CN110827399A - 一种三维模型数据压缩方法及系统 - Google Patents
一种三维模型数据压缩方法及系统 Download PDFInfo
- Publication number
- CN110827399A CN110827399A CN201911095810.9A CN201911095810A CN110827399A CN 110827399 A CN110827399 A CN 110827399A CN 201911095810 A CN201911095810 A CN 201911095810A CN 110827399 A CN110827399 A CN 110827399A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- region
- interest
- dimensional model
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013144 data compression Methods 0.000 title claims abstract description 24
- 230000009466 transformation Effects 0.000 claims abstract description 33
- 230000003321 amplification Effects 0.000 claims abstract description 25
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000011549 displacement method Methods 0.000 claims abstract description 10
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000007906 compression Methods 0.000 abstract description 17
- 230000006835 compression Effects 0.000 abstract description 15
- 238000013139 quantization Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/001—Model-based coding, e.g. wire frame
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种三维模型数据压缩方法及系统。该三维模型数据压缩方法,包括:获取三维模型的几何网格的几何信息;对几何信息进行小波变换,得到小波系数矩阵;识别三维模型中的感兴趣区域从而将小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数;采用最大位移法对感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数;对感兴趣区域放大系数和背景区域小波系数形成的系数矩阵进行嵌入式零树小波编码,编码数据;对编码数据进行小波逆变换,得到逆变换数据;根据逆变换数据重建三维模型,得到压缩后的三维模型。本发明的三维模型数据压缩方法及系统能够提高压缩的效率。
Description
技术领域
本发明涉及数据压缩领域,特别是涉及一种三维模型数据压缩方法及系统。
背景技术
为了更加真实地表征三维物体,三维模型的数量越来越大,从而给三维模型的存储、处理和传输带来了一定程度的困难,因此有必要对三维模型进行压缩。
通常情况下,三维模型都是由大量几何网格构成。三维模型的压缩即是对几何网格的简化处理过程。现有的三维模型的压缩方法均是直接对所有的几何网格数据统一进行压缩,压缩效率较低。
发明内容
本发明的目的是提供一种三维模型数据压缩方法及系统,提高压缩效率。
为实现上述目的,本发明提供了如下方案:
一种三维模型数据压缩方法,包括:
获取三维模型的几何网格的几何信息;
对所述几何信息进行小波变换,得到小波系数矩阵;
识别所述三维模型中的感兴趣区域从而将所述小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数;
采用最大位移法对所述感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数;
对所述感兴趣区域放大系数和所述背景区域小波系数形成的系数矩阵进行嵌入式零树小波编码,得到编码数据;
对所述编码数据进行小波逆变换,得到逆变换数据;
根据所述逆变换数据重建三维模型,得到压缩后的三维模型。
可选的,所述识别所述三维模型中的感兴趣区域从而将所述小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数,具体包括:
采用影像分类对所述三维模型中的地物进行分类,得到各地物的类别;
将属于感兴趣类别的地物所在区域的小波系数标记为感兴趣区域小波系数,将剩余的小波系数标记为背景区域小波系数。
可选的,所述采用最大位移法对所述感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数,具体包括:
对所有小波系数进行扫描,生成比例因子;所述比例因子大于或等于小波系数的最大位平面值;
将所述感兴趣区域的小波系数均按所述比例因子进行放大,得到感兴趣区域放大系数。
一种三维模型数据压缩系统,包括:
几何信息获取模块,用于获取三维模型的几何网格的几何信息;
小波变换模块,用于对所述几何信息进行小波变换,得到小波系数矩阵;
小波系数划分模块,用于识别所述三维模型中的感兴趣区域从而将所述小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数;
放大模块,用于采用最大位移法对所述感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数;
编码模块,用于对所述感兴趣区域放大系数和所述背景区域小波系数形成的系数矩阵进行嵌入式零树小波编码,得到编码数据;
逆变换模块,用于对所述编码数据进行小波逆变换,得到逆变换数据;
重建模块,用于根据所述逆变换数据重建三维模型,得到压缩后的三维模型。
可选的,所述小波系数划分模块包括:
分类单元,用于采用影像分类对所述三维模型中的地物进行分类,得到各地物的类别;
小波系数划分单元,用于将属于感兴趣类别的地物所在区域的小波系数标记为感兴趣区域小波系数,将剩余的小波系数标记为背景区域小波系数。
可选的,所述放大模块包括:
比例因子生成单元,用于对所有小波系数进行扫描,生成比例因子;所述比例因子大于或等于小波系数的最大位平面值;
放大单元,用于将所述感兴趣区域的小波系数均按所述比例因子进行放大,得到感兴趣区域放大系数。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明的三维模型数据压缩方法及系统,在压缩时识别出感兴趣区域,并针对感兴趣区域进行放大,从而突出感兴趣区域的数据,忽略背景区域的细节部分的数据,减少压缩过程的数量,提高压缩效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1的三维模型数据压缩方法的方法流程图;
图2为本发明实施例3的三维模型数据压缩系统的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
人在对三维模型进行观察时,注意力常集中在某些特定区域,而对于其它区域(背景),人眼的关注度往往不高。这部分特定区域,即是人眼感兴趣区域。本发明利用人眼的这种观察特性提高图像压缩编码的综合效率。具体原理为:在图像的压缩和传输时,令感兴趣区域的重建质量优于对背景内容的重建质量,并优先处理感兴趣区域的信息。在经过小波变换后,图像的存在形式是小波系数,压缩和传输的对象即为变换后的小波系数,所以可以通过提升感兴趣区域中的小波系数或降低背景区域的小波系数,实现感兴趣区域内容的优先处理。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
图1为本发明实施例1的三维模型数据压缩方法的方法流程图。
参见图1,该三维模型数据压缩方法,包括:
步骤101:获取三维模型的几何网格的几何信息。几何信息包括但不限于各个几何网格的顶点、边、位置、纹理、色彩等。
步骤102:对几何信息进行小波变换,得到小波系数矩阵。
小波变换的子带分解过程为:首先对几何信息进行垂直滤波和抽样得到沿列方向的低频和高频数据,接着对经过列方向处理的两组数据分别进行水平滤波和抽样。这样经过前后两个方向的滤波和抽样后,原数据就分解成4个小波子带。其中,在垂直和水平方向都进行低通滤波得到的是LL子带;垂直方向进行高通滤波,水平方向进行低通滤波得到的数据保留了垂直方向的细节信息,称为LH子带;垂直方向进行低通滤波,水平方向进行高通滤波得到的数据保留了水平方向的细节信息,称为HL子带;在垂直和水平方向都进行高通滤波得到的数据保留了对角线方向的细节信息,称为HH子带。对一次小波变换后的某个子带,我们可以继续进行上述的小波分解,这样就可以得到多个不同尺度上的细节和近似。小波变换本身不具压缩功能,变换后仍保留原数据的数据量,但它具有去相关能力,能使能量重新分配以便于压缩。变换后系数矩阵的主要能量集中在少数小波系数上。
小波系数的计算公式如下:
其中δ(x,y)表示坐标为(x,y)的小波变换系数。M和N分别表示数据的行数和列数;e为小波系数。
本发明中小波系数的提取可以直接采用matlab软件。采用小波变换的目的在于提取几何信息中的高频信息,同时去除各个数据之间的相关性。
步骤103:识别三维模型中的感兴趣区域从而将小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数。感兴趣区域一般选定为较为明显的建筑、构筑物、河流、道路等。采用的感兴趣区域的识别方法一般为聚类方法,例如kmeans算法等。
该步骤103具体包括:
采用影像分类对三维模型中的地物进行分类,得到各地物的类别;
将属于感兴趣类别的地物所在区域的小波系数标记为感兴趣区域小波系数,将剩余的小波系数标记为背景区域小波系数。
