CN107784639B - 一种无人机遥感图像改进多边滤波去噪方法 - Google Patents

一种无人机遥感图像改进多边滤波去噪方法 Download PDF

Info

Publication number
CN107784639B
CN107784639B CN201711064600.4A CN201711064600A CN107784639B CN 107784639 B CN107784639 B CN 107784639B CN 201711064600 A CN201711064600 A CN 201711064600A CN 107784639 B CN107784639 B CN 107784639B
Authority
CN
China
Prior art keywords
remote sensing
sensing image
filtering
similarity
image
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
CN201711064600.4A
Other languages
English (en)
Other versions
CN107784639A (zh
Inventor
黄鹤
宋京
王萍
许哲
郭璐
惠晓滨
杜晶晶
黄莺
汪贵平
任思奇
胡凯益
霍子轩
程慈航
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.)
Siwei Shijing Technology Beijing Co ltd
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN201711064600.4A priority Critical patent/CN107784639B/zh
Publication of CN107784639A publication Critical patent/CN107784639A/zh
Application granted granted Critical
Publication of CN107784639B publication Critical patent/CN107784639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种无人机遥感图像改进多边滤波去噪方法，首先获取待滤波的遥感图像；接着将获取到的遥感图像由RGB颜色空间转换到Lab颜色空间；再对得到的Lab颜色空间的遥感图像分别计算脉冲权值、空间相似度、亮度相似度、梯度相似度和局部均值等滤波器系数；而后按照本发明提出的多边滤波器进行滤波处理；最后将去噪处理后的Lab颜色空间的遥感图像转换到RGB颜色空间并输出。本发明能够较好地滤除遥感图像中的脉冲噪声，与双边滤波相比去噪后图像的信噪比有显著提升，算法实用性较强，对提高遥感图像质量和提取有用信息有着积极的意义。

