CN110852959B - 基于新型中值滤波算法的声呐图像滤波方法 - Google Patents
基于新型中值滤波算法的声呐图像滤波方法 Download PDFInfo
- Publication number
- CN110852959B CN110852959B CN201910971914.5A CN201910971914A CN110852959B CN 110852959 B CN110852959 B CN 110852959B CN 201910971914 A CN201910971914 A CN 201910971914A CN 110852959 B CN110852959 B CN 110852959B
- Authority
- CN
- China
- Prior art keywords
- sonar image
- image
- sonar
- gray
- filtering algorithm
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 12
- 238000013139 quantization Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 3
- 239000000758 substrate Substances 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G06T5/90—
-
- 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
- G06T2207/10132—Ultrasound 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明公开了一种基于新型中值滤波算法的声呐图像滤波方法,包括以下步骤:步骤1)获取原始声呐图像;步骤2)接着将原始声呐图像进行灰度级映射预处理;步骤3)然后确立新型中值滤波算法,在此基础之上对声呐图像进行滤波处理;步骤4)最后输出处理后的声呐图像,本发明实现了多波束前视声呐图像的去噪处理,使得在进行声呐图像去噪运算时,计算速度大大提高,并且去噪后的声呐图像和传统中值滤波算法去噪后的声呐图像对比,多波束前视声呐图像中所包含的有效信息并没有减少,可用于水下机器人声呐图像处理领域。
Description
技术领域
本发明涉及一种水下遥控机器人所携带的多波束声呐,尤其涉及一种基于新型中值滤波算法的声呐图像滤波方法,属于声呐图像处理领域。
背景技术
海底底质声呐图像能反映较为丰富的海底地貌及底质特征信息,是海底地貌探测和海底底质特征提取、分类反演的重要信息源。声呐发出的声波经由水面、海水、水底构成的通道进行传播,水声信道的水介质及边界具有极复杂的特性,同时受海洋环境噪声和声呐工作特点及性能的限制,海底底质声呐图像具有噪声干扰严重、图像分辨率低以及边缘纹理模糊等特点。
侧扫声呐和多波束声呐进行海底测绘时,测量的回波主要是海底混响,其为围绕平均强度出现的随机起伏,呈现出较明显的斑点噪声,该现象与声呐的工作原理和性能限制有关。类似的噪声现象出现在医学超声图像、SAR图像中。经研究证明,这种斑点噪声服从基于瑞利分布的乘性噪声模型。此外,海洋环境随机变量可视为高斯加性噪声,这一部分噪声较斑点噪声对图像的影响较小。对于乘性噪声,可对图像先进行对数变换,变乘性噪声为加性噪声,从而用常规加性噪声抑制技术来去除。
海底声呐图像是一种伪彩色图像,泥、沙砾类底质较岩石类底质而言粗糙度和纹理特征本不明显,这使得多数学者对海底底质进行相关研究时重视底质图像特征提取及底质分类算法的研究,忽略参数提取前的图像预处理阶段。声呐图像的噪声和边缘均处于灰度跳变部分,去噪在改变噪声点灰度值时会影响边缘灰度值,从而削弱图像边缘特征。
声呐图像好坏可以说是一切工作的前提,由于多波束前视声呐所扫描形成的图像自身的局限性,以及水下环境的复杂性,因此对于声呐的去噪、特征增强显得格外重要。申请号为“201811474850.X”的专利文献公开了一种“基于SLIC和自适应滤波的声呐图像均衡化方法”,由于需要对声呐图像进行多次迭代处理,使得声呐图像的处理变得复杂。申请号为“201610444076.2”的专利文献公开了一种“图像自适应中值滤波方法”,但是此算法的可靠性需要大量的测试、图像处理的自适应性需要进一步提高。
