CN107861121A - 一种基于高斯模糊和cfar检测的危险物品检测方法 - Google Patents
一种基于高斯模糊和cfar检测的危险物品检测方法 Download PDFInfo
- Publication number
- CN107861121A CN107861121A CN201710895099.XA CN201710895099A CN107861121A CN 107861121 A CN107861121 A CN 107861121A CN 201710895099 A CN201710895099 A CN 201710895099A CN 107861121 A CN107861121 A CN 107861121A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- radar
- cfar
- gaussian
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
- G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于高斯模糊和CFAR检测相结合的墙体内危险物品检测方法,所述方法包括:步骤1:输入雷达回波成像处理后的图像;步骤2:对雷达回波图像进行均值滤波、对比度增强等预处理;步骤3:对步骤2预处理后的图像分别进行X方向和Y方向的一维高斯变换,然后相加,可得到二维变换相同的效果;步骤4:用CFAR检测对步骤3处理后的图像进行分割;步骤5:对步骤4分割后的图像进行小目标剔除、填充空洞、膨胀等后处理;步骤6:输出处理后的图像。本发明的方法能够较好地保留图像的细节,使雷达检测目标的虚警概率恒定,不会导致计算机的过载。
Description
技术领域
本发明属于图像处理领域,具体涉及一种基于高斯模糊和CFAR检测相结合的墙体内危险物品检测的方法。
背景技术
穿墙探测雷达(Through-the-Wall Detecting Radar,TWDR)通过发射超宽带(UWB)电磁波来穿透墙壁、隔板等障碍物,并分析接收到的目标回波信号,对隐藏在障碍物后的目标进行检测与定位。UWB穿墙探测雷达具有以下一系列优越的性能:高距离分辨率;高度隐蔽性、低截获率和抗干扰性;信号多波束传播时具有对抗衰减的能力;与窄带信号相比具有好的电磁兼容性和频率利用率,所以在军事和商业方面都有极大的应用价值。
穿墙探测雷达一般运用的是超宽带技术。超宽带穿墙探测雷达一方面可以通过发射超宽带信号来获取高距离分辨率,有利于目标的检测定位,另一方面其发射的超宽带信号具有较低的工作频率,该频率的电磁波可以穿透多种类型的墙体,以保证雷达有较强的穿透能力和较大的作用距离。
穿墙雷达信号种类主要有:脉冲信号即冲激信号,步进频率信号,调频连续波信号等,因此根据信号种类可将穿墙雷达分为:脉冲穿墙雷达,步进频率穿墙雷达,调频连续波穿墙雷达等体制。这些体制的雷达各有其优缺点,从近几年的实际使用来看,脉冲穿墙雷达与步进频率穿墙雷达使用最多,从物理机制上讲,步进频率穿墙雷达和脉冲穿墙雷达是一样的,只是信号的表现形式和测量方式不同,但是步进频率穿墙雷达需要有复杂的硬件系统和信号处理,而导致他的发展较慢。尽管如此,计算机技术的发展的硬件技术的不断提高,为步进频率穿墙雷达提供了巨大的发展空间。
超宽带穿墙雷达的目标回波信号受到多种杂波和干扰的影响,主要有:系统热噪声和周围环境的随机噪声;城市环境中的射频干扰;室内复杂的背景杂波。它们的存在严重降低了系统的性能,甚至造成接收机的饱和而无法正常工作,所以在雷达信号或数据处理之前,需要对回波数据进行预处理。穿墙雷达的接收信号存在较多杂波,其中天线直耦波和墙体表面反射波的能量最大,一般要比目标回波大许多,由于这两种强杂波信号的存在,压缩了目标回波的动态范围,降低了系统对弱反射目标的探测能力。
近年来,人们提出了一些针对UWB雷达信号检测的方法,常见的有小波算法和双谱算法,基于小波变换的方法用于宽带被动雷达目标检测,但需要通过先验知识来选择信号和噪声之间相对小波的最佳分辨尺度,检测分辨率不高;双谱分析法中高阶谱的特性使该方法具有估计精度高的特点,但在估计累计量时,取遍了自变量定义域内的所有谱值,计算量较大,很难做到实时处理。
发明内容
针对上述问题,本发明采用雷达回波成像处理后的图像,提供一种基于高斯模糊处理和CFAR检测相结合的墙体内危险物品检测方法,该方法有效的解决了当前超宽带窄脉冲信号目标检测需要先验知识、检测分辨率不高、计算量较大,难以做到实时处理等问题。该方法(1)高斯模糊处理后的图像能够较好地保留图像的细节,便于后续分析处理;(2)在考虑了杂波背景变化的情况下,提供检测阈值,使雷达检测目标的虚警概率恒定,不会导致计算机的过载,保证雷达系统能在较强的干扰背景下工作,提高检测目标的性能;(3)方便实时处理,易于工程实现。
一种基于高斯模糊和CFAR检测的危险品检测方法,所述方法包括:
步骤1:输入原始图像数据;
步骤2:对步骤1输入的原始图像数据进行第一处理;
步骤3:对步骤2第一处理后的图像分别进行X方向和Y方向的一维高斯变换,然后将X方向和Y方向的一维高斯变换后的图像数据相加,从而得到二维高斯变换的图像;