Description

一种无人机遥感图像改进多边滤波去噪方法
技术领域
本发明属于图像处理技术领域，具体涉及一种无人机遥感图像改进多边滤波去噪方法。
背景技术
数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理技术通过有针对性地抑制或者去除图像中的无关信息，改善图像质量。
近年来，随着图像处理技术和遥感技术的发展，遥感图像在农业、工业和军事领域的应用越来越广。高质量的遥感图像是完整提取遥感图像中所需信息的基础，特别是在地理测绘、海洋观测、军事侦查等领域有着重要的应用价值。然而遥感图像从采集到传输的过程中，受各种干扰因素的影响，不可避免的会引入各种噪声。因而在实际中往往都需要对遥感图像进行滤波预处理，进而提高图像的信噪比，改善图像质量。分析遥感图像的特征可以发现，遥感图像含有大量的重要纹理信息，同时又散布着各类噪声。这些纹理信息中可以获取到图像中的大多数有效信息，在对遥感图像进行滤波时，既要滤除掉绝大多数的噪声信息，又要保持遥感图像的边缘等细节信息，因而对遥感图像去噪是一项十分有挑战性的工作。
目前，图像的去噪滤波处理有很多方法，大致可以分为频域滤波和空域滤波两大类。频域滤波大多是通过傅立叶变换或余弦变换将图像从空域变换到频域，由于噪声在频域中主要集中在高频部分，频域滤波器就是基于这一先验知识，对频域图像进行低通滤波，而后再将图像转换到空间域输出，实现去噪的目的。这类方法由于要经过频域与空间域的变换，算法复杂度较高。相对频域滤波方法，空域滤波易于实现、复杂度较低，如均值滤波、中值滤波、维纳滤波等。但这类方法存在着滤波后的图像虽然去除了噪声，但使得边缘模糊，对于要求较高的遥感图像处理来说这是难以接受的。所以，各种去噪方法的研究实际是在去噪和保留高频信息之间进行的权衡。
对于上述问题，有人提出应用双边滤波。它不仅采取传统滤波方法的策略，考虑了空间位置信息，还加入了值域相似度的影响，因此，在图像变化平缓的区域，邻域内像素亮度值相差不大，双边滤波转化为高斯低通滤波器；在图像变化剧烈的区域，滤波器利用边缘点附近亮度值相近的像素点的亮度值平均替代原亮度值。因此，双边滤波不仅可以消除图像噪声而且保留了图像边缘信息。但传统的双边滤波算法对椒盐等脉冲等噪声滤波效果较差，滤波后图像的信噪比不够高，仍具有较大的提升空间。
发明内容
本发明的目的在于提供一种无人机遥感图像改进多边滤波去噪方法，以克服上述现有技术存在的缺陷，本发明既满足了有效滤除遥感图像中脉冲噪声的要求，又有效地保持了图像中的边缘等细节信息，实用性较强，具有极高的应用价值。
为达到上述目的，本发明采用如下技术方案：
一种无人机遥感图像改进多边滤波去噪方法，包括以下步骤：
步骤1：获取待处理的遥感图像；
步骤2：将步骤1得到遥感图像从RGB颜色空间转换到Lab颜色空间；
步骤3：对步骤2得到的遥感图像计算脉冲权值；
步骤4：对步骤2得到的遥感图像计算空间相似度、亮度相似度、梯度相似度和滤波窗口内像素点亮度中值；
步骤5：根据多边滤波器公式，并按照步骤3、4中计算所得的结果，对步骤2中转换到Lab颜色空间的遥感图像进行多边滤波；
步骤6：将步骤5中得到的滤波后的遥感图像转换到RGB颜色空间，得到最终去噪后的遥感图像。
进一步地，步骤2中将RGB颜色空间的遥感图像转换到Lab颜色空间，遥感图像由R、G、B颜色分量转变为L、a、b三个分量，其中L表示图像的亮度，a表示从红色到绿色的范围，b表示从黄色到蓝色的范围。
进一步地，步骤3中计算脉冲权值的公式为：
Figure GDA0002892405160000031
其中，M为脉冲权值，wl(x)为脉冲核函数。
进一步地，脉冲核函数wl(x)公式如下所示：
Figure GDA0002892405160000032
其中，σl为脉冲核函数标准差，Road(x,y)为滤波窗口内的脉冲统计函数。
进一步地，脉冲统计函数Road(x,y)，用公式表述如下所示：
Figure GDA0002892405160000033
Figure GDA0002892405160000034
其中，m为滤波窗口Ω内像素点的个数，Ic(x,y)和Ic(i,j)分别代表滤波窗口Ω内中心像素点及其临近像素点在Lab某一颜色通道的值，dn(x,y)为图像中坐标为(x,y)处像素点与某一临近像素点的最小亮度差值，Road(x,y)取值为滤波窗口内值较小的m/2个dn(x,y)之和。
进一步地，步骤4中空间相似度、亮度相似度、梯度相似度和滤波窗口内像素点亮度中值计算公式分别为：
Figure GDA0002892405160000035
Figure GDA0002892405160000036
Figure GDA0002892405160000037
f′(x,y)＝median(f(i,j))，f(i,j)∈Ω
