,因此通过颜色校正将灰度通道变换到彩色通道红色通道像素值为0.4311,绿色通道为0.5938,蓝色通道为0.7629。
以上的简单实例主要以图像的单个像素值为例子来阐述,实际计算时是在整幅图像的所有像素值上进行的,所有的数值结果都是在计算机实验下得到的。
测试结果如图2所示,其中2a是原始图像,2b为本方法的结果。从结果来看,本发明可以有效的对高动态图像进行增强,对图像中亮区和暗区都有增强效果,且本发明不需要设置参数,过程全都是自适应处理。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围。
Claims (9)
1.一种高动态图像增强方法,包括如下步骤:
S1.获取灰度压缩图:将高动态图像变换到灰度通道,并对其进行对数处理获得灰度压缩图;
S2.生成两幅灰度图像增强图:将步骤S1得到的灰度压缩图分别进行两个非线性变换,得到两幅灰度图像增强图;步骤S2所述的得到两幅灰度图像增强图的具体计算过程如下:计算步骤S1得到的灰度压缩图的像素点在三个像素值区间Ω1、Ω2、Ω3分布的比例情况p1、p2、p3,Ω1、Ω2、Ω3对应的区间分别为[0,1/3),[1/3,2/3),[2/3,1];
其中,增强像素值区间Ω1的非线性变换为:
a1=0.3+0.3(1-p1);0.3≤a1≤0.6,
增强像素区间Ω2的非线性变换为:
f2(x)=1/(1+exp(-a2(x-0.5)))+0.05;a2=8+8p2,8≤a2≤16,
增强像素区间Ω3的非线性变换为:a3=2+3p3,2≤a3≤5,
然后根据比值p1、p2、p3的大小情况选择两个比值更大所对应像素值区间的非线性变换,将S1得到的灰度压缩图进行这两个非线性变换,从而得到两幅灰度图像增强图;在得到的两幅灰度增强图中,增强的是像素值更大的区间的灰度增强图作为I1,增强的像素值更小的区间的灰度增强图作为I2;
S3.对两幅灰度图像增强图进行局部增强处理:分别对S2得到的灰度图像增强图进行局部增强处理;
S4.生成融合灰度图像:根据融合规则对步骤S3处理得到的两幅灰度图进行融合处理,得到一幅融合灰度图;
S5.融合灰度图亮区增强处理:将S4处理得到的融合灰度图进行亮区增强处理;
S6.通过颜色校正逆变换到彩色通道:将原高动态图像的三个通道颜色进行颜色校正处理,再将校正后的颜色结合S5得到的灰度图变换到彩色通道,得到最终的高动态图像增强图。
2.根据权利要求1所述的高动态图像增强方法,其特征在于,步骤S1中高动态图像转换到灰度通道的方法具体为:
Iin=0.299Rin+0.587Gin+0.114Bin
其中,Rin,Gin,Bin分别代表高动态图像在红色、绿色和蓝色三通道的强度;Iin表示高动态图像的灰度图像。
3.根据权利要求1所述的高动态图像增强方法,其特征在于,步骤S1中获得灰度压缩图的具体过程为:对灰度图像Iin进行对数压缩,具体通过以下公式来处理:
I=logw(Iin+1),w=max(medfit(Iin+1))
其中,Iin表示高动态图像的灰度图像,Iin被压缩变成I且范围变成0~1,并通过中值滤波medfit来去除图像的噪声,max表示取矩阵的最大值;I表示灰度压缩图。
4.根据权利要求3所述的高动态图像增强方法,其特征在于,所述中值滤波尺寸为7×7。
5.根据权利要求1所述的高动态图像增强方法,其特征在于,对两幅灰度图像增强图进行局部增强处理为:
其中,A=2,B=1,σA=0.5、σB=1.5,r的取值范围为[-4,4],且为整数,*表示卷积,II1和II2分别代表I1和I2局部增强结果。
6.根据权利要求5所述的高动态图像增强方法,其特征在于,步骤S4中对步骤S3所得的II1和II2进行融合处理,融合系数为m=0.05+0.55(1-p),p为p1、p2、p3中I1所对应增强的区间的比值,融合灰度图为If=B·II1+(1-B)·II2。
7.根据权利要求6所述的高动态图像增强方法,其特征在于,步骤S5中对亮区增强是:首先计算融合图If中像素值大于2/3的比例n,然后计算一个系数a=max(6,10-9n),之后计算出亮区增强图If=max(If,1/(1+exp(-a(If-0.5)))),从而得到最终的灰度融合图I'f。
8.根据权利要求7所述的高动态图像增强方法,其特征在于,步骤S6中三个颜色通道通过颜色校正然后将灰度融合图变换到彩色通道分别为:
其中,Rin,Gin,Bin分别代表高动态图像在红色、绿色和蓝色三通道的强度;s为颜色校正指数。
9.根据权利要求8所述的高动态图像增强方法,其特征在于,颜色校正指数s=0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610478430.3A CN106097279B (zh) | 2016-06-24 | 2016-06-24 | 一种高动态图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610478430.3A CN106097279B (zh) | 2016-06-24 | 2016-06-24 | 一种高动态图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106097279A CN106097279A (zh) | 2016-11-09 |
CN106097279B true CN106097279B (zh) | 2019-01-01 |
Family
ID=57253237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610478430.3A Active CN106097279B (zh) | 2016-06-24 | 2016-06-24 | 一种高动态图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097279B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220931B (zh) * | 2017-08-02 | 2020-08-18 | 安康学院 | 一种基于灰度级映射的高动态范围图像重建方法 |
CN107590791B (zh) * | 2017-09-22 | 2020-07-03 | 深圳市华星光电半导体显示技术有限公司 | 图像增强方法以及图像处理装置 |
CN108022226B (zh) * | 2017-12-28 | 2020-07-07 | 电子科技大学 | 基于生物视觉机理的高动态图像显示方法 |
