CN109001734A - 一种干涉sar复图像和光学图像的融合方法 - Google Patents
一种干涉sar复图像和光学图像的融合方法 Download PDFInfo
- Publication number
- CN109001734A CN109001734A CN201810842295.5A CN201810842295A CN109001734A CN 109001734 A CN109001734 A CN 109001734A CN 201810842295 A CN201810842295 A CN 201810842295A CN 109001734 A CN109001734 A CN 109001734A
- Authority
- CN
- China
- Prior art keywords
- optical imagery
- dem
- complex pattern
- obtains
- component
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 46
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 14
- 238000002156 mixing Methods 0.000 claims abstract description 11
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 230000001427 coherent effect Effects 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004040 coloring Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000012876 topography Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种干涉SAR复图像和光学图像的融合方法,所述方法包括:步骤1)读入待融合的干涉SAR复图像对以及光学图像IOPT;步骤2)计算读入的光学图像IOPT的色度分量H;步骤3)对读入的干涉SAR复图像对进行相干处理获得数字高程模型IDEM,对IDEM进行归一化调整获得饱和度分量S;步骤4)对读入的SAR图像ISARm进行非相干处理和对数归一化获得强度分量I;步骤5)将步骤2)得到的色度分量H、步骤3)得到的饱和度S以及步骤4)得到的强度分量I进行组合,构建融合图像IFUSE的HSI模型,并将之转换为RGB模型输出。本发明的方法效果显著,操作简单,不需要人为介入和干预。
Description
技术领域
本发明涉及多源图像融合方法,特别涉及一种干涉SAR复图像和光学图像的融合方法。
背景技术
干涉SAR致力于通过在两个不同成像几何下测量目标的散射回波以计算干涉相位来反演场景的几何信息(文献[1]:R.F.Hanssen.Radar interferometry:Datainterpretation and error analysis.Dordrecht,The Netherlands:Kluwer AcademicPublishers,2012)。不同于传统SAR,干涉SAR通常获取到的是目标的一对复SAR图像。其不仅具有传统SAR图像所具备的独特纹理信息,通过干涉处理,其进一步可提供反映目标三维起伏的数字高程模型(Digital Elevation Model,DEM)。这些纹理和DEM信息恰与光学相机图像所提供的色彩信息形成互补,为实现对目标的完整认识,一个必然的步骤就是将干涉SAR复图像与光学图像进行融合以兼容其各自的优势。
到目前为止,学者们虽已提出各种融合SAR图像和光学图像的方法,然而这些方法都无法直接适用于对干涉SAR复图像和光学图像的融合问题,其主要原因在于干涉SAR复图像还额外提供了目标的DEM信息,尚没有融合DEM、SAR图像和光学图像的有效方法。
发明内容
本发明的目的在于解决上述技术难题,提供了一种干涉SAR复图像和光学图像融合方法,基于HSI模型,将光学图像的色彩信息、干涉SAR图像提供的DEM信息和纹理信息分别对应于融合图像的色度、饱和度和强度三个独立分量,通过HSI模型将三者实现自适应结合,实现对干涉SAR复图像和光学图像的自适应融合。
为了实现上述目的,本发明提供了一种干涉SAR复图像和光学图像的融合方法,所述方法包括:
步骤1)读入待融合的干涉SAR复图像对以及光学图像IOPT;
步骤2)计算读入的光学图像IOPT的色度分量H;
步骤3)对读入的干涉SAR复图像对进行相干处理获得数字高程模型IDEM,对IDEM进行归一化调整获得饱和度分量S;
步骤4)对读入的SAR图像ISARm进行非相干处理和对数归一化获得强度分量I;
步骤5)将步骤2)得到的色度分量H、步骤3)得到的饱和度S以及步骤4)得到的强度分量I进行组合,构建融合图像IFUSE的HSI模型,并将之转换为RGB模型输出。