步骤104:采用最大位移法对感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数。最大位移法在JPEG标准2000中提出。最大位移法比例因子并非预先设定的,而是通过计算唯一确定的。利用比例因子进行放大,使得所有感兴趣区域放大系数的幅值均大于背景区域小波系数的幅值,即感兴趣区域放大系数中幅值最小的数据大于背景区域小波系数中幅值最大的数据。该处理步骤使得感兴趣区域与背景区域之间的位平面没有重叠。这种情况使得在编码解码、压缩数据传输过程中均无法考虑感兴趣区域的形状信息,也无需计算掩膜。另外,在解码时仅通过阈值判断也能区分感兴趣区域放大系数和背景区域小波系数,使解码效率大大提高。
该步骤104具体包括:
对所有小波系数进行扫描,生成比例因子;比例因子大于或等于小波系数的最大位平面值;
将感兴趣区域的小波系数均按比例因子进行放大,得到感兴趣区域放大系数。
步骤105:对所述感兴趣区域放大系数和背景区域小波系数形成的系数矩阵进行嵌入式零树小波编码,得到编码数据。
嵌入式零树小波编码的基本方法原理是,若某个系数的幅值小于给定阈值,则认为该系数是不重要的,且与该系数相同方向的高分辨率子带的相同位置上的小波系数在大概率上也是不重要的。由于高频子带上的系数与上级子带的四个系数相对应,若某一系数节点预测成功,则与之相对应的同一位置所对应的高频分辨率非重要系数则无需编码。由此可知,本发明需要编码的比特数得以减少,实现了数据的压缩。
作为一种可选的实施方式,在步骤103与步骤104之间还包括对背景区域小波系数进行量化处理。量化处理可以采用矢量量化和标量量化。量化的主要目的在于将不重要的数据简化。例如,标量量化是通过将不重要的数据量化为0实现量化处理。通过量化处理,能够有效减少数据量,实现一定程度上的压缩。
步骤106:对所述编码数据进行小波逆变换,得到逆变换数据。
步骤107:根据所述逆变换数据重建三维模型,得到压缩后的三维模型。
实施例2:
图2为本发明实施例3的三维模型数据压缩系统的系统结构图。
参见图2,该三维模型数据压缩系统,包括:
几何信息获取模块201,用于获取三维模型的几何网格的几何信息;
小波变换模块202,用于对几何信息进行小波变换,得到小波系数矩阵;
小波系数划分模块203,用于识别三维模型中的感兴趣区域从而将小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数;
放大模块204,用于采用最大位移法对感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数;
编码模块205,用于对所述感兴趣区域放大系数和背景区域小波系数形成的系数矩阵进行嵌入式零树小波编码,得到编码数据。
可选的,小波系数划分模块203包括:
分类单元,用于采用影像分类对三维模型中的地物进行分类,得到各地物的类别;
小波系数划分单元,用于将属于感兴趣类别的地物所在区域的小波系数标记为感兴趣区域小波系数,将剩余的小波系数标记为背景区域小波系数。
可选的,放大模块204包括:
比例因子生成单元,用于对所有小波系数进行扫描,生成比例因子;比例因子大于或等于小波系数的最大位平面值;
放大单元,用于将感兴趣区域的小波系数均按比例因子进行放大,得到感兴趣区域放大系数。
可选的,该三维模型数据压缩系统还包括量化模块,量化模块用于在放大模块204处理之前对背景区域小波系数进行量化处理。
逆变换模块206,用于对所述编码数据进行小波逆变换,得到逆变换数据;
重建模块207,用于根据所述逆变换数据重建三维模型,得到压缩后的三维模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明的三维模型数据压缩方法及系统,在压缩时识别出感兴趣区域,并针对感兴趣区域进行放大,从而突出感兴趣区域的数据,忽略背景区域的细节部分的数据,减少压缩过程的数量,提高压缩效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种三维模型数据压缩方法,其特征在于,包括:
获取三维模型的几何网格的几何信息;
对所述几何信息进行小波变换,得到小波系数矩阵;
识别所述三维模型中的感兴趣区域从而将所述小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数;
采用最大位移法对所述感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数;
对所述感兴趣区域放大系数和所述背景区域小波系数形成的系数矩阵进行嵌入式零树小波编码,得到编码数据;
对所述编码数据进行小波逆变换,得到逆变换数据;
根据所述逆变换数据重建三维模型,得到压缩后的三维模型。
2.根据权利要求1所述的三维模型数据压缩方法,其特征在于,所述识别所述三维模型中的感兴趣区域从而将所述小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数,具体包括:
采用影像分类对所述三维模型中的地物进行分类,得到各地物的类别;
将属于感兴趣类别的地物所在区域的小波系数标记为感兴趣区域小波系数,将剩余的小波系数标记为背景区域小波系数。
3.根据权利要求1所述的三维模型数据压缩方法,其特征在于,所述采用最大位移法对所述感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数,具体包括:
对所有小波系数进行扫描,生成比例因子;所述比例因子大于或等于小波系数的最大位平面值;
将所述感兴趣区域的小波系数均按所述比例因子进行放大,得到感兴趣区域放大系数。
4.一种三维模型数据压缩系统,其特征在于,包括:
几何信息获取模块,用于获取三维模型的几何网格的几何信息;
小波变换模块,用于对所述几何信息进行小波变换,得到小波系数矩阵;
小波系数划分模块,用于识别所述三维模型中的感兴趣区域从而将所述小波系数矩阵划分为感兴趣区域小波系数和背景区域小波系数;
放大模块,用于采用最大位移法对所述感兴趣区域小波系数的幅值进行放大,得到感兴趣区域放大系数;
编码模块,用于对所述感兴趣区域放大系数和所述背景区域小波系数形成的系数矩阵进行嵌入式零树小波编码,得到编码数据;
逆变换模块,用于对所述编码数据进行小波逆变换,得到逆变换数据;
重建模块,用于根据所述逆变换数据重建三维模型,得到压缩后的三维模型。
5.根据权利要求4所述的三维模型数据压缩系统,其特征在于,所述小波系数划分模块包括:
分类单元,用于采用影像分类对所述三维模型中的地物进行分类,得到各地物的类别;
小波系数划分单元,用于将属于感兴趣类别的地物所在区域的小波系数标记为感兴趣区域小波系数,将剩余的小波系数标记为背景区域小波系数。
6.根据权利要求6所述的三维模型数据压缩系统,其特征在于,所述放大模块包括:
比例因子生成单元,用于对所有小波系数进行扫描,生成比例因子;所述比例因子大于或等于小波系数的最大位平面值;
放大单元,用于将所述感兴趣区域的小波系数均按所述比例因子进行放大,得到感兴趣区域放大系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095810.9A CN110827399A (zh) | 2019-11-11 | 2019-11-11 | 一种三维模型数据压缩方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095810.9A CN110827399A (zh) | 2019-11-11 | 2019-11-11 | 一种三维模型数据压缩方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110827399A true CN110827399A (zh) | 2020-02-21 |
Family
ID=69553929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911095810.9A Pending CN110827399A (zh) | 2019-11-11 | 2019-11-11 | 一种三维模型数据压缩方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827399A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415406A (zh) * | 2020-03-18 | 2020-07-14 | 东南数字经济发展研究院 | 一种分层分块三维模型数据分类压缩方法 |
CN113554722A (zh) * | 2021-07-22 | 2021-10-26 | 辽宁科技大学 | 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002508606A (ja) * | 1998-03-20 | 2002-03-19 | ユニヴァーシティ オブ メリーランド | 画像を圧縮及び圧縮解除する方法及び装置 |
CN101420618A (zh) * | 2008-12-02 | 2009-04-29 | 西安交通大学 | 基于感兴趣区域的自适应可伸缩视频编解码结构设计方法 |
CN102637302A (zh) * | 2011-10-24 | 2012-08-15 | 北京航空航天大学 | 一种图像编码方法 |
-
2019
- 2019-11-11 CN CN201911095810.9A patent/CN110827399A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002508606A (ja) * | 1998-03-20 | 2002-03-19 | ユニヴァーシティ オブ メリーランド | 画像を圧縮及び圧縮解除する方法及び装置 |
CN101420618A (zh) * | 2008-12-02 | 2009-04-29 | 西安交通大学 | 基于感兴趣区域的自适应可伸缩视频编解码结构设计方法 |
CN102637302A (zh) * | 2011-10-24 | 2012-08-15 | 北京航空航天大学 | 一种图像编码方法 |
Non-Patent Citations (1)
Title |
---|
徐广毅: "基于三维模型几何信息的纹理图像压缩" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415406A (zh) * | 2020-03-18 | 2020-07-14 | 东南数字经济发展研究院 | 一种分层分块三维模型数据分类压缩方法 |
CN111415406B (zh) * | 2020-03-18 | 2023-05-12 | 东南数字经济发展研究院 | 一种分层分块三维模型数据分类压缩方法 |
CN113554722A (zh) * | 2021-07-22 | 2021-10-26 | 辽宁科技大学 | 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 |