步骤4:用CFAR检测方法对步骤3得到的二维高斯变换的图像进行分割;
步骤5:对步骤4分割后的图像进行第二处理;
步骤6:将第二处理后的图像作为检测到的图像进行输出。
进一步的,所述原始图像为将雷达回波数据按照雷达孔径合成和矩阵重建理论构建而成的图像。
进一步的,所述步骤2中第一处理包括:均值滤波和对比度增强。
进一步的,所述步骤3中的高斯变换的公式如下:
将图像数据与高斯分布函数做卷积:
L(x,y,σ)=G(x,y,σ)*I(x,y) (3)
式中,L(x,y,σ)是卷积后的图像,G(x,y,σ)是二维高斯核函数,I(x,y)是原始图像,x和y是二维坐标,σ是正态分布的标准差。
进一步的,CFAR检测方法具体包括:
步骤(1):在给定的虚警率条件下,根据目标所处周围背景杂波的统计特性自适应求取检测阈值;
步骤(2):将待检测像素和所述检测阈值进行比较,判断所述待检测像素是否为目标点;
步骤(3):通过参考窗口的滑动,实现对所有像素的自适应检测。
进一步的,所述步骤5:对步骤4分割后的图像进行第二处理具体包括:小目标剔除、填充空洞、腐蚀膨胀。
进一步的,所述步骤5中,对步骤4分割后的图像进行第二处理得到的图像为二值图像。
根据上述技术方案,本发明的有益效果包括:
1、高斯模糊处理后的图像能够较好地保留图像的细节,便于后续分析处理。
2、在考虑了杂波背景变化的情况下,提供检测阈值,使雷达检测目标的虚警概率恒定,不会导致计算机的过载,保证雷达系统能在较强的干扰背景下工作,提高检测目标的性能。
3、本发明方便实时处理,易于工程实现,具有较强的实用性和通用性,对以后的类似检测具有一定的指导意义。
附图说明
图1本发明的方法流程图
图2(a)雷达成像处理后的图像1
图2(b)高斯模糊处理后图像1
图2(c)墙体内危险物品检测结果1
图3(a)雷达成像处理后的图像2
图3(b)高斯模糊处理后图像2
图3(c)墙体内危险物品检测结果2
具体实施方式
本发明对按照雷达孔径合成和矩阵重建理论恢复的雷达回波图像进行墙体内危险物品检测,采用了基于高斯模糊处理和CFAR检测相结合的方法进行分割,然后对分割图像进行空洞填充、腐蚀膨胀等后处理检测目标,经过仿真验证取得了理想的效果,具有较强的实用性和通用性,对以后的类似检测有较强的指导意义。
图1为目标检测方法流程图,图2(a)和图3(a)为雷达成像处理后的原始图像,图2(b)和图3(b)为高斯模糊处理后图像,图2(c)和图3(c)墙体内危险物品检测结果。
下面就结合图1到图3对上述方法中的各步骤进行具体介绍。
步骤1:输入雷达回波成像处理后的图像;
该步骤将二维回波数据,按照雷达孔径合成和矩阵重建理论,恢复为图像矩阵。
步骤2:对雷达回波图像进行均值滤波、对比度增强等预处理;
均值滤波是一种基于图像局部统计信息对图像进行滤波的方法。其思想是利用窗口中像素的平均值来代替窗口中心点的像素值,可以消除图像中的噪声。
为了提高目标检测能力,通常需要增强目标,抑制背景,即提高目标与背景的对比度,对比度增强可以增加图像变化的动态范围,提高图像质量,以利于后续处理。
步骤3:对步骤2预处理后的图像分别进行X方向和Y方向的一维高斯变换,然后相加,可得到二维变换相同的效果;
高斯模糊是图像处理中广泛使用的技术,通常用它来减小图像噪声以及降低细节层次。这种模糊技术生成的图像的视觉效果是好像经过一个半透明的屏幕观察图像。
从数学的角度来看,图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布,所以这项技术就叫作高斯模糊。由于高斯函数的傅立叶变换是另外一个高斯函数,所以高斯模糊对于图像来说就是低通滤波器的效果。
高斯模糊是一种图像模糊滤波器,它用正态分布计算图像中每个像素的变换。高斯分布的N维空间正态分布函数为:
式中,r是模糊半径,σ是正态分布的标准差。
在二维空间的高斯分布函数定义为:
式中,x和y是二维坐标,σ是正态分布的标准差。
高斯模糊定义为图像与高斯分布函数做卷积:
L(x,y,σ)=G(x,y,σ)*I(x,y) (3)
式中,x和y是二维坐标,σ是正态分布的标准差,I(x,y)是原始图像,G(x,y,σ)是二维高斯核函数,L(x,y,σ)是卷积后的图像。其中,r模糊半径有r2=x2+y2。在在二维空间中,这个公式生成的曲面的等高线是从中心开始呈正态分布的同心圆。分布不为零的像素组成的卷积矩阵与原始图像做变换。每个像素的值都是周围相邻像素值的加权平均。原始像素的值有最大的高斯分布值,所以有最大的权重,相邻像素随着距离原始像素越来越远,其权重也越来越小。
高斯模糊可以在二维图像上对两个独立的一维空间分别进行计算,这叫作线性可分。因此,使用二维矩阵变换得到的效果也可以通过在水平方向进行一维高斯矩阵变换加上竖直方向的一维高斯矩阵变换得到。
图2(b)为对雷达回波图像图2(a)用高斯核函数卷积后的结果,图3(b)为对对雷达回波图像图3(a)用高斯核函数卷积后的结果。由图可知,用高斯模糊可以保留原始图像中的细节,如图2(a)中印制板的纹理。
步骤4:用CFAR检测对步骤3处理后的图像进行分割;