作为上述方法的一种改进,所述步骤2)具体为:若R、G、B分别代表光学图像IOPT的红、绿、蓝三色分量,且参数M和m分别表示R、G、B三者的最大值和最小值:
则色度分量H的计算如下:
式中,mod(·,·)表示求余函数。
作为上述方法的一种改进,所述步骤3)具体包括:
步骤3-1)由图像ISARm和ISARs间的干涉相位计算反映目标三维起伏的数字高程模型IDEM;
步骤3-2)对数字高程模型IDEM进行归一化获得
式中,max(IDEM)和min(IDEM)分别表示IDEM的最大值和最小值;
步骤3-3)对进行调整获得饱和度分量S:
作为上述方法的一种改进,所述步骤4)具体为:
对读入的SAR图像ISARm进行非相干处理得到幅值|ISARm|,然后对其按照下式进行对数归一化以计算强度分量I:
作为上述方法的一种改进,所述步骤5)具体包括:
步骤5-1)融合图像IFUSE的HIS模型IFUSE的构建如下:
IFUSE=[H,S,I]
步骤5-2)将构建的HIS模型IFUSE转换为RGB模型则最终输出的融合结果为:
式中,hsi2rgb(·)表示图像模型由HSI转换为RGB操作。
本发明的优点在于:
本发明的干涉SAR复图像和光学图像融合方法通过HSI模型,实现了对干涉SAR复图像的DEM和纹理信息与光学图像的色彩信息的自适应结合,该方法效果显著,操作简单,不需要人为介入和干预。
附图说明
图1是本发明的干涉SAR复图像和光学图像的融合方法的总体流程图;
图2是本发明的一种干涉SAR复图像和光学图像的融合方法的具体流程图;
图3(a)是一个实施例中所采用的待融合干涉SAR复图像对的log10|ISARm|信息示意图;
图3(b)是一个实施例中所采用的待融合干涉SAR复图像对的IDEM信息示意图;
图3(c)是一个实施例中所采用的光学图像IOPT示意图;
图4是实施例中光学图像IOPT的色度分量H示意图;
图5是实施例中干涉SAR复图像对的相干IDEM信息经归一化调整后得到的饱和度分量S示意图;
图6是实施例中干涉SAR复图像对的对数非相干幅度log10|ISARm|经归一化后得到的强度分量I示意图;
图7是实施例中干涉SAR复图像对和光学图像IOPT后经本发明的方法做融合后的结果IFUSE示意图。
具体实施方式
现结合附图对本发明作进一步的描述。
参考图1和图2,本发明提出的一种干涉SAR复图像和光学图像的融合方法,包括以下步骤:
步骤1)、读入待融合的干涉SAR复图像对以及光学图像IOPT;
步骤2)、对步骤1)读入的光学图像IOPT计算其色度分量H;
步骤3)、对步骤1)读入的干涉SAR复图像对进行相干处理获得数字高程模型IDEM,对IDEM进行归一化调整获得饱和度分量S;
步骤4)、对步骤1)读入的SAR图像ISARm进行非相干处理和对数归一化获得强度分量I;
步骤5)、将步骤2)得到的色度H、步骤3)得到的饱和度S以及步骤4)得到的强度I相组合,构建融合图像IFUSE的HSI模型,并将之转换为RGB模型输出。
下面对本发明方法中的步骤做进一步描述。
在步骤1)中,读入待融合的干涉SAR复图像对和光学图像IOPT。由于复图像对具备的幅度和相位两个独立信息分别对应于幅值|ISARm|和目标数字高程模型IDEM,故可直接用|ISARm|和IDEM表征考虑到SAR图像动态范围较大,故为便于显示和融合,需对|ISARm|进行对数操作获得log10|ISARm|。在一个实施例中,干涉SAR图像对的log10|ISARm|和IDEM信息如图3(a)和图3(b)所示,其由搭载于天宫二号空间实验室的三维成像雷达高度计(InIRA)2016年12月26日获取于湖北省武汉市,图像尺度为694×1658。图3(c)为该地区对应的光学图像IOPT,由Google Earth卫星获取于2016年12月26日,其图像尺度也为694×1658。通过对干涉SAR图像进行三维定位,我们可将log10|ISARm|和IDEM精确投影至Google Earth,实现了SAR图像和光学图像的几何配准。武汉位于汉江和长江的交汇处,因此具有大量的湖泊和沼泽,图3(a)、图3(b)和图3(c)中的河流即是长江。不同于传统SAR成像,InIRA采用小视角成像几何,此时水面散射呈现为镜面散射,这使得图3(a)中水体散射非常强烈,从而为内陆水提供了一个非常好的观测平台。从图3(c)的光学图像中我们也可看到长江,但一些湖泊和沼泽却无法如图3(a)那样得以清晰区分。尽管如此,光学图像特有的色彩信息使图3(c)中一些建筑物特征比图3(a)明显,因为InIRA SAR增强了的水体散射使建筑物的散射相对变暗。而图3(b)中的IDEM刻画了成像区域的三维地形起伏,进一步提供了目标的几何特征,其与log10|ISARm|和IOPT一道提供了关于目标的三种不同但互补的刻画,为了获得对目标的完整认识,有必要将三者进行融合。
对步骤1)读入的光学图像IOPT,在步骤2)中,计算其色度分量H。若R、G、B分别代表光学图像IOPT的红、绿、蓝三色分量,且参数M和m分别表示R、G、B三者的最大值和最小值:
则色度分量H的计算如下:
式中,mod(·,·)表示求余函数。对于该实施例,我们获得的色度分量H如图4所示。
对步骤1)读入的干涉SAR复图像对在步骤3)中,按照标准干涉SAR处理流程对进行相干处理获得数字高程模型IDEM,对其归一化获得
式中,max(IDEM)和min(IDEM)分别表示IDEM的最大值和最小值。对进行调整获得饱和度分量S:
对于该实施例,我们获得的饱和度分量S如图5所示。
对步骤1)读入的SAR图像ISARm,在步骤4)中,非相干处理获得复图像ISARm的幅值|ISARm|,然后对其按照下式进行对数归一化以计算强度分量I:
对于该实施例,我们获得的强度分量I如图6示。
对将步骤2)得到的色度H、步骤3)得到的饱和度S和步骤4)得到的强度I,在步骤5)中,融合图像IFUSE的HSI型的构建如下:
IFUSE:=[H,S,I]
最终输出的融合结果为:
IFUSE=hsi2rgb([H,S,I])
式中,hsi2rgb(·)表示图像模型由HSI转换为RGB操作。
图7展示了在该实施例中最终获得的融合图像IFUSE。正如我们所期待的,IFUSE不仅包含了干涉SAR图像的DEM和纹理信息,还包含了光学图像的色彩信息。基于纹理信息,融合图像将光学图像中模糊不清的水体区域有效识别了出来;基于色彩信息,融合图像将SAR图像中暗淡难分的建筑物区域区分了出来;而DEM信息的进一步引入使得融合图像的色彩在饱和度上得到完美升华,使得该方法的融合效果在视觉上远胜于传统SAR图像和光学图像融合方法,起到了1+1+1>3的效果。这些最终使得对内陆水和建筑物的精确提取和区分成为可能,展现出了本发明方法优异的图像融合性能。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种干涉SAR复图像和光学图像的融合方法,包括:
步骤1)读入待融合的干涉SAR复图像对以及光学图像IOPT;
步骤2)计算读入的光学图像IOPT的色度分量H;
步骤3)对读入的干涉SAR复图像对进行相干处理获得数字高程模型IDEM,对IDEM进行归一化调整获得饱和度分量S;
步骤4)对读入的SAR图像ISARm进行非相干处理和对数归一化获得强度分量I;
步骤5)将步骤2)得到的色度分量H、步骤3)得到的饱和度S以及步骤4)得到的强度分量I进行组合,构建融合图像IFUSE的HSI模型,并将之转换为RGB模型输出。
2.根据权利要求1所述的干涉SAR复图像和光学图像的融合方法,其特征在于,所述步骤2)具体为:若R、G、B分别代表光学图像IOPT的红、绿、蓝三色分量,且参数M和m分别表示R、G、B三者的最大值和最小值:
则色度分量H的计算如下:
式中,mod(·,·)表示求余函数。
3.根据权利要求2所述的干涉SAR复图像和光学图像的融合方法,其特征在于,所述步骤3)具体包括:
步骤3-1)由图像ISARm和ISARs间的干涉相位计算反映目标三维起伏的数字高程模型IDEM;
步骤3-2)对数字高程模型IDEM进行归一化获得
式中,max(IDEM)和min(IDEM)分别表示IDEM的最大值和最小值;
步骤3-3)对进行调整获得饱和度分量S:
4.根据权利要求3所述的干涉SAR复图像和光学图像的融合方法,其特征在于,所述步骤4)具体为:
对读入的SAR图像ISARm进行非相干处理得到幅值|ISARm|,然后对其按照下式进行对数归一化以计算强度分量I:
5.根据权利要求4所述的干涉SAR复图像和光学图像融合方法,其特征在于,所述步骤5)具体包括:
步骤5-1)融合图像IFUSE的HIS模型IFUSE的构建如下:
IFUSE=[H,S,I]
步骤5-2)将构建的HIS模型IFUSE转换为RGB模型则最终输出的融合结果为:
式中,hsi2rgb(·)表示图像模型由HSI转换为RGB操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810842295.5A CN109001734B (zh) | 2018-07-27 | 2018-07-27 | 一种干涉sar复图像和光学图像的融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810842295.5A CN109001734B (zh) | 2018-07-27 | 2018-07-27 | 一种干涉sar复图像和光学图像的融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109001734A true CN109001734A (zh) | 2018-12-14 |
CN109001734B CN109001734B (zh) | 2020-07-03 |
Family