CN113554722B (zh) * | 2021-07-22 | 2023-08-15 | 辽宁科技大学 | 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stamm et al. | Wavelet-based image compression anti-forensics | |
Ruchika et al. | Compression of medical images using wavelet transforms | |
Reddy et al. | Lossless compression of medical images for better diagnosis | |
CN110827399A (zh) | 一种三维模型数据压缩方法及系统 | |
CN104766289A (zh) | 一种图像去噪和压缩处理方法 | |
DE102014115013A1 (de) | Videokodierverfahren und Vorrichtung, und Videodekodierverfahren und Vorrichtung, die eine Bewegungskompensation durchführen | |
AlAsadi | Contourlet transform based method for medical image denoising | |
Sumalatha et al. | Hierarchical lossless image compression for telemedicine applications | |
Qi et al. | Subband adaptive image deblocking using wavelet based convolutional neural networks | |
Abbas et al. | Face Recognition using DWT with HMM | |
CN103810677B (zh) | 基于超经验模式分解的遥感图像增强方法 | |
Kim et al. | A real-time terrain visualization algorithm using wavelet-based compression | |
CN112365608B (zh) | 一种球面小波变换方法及装置 | |
Chaudhari et al. | Image denoising of various images using wavelet transform and thresholding techniques | |
Kude et al. | Skintone detection based steganography using wavelet transform | |
CN103402090A (zh) | 一种基于霍夫曼无损压缩算法的改进方法 | |
CN104486631B (zh) | 一种基于人眼视觉与自适应扫描的遥感图像压缩方法 | |
Yannan et al. | Study of image compression based on wavelet transform | |
Kale et al. | Visually improved image compression by combining EZW encoding with texture modeling using Huffman Encoder | |
Wan et al. | An improved EZW algorithm and its application in intelligent transportation systems | |
Nagamani et al. | EZW and SPIHT image compression techniques for high resolution satellite imageries | |
Feng et al. | A Fractal Image Compression Method Based on Multi-Wavelet | |
Shuai et al. | An algorithm for medical imagining compression that is oriented to ROI-characteristics protection | |
Wang et al. | Simultaneous speckle reduction and SAR image compression using multiwavelet transform | |
Li et al. | An image compression method using sparse representation and grey relation |
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: 20200221 |
|
RJ01 | Rejection of invention patent application after publication |