CFAR检测方法(constant falsealarm rate,简称CFAR)是一种像素级水平的目标检测方法,其前提是目标相对于背景具有较强的对比度。CFAR算法通过单个像素灰度和某一门限的比较达到检测目标像素的目的。在给定虚警率的情况下,检测阈值由杂波的统计特性决定。实际情况中,由于目标所处的背景往往比较复杂,因此,不可能使用固定阈值来检测目标,需要自适应地确定阈值。
由于杂波的存在,使雷达在检测目标时具有虚警概率(没有目标而判决为有目标的概率),是衡量雷达性能的一个指标。虚警率过高,会带来许多麻烦。比如,会给后期的数据处理加重负担,所以,必须将虚警概率控制在一个我们可以接受的水平。而恒虚警检测就是在考虑了杂波背景变化的情况下,提供检测阈值,使检测具有相对恒定的虚警率,不会导致计算机的过载,保证雷达系统能在较强的干扰背景下工作,提高雷达检测目标的性能。
进一步的,CFAR方法具体实现过程是:
步骤(1):根据经典的统计检测理论,在给定的虚警率条件下,根据目标所处周围背景杂波的统计特性自适应求取检测阈值;
步骤(2):将待检测像素和自适应阈值进行比较,判断其是否为目标点;
步骤(3):通过参考窗口的滑动,实现对所有像素的自适应检测。
目标周围背景杂波的统计特性通常由目标像素周围参考窗口内的像素决定。
步骤5:对步骤4分割后的图像进行小目标剔除、填充空洞、腐蚀膨胀等后处理;
腐蚀是一种消除边界点,使边界向内部收缩的过程。可以用来消除小且无意义的目标物。如果两目标物间有细小的连通,可以选取足够大的结构元素,将细小连通腐蚀掉。膨胀是将与目标区域接触的背景点合并到该目标物中,使目标边界向外部扩张的处理。膨胀可以用来填补目标区域中存在的某些空洞,以及消除包含在目标区域中的小颗粒噪声。
由于分割后的图像出现小目标干扰、内部出现空洞、边界不连续等现象,因此需要对分割后的图像进行小目标剔除、填充空洞和腐蚀膨胀等后处理。
步骤6:输出处理后的图像;
步骤5处理后的图像为目标的二值图像,输出二值图像即可以得到检测到的墙体内危险物品。图2(c)为对高斯模糊处理后的图像2(b)进行后处理后的检测结果,图3(c)为对高斯模糊处理后的图像3(b)进行后处理的检测结果。
根据上述具体实施方式的介绍可知,本发明是一种采用高斯模糊处理和CFAR检测相结合的墙体内危险物品检测方法,该方法有以下益处:(1)高斯模糊处理后的图像能够较好地保留图像的细节,便于后续分析处理;(2)在考虑了杂波背景变化的情况下,提供检测阈值,使雷达检测目标的虚警概率恒定,不会导致计算机的过载,保证雷达系统能在较强的干扰背景下工作,提高检测目标的性能;(3)实施过程简单,并通过实际试验验证,效果明显,方便实时处理,易于工程实现。
上述具体实施方式仅用于解释和说明本发明的技术方案,但并不能构成对权利要求的保护范围的限定。本领域技术人员应当清楚,在本发明的技术方案的基础上做任何简单的变形或替换而得到的新的技术方案,均将落入本发明的保护范围之内。
Claims (7)
1.一种基于高斯模糊和CFAR检测的危险品检测方法,其特征在于,所述方法包括:
步骤1:输入原始图像数据;
步骤2:对步骤1输入的原始图像数据进行第一处理;
步骤3:对步骤2第一处理后的图像分别进行X方向和Y方向的一维高斯变换,然后将X方向和Y方向的一维高斯变换后的图像数据相加,从而得到二维高斯变换的图像;
步骤4:用CFAR检测方法对步骤3得到的二维高斯变换的图像进行分割;
步骤5:对步骤4分割后的图像进行第二处理;
步骤6:将第二处理后的图像作为检测到的图像进行输出。
2.如权利要求1所述的方法,其特征在于,所述原始图像为将雷达回波数据按照雷达孔径合成和矩阵重建理论构建而成的图像。
3.如权利要求1所述的方法,其特征在于,所述步骤2中第一处理包括:均值滤波和对比度增强。
4.如权利要求1所述的方法,其特征在于,所述步骤3中的高斯变换的公式如下:
将图像数据与高斯分布函数做卷积:
L(x,y,σ)=G(x,y,σ)*I(x,y) (3)
其中,L(x,y,σ)是卷积后的图像,G(x,y,σ)是二维高斯核函数,I(x,y)是原始图像,x和y是二维坐标,σ是正态分布的标准差。
5.如权利要求1所述的方法,其特征在于,CFAR检测方法具体包括:
步骤(1):在给定的虚警率条件下,根据目标所处周围背景杂波的统计特性自适应求取检测阈值;
步骤(2):将待检测像素和所述检测阈值进行比较,判断所述待检测像素是否为目标点;
步骤(3):通过参考窗口的滑动,实现对所有像素的自适应检测。
6.如权利要求1-5中任一项所述的方法,其特征在于,所述步骤5:对步骤4分割后的图像进行第二处理具体包括:小目标剔除、填充空洞、腐蚀膨胀。
7.如权利要求1-6中任一项所述的方法,其特征在于,所述步骤5中,对步骤4分割后的图像进行第二处理得到的图像为二值图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710895099.XA CN107861121A (zh) | 2017-09-28 | 2017-09-28 | 一种基于高斯模糊和cfar检测的危险物品检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710895099.XA CN107861121A (zh) | 2017-09-28 | 2017-09-28 | 一种基于高斯模糊和cfar检测的危险物品检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107861121A true CN107861121A (zh) | 2018-03-30 |