其中，f(x,y)为图像中坐标为(x,y)处待滤波像素点的灰度值，f(i,j)为图像中坐标(x,y)处某一临近坐标为(i,j)像素点的灰度值，σr为空间相似度核函数的标准差，σs为亮度相似度核函数标准差，σg为梯度相似度核函数的标准差，gx,y为待滤波像素点的梯度值，Ω为以f(x,y)为中心的大小为3×3的滤波窗口，wr、ws、wg和f′(x,y)分别为空间相似度、亮度相似度、梯度相似度和滤波窗口内像素点的亮度中值。
进一步地，梯度值gx,y计算公式为：
Figure GDA0002892405160000041
其中，u,v分别代表水平和竖直方向，相应的
Figure GDA0002892405160000042
和
Figure GDA0002892405160000043
Figure GDA0002892405160000044
分别代表滤波窗口中心像素点和临近像素点在水平和竖直方向上的梯度。
进一步地，步骤5中多边滤波器的公式表述为：
Figure GDA0002892405160000045
其中，Q(x,y)为滤波后图像中坐标为(x,y)处像素点的输出值。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提出了一种新的多边滤波器，在对遥感图像去噪时，通过判断当前像素点是否为脉冲噪声点来决定是否将该点由滤波窗口内的中值代替，同时能够根据噪声数量和强度的大小自适应的确定滤波能力的强弱。新滤波器结合了滤波窗口内像素之间的空间相似度、亮度相似度、梯度相似度、脉冲统计和窗口内像素的亮度中值等多种因素，与传统的双边滤波算法相比，新算法对脉冲噪声的去除效果显著，去噪后图像的信噪比和边缘强度均有较大程度的提升。
附图说明
图1是本发明的流程示意图；
图2-图5是本发明与其它滤波方法对四个含有脉冲噪声的遥感图像去噪效果对比，其中，(a)为原始含噪遥感图像，(b)为双边滤波后的图像，(c)为采用本发明算法去噪后的图像。
具体实施方式
下面结合附图对本发明作进一步详细描述：
参见图1和图2，本发明提供了一种无人机遥感图像改进多边滤波去噪方法，包括以下步骤：
步骤1、获取遥感图像：利用图像采集设备，获取要进行去噪处理的遥感图像。
步骤2、将步骤1中获取到的遥感图像转换到Lab颜色空间，图像由R、G、B颜色分量转变为L、a、b三个分量。
步骤3、根据公式如下公式，计算获取的遥感图像的脉冲权值M。其中，Ic(x,y)、Ic(i,j)、dn(x,y)分别为滤波窗口中心像素点及其临近像素点在某一颜色通道的亮度值及其最小差值，Road(x,y)为滤波窗口内脉冲统计函数。取滤波窗口Ω的大小为3×3，脉冲核系数wl(x)的方差σl为0.004。
Figure GDA0002892405160000051
Figure GDA0002892405160000052
Figure GDA0002892405160000053
Figure GDA0002892405160000054
步骤4、根据如下公式分别计算多边滤波器的在当前滤波窗口内的空间相似度wr、亮度相似度ws、梯度相似度wg和滤波窗口内像素点亮度中值f′(x,y)。
Figure GDA0002892405160000061
Figure GDA0002892405160000062
Figure GDA0002892405160000063
其中，
Figure GDA0002892405160000064
f′(x,y)＝median(f(Ω))
其中，f(x,y)为图像中坐标为(x,y)处待滤波像素点的灰度值，f(i,j)为图像中坐标(x,y)处某一临近坐标为(i,j)像素点的灰度值，dx,y为待滤波像素点的梯度值，f(Ω)为以(x,y)为中心的大小为3×3的局部区域内所有像素点的亮度值，u,v分别代表水平和垂直方向。空间相似度核函数的标准差σr为0.01，亮度相似度核函数的标准差σs为0.04，梯度相似度核函数的标准差σg为0.04。
步骤5、按照多边滤波器公式，根据上一步所得的系数，对图像进行滤波处理。
Figure GDA0002892405160000065
步骤6、将滤波后的遥感图像由Lab颜色空间转换到RGB颜色空间后输出。
图1为算法的流程图。图2-图5为不同算法的处理效果图。图2-图5中采用四个不同的遥感图像，用双边滤波器作为对照组与本发明中提出的新的多边滤波器滤波效果进行对比。分析图2-图5中实验结果可以看到与原图和双边滤波后的图像相比，新算法不仅滤除了遥感图像中脉冲噪声，还较好的保持了图像的边缘细节信息。
表1是应用不同滤波算法对遥感图像去噪后的客观评价参数对比表。由表1可以看出，本发明提出的多边滤波算法的峰值信噪比较高，根据平均梯度定义，脉冲噪声点与周围像素点灰度差别较大，故加噪之后图像平均梯度较大。由表1可知，相对于添加噪声图，双边滤波之后图像平均梯度仍然很大，使用多边滤波算法滤波之后平均梯度得到明显的降低，可见本发明提出的算法滤波去噪效果明显。
表1不同算法去噪效果参数评价表
Figure GDA0002892405160000071
因而，针对含有大量脉冲噪声的遥感图像，本发明提出的无人机遥感图像改进多边滤波去噪算法优于已有的算法，具有明显的技术优势。对进一步处理以及准确提取遥感图像中的信息有极高的应用价值。