ID=64597462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810842295.5A Active CN109001734B (zh) | 2018-07-27 | 2018-07-27 | 一种干涉sar复图像和光学图像的融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109001734B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111259A (zh) * | 2019-05-15 | 2019-08-09 | 电子科技大学 | 一种基于区域引导的多源图像融合方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080231504A1 (en) * | 2007-03-22 | 2008-09-25 | Harris Corporation | Method and apparatus for processing complex interferometric sar data |
CN101650700A (zh) * | 2009-09-17 | 2010-02-17 | 北京飞天诚信科技有限公司 | 一种支持多逻辑通道通信的方法和设备 |
CN102654576A (zh) * | 2012-05-16 | 2012-09-05 | 西安电子科技大学 | 基于sar图像和dem数据的图像配准方法 |
CN103499971A (zh) * | 2013-09-30 | 2014-01-08 | 北京控制工程研究所 | 一种用于月球探测器着陆避障的时序控制方法 |
CN103927741A (zh) * | 2014-03-18 | 2014-07-16 | 中国电子科技集团公司第十研究所 | 增强目标特征的sar图像合成方法 |
CN107132536A (zh) * | 2017-04-10 | 2017-09-05 | 中国科学院国家空间科学中心 | 一种消除目标微动对雷达成像干扰的方法 |
-
2018
- 2018-07-27 CN CN201810842295.5A patent/CN109001734B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080231504A1 (en) * | 2007-03-22 | 2008-09-25 | Harris Corporation | Method and apparatus for processing complex interferometric sar data |
CN101650700A (zh) * | 2009-09-17 | 2010-02-17 | 北京飞天诚信科技有限公司 | 一种支持多逻辑通道通信的方法和设备 |
CN102654576A (zh) * | 2012-05-16 | 2012-09-05 | 西安电子科技大学 | 基于sar图像和dem数据的图像配准方法 |
CN103499971A (zh) * | 2013-09-30 | 2014-01-08 | 北京控制工程研究所 | 一种用于月球探测器着陆避障的时序控制方法 |
CN103927741A (zh) * | 2014-03-18 | 2014-07-16 | 中国电子科技集团公司第十研究所 | 增强目标特征的sar图像合成方法 |
CN107132536A (zh) * | 2017-04-10 | 2017-09-05 | 中国科学院国家空间科学中心 | 一种消除目标微动对雷达成像干扰的方法 |
Non-Patent Citations (3)
Title |
---|
万剑华等: "顾及极化特征的SAR与光学影像融合与分类", 《光学学报》 * |
李杭等: "基于高斯混合聚类的阵列干涉SAR三维成像", 《雷达学报》 * |
路雅宁等: "结合边缘信息和图像特征信息的曲波域遥感图像融合", 《光子学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111259A (zh) * | 2019-05-15 | 2019-08-09 | 电子科技大学 | 一种基于区域引导的多源图像融合方法 |
CN110111259B (zh) * | 2019-05-15 | 2021-03-02 | 电子科技大学 | 一种基于区域引导的多源图像融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109001734B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bryson et al. | True color correction of autonomous underwater vehicle imagery | |
Akkaynak et al. | Sea-thru: A method for removing water from underwater images | |