Family
ID=61698306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710895099.XA Pending CN107861121A (zh) | 2017-09-28 | 2017-09-28 | 一种基于高斯模糊和cfar检测的危险物品检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107861121A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111175740A (zh) * | 2020-01-09 | 2020-05-19 | 电子科技大学 | 一种基于穿墙雷达的建筑布局重建优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763627A (zh) * | 2008-12-12 | 2010-06-30 | 新奥特(北京)视频技术有限公司 | 一种高斯模糊的实现方法和装置 |
US20120182171A1 (en) * | 2011-01-18 | 2012-07-19 | U.S. Government As Represented By The Secretary Of The Army | Change detection method and system for use in detecting moving targets behind walls, barriers or otherwise visually obscured |
US20120182173A1 (en) * | 2011-01-18 | 2012-07-19 | U.S. Government As Represented By The Secretary Of The Army | System and method for moving target detection |
CN102968799A (zh) * | 2012-12-12 | 2013-03-13 | 北京航空航天大学 | 一种基于积分图像的快速acca-cfar sar图像目标检测方法 |
CN106503660A (zh) * | 2016-10-31 | 2017-03-15 | 天津大学 | 基于图像微结构频数分析的时间序列复杂度测算方法 |
CN106897985A (zh) * | 2017-01-20 | 2017-06-27 | 中国人民解放军装备学院 | 一种基于可见度分类的多角度sar图像融合方法 |
-
2017
- 2017-09-28 CN CN201710895099.XA patent/CN107861121A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763627A (zh) * | 2008-12-12 | 2010-06-30 | 新奥特(北京)视频技术有限公司 | 一种高斯模糊的实现方法和装置 |
US20120182171A1 (en) * | 2011-01-18 | 2012-07-19 | U.S. Government As Represented By The Secretary Of The Army | Change detection method and system for use in detecting moving targets behind walls, barriers or otherwise visually obscured |
US20120182173A1 (en) * | 2011-01-18 | 2012-07-19 | U.S. Government As Represented By The Secretary Of The Army | System and method for moving target detection |
CN102968799A (zh) * | 2012-12-12 | 2013-03-13 | 北京航空航天大学 | 一种基于积分图像的快速acca-cfar sar图像目标检测方法 |
CN106503660A (zh) * | 2016-10-31 | 2017-03-15 | 天津大学 | 基于图像微结构频数分析的时间序列复杂度测算方法 |
CN106897985A (zh) * | 2017-01-20 | 2017-06-27 | 中国人民解放军装备学院 | 一种基于可见度分类的多角度sar图像融合方法 |
Non-Patent Citations (4)
Title |
---|