CN109447912B (zh) * | 2018-10-18 | 2022-04-19 | 广东欧谱曼迪科技有限公司 | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 |
CN110349110B (zh) * | 2019-07-16 | 2023-04-18 | 天津师范大学 | 一种基于累帧过融合的模糊图像增强方法及应用 |
CN112419217B (zh) * | 2020-11-19 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及介质 |
CN113052656B (zh) * | 2021-03-29 | 2022-02-22 | 蔡文华 | 一种基于大数据的电商平台管理系统 |
CN113393391B (zh) * | 2021-06-10 | 2022-05-20 | 维沃移动通信(杭州)有限公司 | 图像增强方法、图像增强装置、电子设备和存储介质 |
CN113379640B (zh) * | 2021-06-25 | 2023-06-27 | 哈尔滨工业大学 | 一种融合边缘信息的多级滤波图像去噪方法 |
CN113284146B (zh) * | 2021-07-23 | 2021-10-22 | 天津御锦人工智能医疗科技有限公司 | 结直肠息肉图像的识别方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408752A (zh) * | 2014-12-11 | 2015-03-11 | 西安电子科技大学 | 一种基于混合色调映射算法的高动态范围图像压缩方法 |
CN104618700A (zh) * | 2015-01-29 | 2015-05-13 | 电子科技大学 | 一种彩色高动态范围图像增强显示的方法 |
US20150341537A1 (en) * | 2014-05-21 | 2015-11-26 | Himax Imaging Limited | Local enhancement apparatus and method |
-
2016
- 2016-06-24 CN CN201610478430.3A patent/CN106097279B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150341537A1 (en) * | 2014-05-21 | 2015-11-26 | Himax Imaging Limited | Local enhancement apparatus and method |
CN104408752A (zh) * | 2014-12-11 | 2015-03-11 | 西安电子科技大学 | 一种基于混合色调映射算法的高动态范围图像压缩方法 |
CN104618700A (zh) * | 2015-01-29 | 2015-05-13 | 电子科技大学 | 一种彩色高动态范围图像增强显示的方法 |
Non-Patent Citations (1)
Title |
---|
基于RETINEX理论的视频图像增强系统研究;赵晓霞;《中国博士学位论文全文数据库 信息科技辑》;20111215(第12期);第I138-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106097279A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106097279B (zh) | 一种高动态图像增强方法 | |
Jiang et al. | A switched view of Retinex: Deep self-regularized low-light image enhancement | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
US9538093B2 (en) | Forming high-dynamic-range (HDR) images using single-channel data | |
CN107680056B (zh) | 一种图像处理方法及装置 | |
CN112288658A (zh) | 一种基于多残差联合学习的水下图像增强方法 | |
US8300051B2 (en) | Apparatus and method for enhancing images in consideration of region characteristics | |
US10937130B1 (en) | Image color enhancement method and device | |
CN101901475B (zh) | 基于视网膜自适应模型的高动态范围图像色调映射方法 | |
CN104618700B (zh) | 一种彩色高动态范围图像增强显示的方法 | |
CN108022223B (zh) | 一种基于对数映射函数分块处理融合的色调映射方法 | |
KR102144577B1 (ko) | 최적의 감마보정 기반 저조도 영상 보정방법 | |
KR20120107429A (ko) | 구역 기반의 톤 매핑 | |
JP6004757B2 (ja) | 画像処理装置及び画像処理方法 | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
CN110009574B (zh) | 一种低动态范围图像逆向生成高动态范围图像的方法 | |
CN113129391B (zh) | 基于多曝光图像特征分布权重的多曝光融合方法 | |
CN106454144B (zh) | 一种对谷歌眼镜图像过度曝光的校正方法 | |
CN115393227A (zh) | 基于深度学习的微光全彩视频图像自适应增强方法及系统 | |
CN104463806B (zh) | 基于数据驱动技术的高度自适应图像对比度增强方法 | |
CN104657939A (zh) | 一种低照度视频图像增强方法 | |
CN115937029A (zh) | 一种水下图像增强方法 | |
CN105184746B (zh) | 基于直方图均衡的彩色图像增强处理方法 | |
Piniarski et al. | Efficient HDR tone-mapping for ADAS applications | |
CN111031301A (zh) | 一种色域空间调整的方法、存储设备及显示终端 |
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 |