Claims (6)

1.一种无人机遥感图像改进多边滤波去噪方法，其特征在于，包括以下步骤：
步骤1：获取待处理的遥感图像；
步骤2：将步骤1得到遥感图像从RGB颜色空间转换到Lab颜色空间；
步骤3：对步骤2得到的遥感图像计算脉冲权值；
步骤4：对步骤2得到的遥感图像计算空间相似度、亮度相似度、梯度相似度和滤波窗口内像素点亮度中值；
空间相似度、亮度相似度、梯度相似度和滤波窗口内像素点亮度中值计算公式分别为：
Figure FDA0002913006900000011
Figure FDA0002913006900000012
Figure FDA0002913006900000013
f′(x,y)＝median(f(i,j))，f(i,j)∈Ω
其中，f(x,y)为图像中坐标为(x,y)处待滤波像素点的灰度值，f(i,j)为图像中坐标(x,y)处某一临近坐标为(i,j)像素点的灰度值，σr为空间相似度核函数的标准差，σs为亮度相似度核函数标准差，σg为梯度相似度核函数的标准差，gx,y为待滤波像素点的梯度值，Ω为以f(x,y)为中心的大小为3×3的滤波窗口，wr、ws、wg和f′(x,y)分别为空间相似度、亮度相似度、梯度相似度和滤波窗口内像素点的亮度中值；
步骤5：根据多边滤波器公式，并按照步骤3、4中计算所得的结果，对步骤2中转换到Lab颜色空间的遥感图像进行多边滤波；
多边滤波器的公式表述为：
Figure FDA0002913006900000021
其中，Q(x,y)为滤波后图像中坐标为(x,y)处像素点的输出值；
步骤6：将步骤5中得到的滤波后的遥感图像转换到RGB颜色空间，得到最终去噪后的遥感图像。
2.根据权利要求1所述的一种无人机遥感图像改进多边滤波去噪方法，其特征在于，步骤2中将RGB颜色空间的遥感图像转换到Lab颜色空间，遥感图像由R、G、B颜色分量转变为L、a、b三个分量，其中L表示图像的亮度，a表示从红色到绿色的范围，b表示从黄色到蓝色的范围。
3.根据权利要求1所述的一种无人机遥感图像改进多边滤波去噪方法，其特征在于，步骤3中计算脉冲权值的公式为：
Figure FDA0002913006900000022
其中，M为脉冲权值，wl(x)为脉冲核函数。
4.根据权利要求3所述的一种无人机遥感图像改进多边滤波去噪方法，其特征在于，脉冲核函数wl(x)公式如下所示：
Figure FDA0002913006900000023
其中，σl为脉冲核函数标准差，Road(x,y)为滤波窗口内的脉冲统计函数。
5.根据权利要求4所述的一种无人机遥感图像改进多边滤波去噪方法，其特征在于，脉冲统计函数Road(x,y)，用公式表述如下所示：
Figure FDA0002913006900000024
Figure FDA0002913006900000025
其中，m为滤波窗口Ω内像素点的个数，Ic(x,y)和Ic(i,j)分别代表滤波窗口Ω内中心像素点及其临近像素点在Lab某一颜色通道的值，dn(x,y)为图像中坐标为(x,y)处像素点与某一临近像素点的最小亮度差值，Road(x,y)取值为滤波窗口内值较小的m/2个dn(x,y)之和。
6.根据权利要求1所述的一种无人机遥感图像改进多边滤波去噪方法，其特征在于，梯度值gx,y计算公式为：
Figure FDA0002913006900000031
其中，u,v分别代表水平和竖直方向，相应的
Figure FDA0002913006900000032
和
Figure FDA0002913006900000033
Figure FDA0002913006900000034
分别代表滤波窗口中心像素点和临近像素点在水平和竖直方向上的梯度。
CN201711064600.4A 2017-11-02 2017-11-02 一种无人机遥感图像改进多边滤波去噪方法 Active CN107784639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711064600.4A CN107784639B (zh) 2017-11-02 2017-11-02 一种无人机遥感图像改进多边滤波去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711064600.4A CN107784639B (zh) 2017-11-02 2017-11-02 一种无人机遥感图像改进多边滤波去噪方法

Publications (2)

Publication Number Publication Date
CN107784639A CN107784639A (zh) 2018-03-09
CN107784639B true CN107784639B (zh) 2021-03-09

Family

ID=61432717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711064600.4A Active CN107784639B (zh) 2017-11-02 2017-11-02 一种无人机遥感图像改进多边滤波去噪方法

Country Status (1)

Country Link
CN (1) CN107784639B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109741267B (zh) * 2018-12-05 2023-04-25 西安电子科技大学 基于三边滤波和神经网络的红外图像非均匀性校正方法
CN113034403B (zh) * 2021-04-16 2021-11-16 北京和信康科技有限公司 医学影像数据通过高斯滤波进行降噪的工作方法
CN115272314B (zh) * 2022-09-27 2022-12-23 广东晟腾地信科技有限公司 农业低空遥感测绘方法、装置
CN116894794B (zh) * 2023-09-11 2023-11-21 长沙超创电子科技有限公司 一种视频的快速去噪方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069757A (zh) * 2015-08-17 2015-11-18 长安大学 无人机载红外获取沥青图像的双向迭代双边滤波方法
CN105654445A (zh) * 2016-01-28 2016-06-08 东南大学 一种基于小波变换边缘检测的手机图像去噪方法
CN105913396A (zh) * 2016-04-11 2016-08-31 湖南源信光电科技有限公司 一种噪声估计的图像边缘保持混合去噪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10247795B2 (en) * 2014-12-30 2019-04-02 General Electric Company Method and apparatus for non-invasive assessment of ripple cancellation filter