CONTE E 等: ""Recursive estimation of the covariance matrix of a compound -Gaussian process and its application to adaptive CFAR detection"", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
丁怡心 等: ""高斯模糊算法优化及实现"", 《现代计算机 实践与经验》 * |
张秀彬 等: "《发明解析论》", 30 June 2014 * |
斯蒂芬.伍德 等: "《超宽带基础》", 30 June 2012 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111175740A (zh) * | 2020-01-09 | 2020-05-19 | 电子科技大学 | 一种基于穿墙雷达的建筑布局重建优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106054156A (zh) | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 | |
CN106468770B (zh) | K分布杂波加噪声下的近最优雷达目标检测方法 | |
EP1121607B1 (en) | Efficient multi-resolution space-time adaptive processor | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN109581378B (zh) | 动目标检测方法、电子设备及存储介质 | |
Xu et al. | Range sidelobe suppression technique for coherent ultra wide-band random noise radar imaging | |
CN109919870A (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
CN103454624A (zh) | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 | |
WO2014197139A1 (en) | System and method for distribution free target detection in a dependent non-gaussian background | |
CN101482969B (zh) | 基于同质点计算的sar图像去斑方法 | |
KR102275960B1 (ko) | 딥러닝 기반의 레이다 표적 탐지 시스템 및 그 방법 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN112859014A (zh) | 基于雷达信号分选的雷达干扰抑制方法、装置及介质 | |
CN109765529A (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
CN110400294A (zh) | 一种红外目标探测系统及探测方法 | |
CN107132532B (zh) | 基于海尖峰抑制和多帧联合的小目标检测方法 | |
CN107861121A (zh) | 一种基于高斯模糊和cfar检测的危险物品检测方法 | |
CN107909595A (zh) | 基于幅度与能量聚集度乘积的海陆杂波场景分割方法 | |
Guner et al. | Implementation aspects of Wigner-Hough Transform based detectors for LFMCW signals | |
Agarwal et al. | Non-invasive concealed weapon detection and identification using V band millimeter wave imaging radar system | |
Kim et al. | GPR image enhancement based on frequency shifting and histogram dissimilarity | |
CN111931570B (zh) | 一种基于全卷积网络的穿墙成像雷达人体目标检测方法 | |
CN114152918A (zh) | 基于压缩感知的抗间歇式主瓣干扰方法 | |
CN107766878A (zh) | 一种基于Lab色彩空间K均值聚类的危险品检测方法 | |
CN103336270B (zh) | Isar图像成像质量评定方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180330 |
|
RJ01 | Rejection of invention patent application after publication |