Bodenmann et al. | Generation of high‐resolution three‐dimensional reconstructions of the seafloor in color using a single camera and structured light | |
JP5025803B2 (ja) | ポイントクラウドデータの可視化方法 | |
Schechner et al. | Recovery of underwater visibility and structure by polarization analysis | |
Meilland et al. | 3d high dynamic range dense visual slam and its application to real-time object re-lighting | |
US6686921B1 (en) | Method and apparatus for acquiring a set of consistent image maps to represent the color of the surface of an object | |
Cocito et al. | 3-D reconstruction of biological objects using underwater video technique and image processing | |
JP2003203220A (ja) | 三次元画像処理方法、三次元画像処理装置、三次元画像処理システムおよび三次元画像処理プログラム | |
KR20110127202A (ko) | 장면 해석과 등록 수행 평가를 위한 2차원 전기광학 이미지와 3차원 포인트 클라우드 데이터의 융합 | |
CN109781073B (zh) | 一种融合海浪特征和光谱特征的浅海水深遥感提取方法 | |
Istenič et al. | Automatic scale estimation of structure from motion based 3D models using laser scalers in underwater scenarios | |
Roznere et al. | Real-time model-based image color correction for underwater robots | |
Pintus et al. | State‐of‐the‐art in Multi‐Light Image Collections for Surface Visualization and Analysis | |
US20220215509A1 (en) | Physics-based recovery of lost colors in underwater and atmospheric images under wavelength dependent absorption and scattering | |
CN109118463A (zh) | 一种基于hsl和图像熵的sar图像和光学图像融合方法 | |
Skinner et al. | Automatic color correction for 3D reconstruction of underwater scenes | |
Vlachos et al. | An extensive literature review on underwater image colour correction | |
CN111339959A (zh) | 基于sar和光学影像融合的近海浮筏养殖区提取方法 | |
CN109001734A (zh) | 一种干涉sar复图像和光学图像的融合方法 | |
Buckley et al. | The benefits of terrestrial laser scanning and hyperspectral data fusion products | |
Djuricic et al. | High-resolution 3D surface modeling of a fossil oyster reef | |
JP5795283B2 (ja) | 数値標高モデルの可視化画像作成方法及び可視化画像作成装置 | |
Sarakinou et al. | Underwater 3D modeling: Image enhancement and point cloud filtering | |
Bakken et al. | Underwater Image Mosaics for AUV-Mounted Cameras |
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 |