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069757A (zh) * 2015-08-17 2015-11-18 长安大学 无人机载红外获取沥青图像的双向迭代双边滤波方法
CN105654445A (zh) * 2016-01-28 2016-06-08 东南大学 一种基于小波变换边缘检测的手机图像去噪方法
CN105913396A (zh) * 2016-04-11 2016-08-31 湖南源信光电科技有限公司 一种噪声估计的图像边缘保持混合去噪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Multilateral Filter Denoising Method Based on Meanshift for Point-Sampled Model;Jingqiao Zhang等;《2009 International Symposium on Computer Network and Multimedia Technology》;20100108;1-5 *
基于最优领域的点云降噪算法研究;陈崇帮;《中国优秀硕士学位论文全文数据库》;20150131;I138-1523 *
脉冲噪声滤波的无监督鲁棒递归最小二乘方法;陈杰等;《中国科学（信息科学）》;20120731;882-892 *

Also Published As

Publication number Publication date
CN107784639A (zh) 2018-03-09

Similar Documents

Publication Publication Date Title
CN107784639B (zh) 一种无人机遥感图像改进多边滤波去噪方法
CN111583123A (zh) 一种基于小波变换的融合高低频信息的图像增强算法
CN110400267A (zh) 一种基于巡检图像的预处理方法
CN109919870B (zh) 一种基于bm3d的sar图像相干斑抑制方法
CN102930512A (zh) 基于HSV色彩空间结合Retinex的水下图像增强方法
CN104574293A (zh) 基于有界运算的多尺度Retinex图像清晰化算法
CN109377450B (zh) 一种边缘保护的去噪方法
CN112561804A (zh) 基于多尺度细节增强的低光照水下图像增强方法
CN109118442B (zh) 一种基于Sobel算子滤波的图像增强方法
CN108932699B (zh) 基于变换域的三维匹配调和滤波图像去噪方法
CN109685730B (zh) 一种基于自适应非局域均值的小波去噪方法
CN111275652B (zh) 一种去除城市遥感图像中雾霾的方法
CN108492268A (zh) 基于小波系数融合的低照度图像增强算法
CN100367770C (zh) 一种去除视频孤立噪声点的方法
Gopinathan et al. Wavelet and FFT Based Image Denoising Using Non-Linear Filters.
CN112200742A (zh) 一种应用于边缘检测的滤波去噪方法
CN106971166A (zh) 停车位检测的图像预处理方法及系统
CN109003238B (zh) 一种基于模型与直方图及灰度增强的图像雾霾去除方法
CN112541869A (zh) 一种基于matlab实现的Retinex图像去雾方法
CN113344810A (zh) 基于动态数据分布的图像增强方法
CN112070717A (zh) 基于图像处理的输电线路覆冰厚度检测方法
CN115908186A (zh) 一种遥感测绘图像增强方法
Josephus et al. Multilayered contrast limited adaptive histogram equalization using frost filter
Ein-shoka et al. Quality enhancement of infrared images using dynamic fuzzy histogram equalization and high pass adaptation in DWT
CN111461999B (zh) 一种基于超像素相似性测量的sar图像相干斑抑制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180309

Assignee: Xi'an Suhang Communication Technology Co.,Ltd.

Assignor: CHANG'AN University

Contract record no.: X2022980008386

Denomination of invention: An improved multilateral filter denoising method for UAV remote sensing image

Granted publication date: 20210309

License type: Common License

Record date: 20220621

TR01 Transfer of patent right

Effective date of registration: 20230721

Address after: 230000 B-1015, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee after: HEFEI MINGLONG ELECTRONIC TECHNOLOGY Co.,Ltd.

Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Dragon totem Technology (Hefei) Co.,Ltd.

Effective date of registration: 20230721

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 710064 No. 33, South Second Ring Road, Shaanxi, Xi'an

Patentee before: CHANG'AN University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230914

Address after: 607, 6th Floor, Building 1, No. 11 Changchun Bridge Road, Haidian District, Beijing, 100080

Patentee after: Siwei Shijing Technology (Beijing) Co.,Ltd.

Address before: 230000 B-1015, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee before: HEFEI MINGLONG ELECTRONIC TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
EC01 Cancellation of recordation of patent licensing contract

Assignee: Xi'an Suhang Communication Technology Co.,Ltd.

Assignor: CHANG'AN University

Contract record no.: X2022980008386

Date of cancellation: 20230918

EC01 Cancellation of recordation of patent licensing contract