发明内容
本发明的目的是提供一种基于新型中值滤波算法的声呐图像滤波方法,应用于水下机器人声呐图像处理领域,提高对于声呐图像的去噪处理速度,系统实时性得到更好的保证。
本发明的目的是这样实现的:一种基于新型中值滤波算法的声呐图像滤波方法,包括以下步骤:
步骤1)获取原始声呐图像;
步骤2)接着将原始声呐图像进行灰度级映射预处理;
步骤3)然后确立新型中值滤波算法,在此基础之上对声呐图像进行滤波处理;
步骤4)最后输出处理后的声呐图像。
作为本发明的进一步限定,步骤2)中声呐图像的预处理主要包括以下3个步骤:
步骤2-1)从声呐设备中获取原始伪彩色声呐图像X;
步骤2-2)采用加权平均值算法将原始伪彩色的声呐图像X变换为声呐灰度图像X,,
步骤2-3)所得到的声呐灰度图像X,,采用图像灰度值变换的方法,改变声呐图像像素点的灰度值,以改变声呐图像灰度的动态范围,增强声呐图像的对比度,对声呐图像进行采样处理。
作为本发明的进一步限定,步骤2-2)的具体实现步骤如下:
步骤2-2-1)获得声呐图像X的首地址及声呐图像的宽和高;
步骤2-2-2)开辟一块内存缓冲区,用以暂存声呐图像X,并将内存缓冲区域初始化为0;
步骤2-2-3)求模板中各元素的权值总和;
步骤2-2-4)逐个扫描声呐图像中的像素点,根据模板中各位置的权值求其邻域加权平均值,并将求得的加权平均值赋给目标声呐图像中与当前点对应的像素点;
步骤2-2-5)循环步骤2-2-4),直到处理完源声呐图像中的全部像素点;
步骤2-2-6)将结果从内存缓冲区复制到原声呐图像的数据中。
作为本发明的进一步限定,步骤2-2)将声呐灰度图像X,的灰度级线性映射到0-255范围内,得到映射后的声呐图像X,,。
作为本发明的进一步限定,步骤3-3)中采样原则如下:
a)对缓变的图像,应该细量化,粗采样,以避免假轮廓;
b)对细节丰富的图像,应细采样,粗量化,以避免模糊。
作为本发明的进一步限定,步骤3)新型中值滤波算法包括以下步骤:
步骤3-1)采用3*3窗口对声呐图像进行操作处理;
步骤3-2)将3*3滤波窗口中的声呐图像的像素点分别定义为:x0、x1、x2、x3、x4、x5、x6、x7、x8;并且求像素点x4邻域内像素点灰度值的平均值;若其平均值为0,则直接将像素点x4的灰度值直接置为0;
步骤3-3)将像素点{x0,x1,x2,x3,x4,x5,x6,x7,x8}分为三组,分别为{x0,x1,x2},{x3,x4,x5},{x6,x7,x8};
步骤3-4)对{x0,x1,x2},{x3,x4,x5},{x6,x7,x8}三组内的像素点进行降序排列,排序后的像素点表示为{y0,y1,y2},{y3,y4,y5},{y6,y7,y8};
步骤3-5)求出像素点y1,y4,y7的中值,即为所求邻域的中值;
步骤3-6)输出经新型中值滤波算法处理过的声呐图像X,,,。
与现有技术相比,本发明的有益效果在于:
1. 与现有的声呐图像去噪方法相比,本发明对声呐图像的去噪过程进行了简化;
2. 本发明提出的基于新型中值滤波算法的声呐图像滤波方法,使得声呐图像去噪的计算过程更加简单;
3. 基于新型中值滤波算法的声呐图像滤波方法在计算时,不仅计算过程简单,而且速度快;
4. 基于新型中值滤波算法的声呐图像滤波方法进行滤波时不仅过程简单,运算速度快,而且系统实时性得到了更好的保证。
附图说明
图1为本发明声呐图像预处理的流程框图。
图2 是本发明的新型中值滤波算法的流程框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示:基于新型中值滤波算法的声呐图像滤波方法,由从声呐设备获取原始声呐图像、对声呐图像进行灰度级映射预处理、使用新的中值滤波算法对声呐图像进行滤波处理、输出结果图像组成。
声呐图像的预处理主要包括以下3个步骤:
步骤1:从声呐设备中获取原始伪彩色声呐图像X;
步骤2:采用加权平均值算法将原始伪彩色的声呐图像X变换为声呐灰度图像X,,具体实现步骤如下:
(1)获得声呐图像X的首地址及声呐图像的宽和高;
(2)开辟一块内存缓冲区,用以暂存声呐图像X,并将内存缓冲区域初始化为0;
(3)求模板中各元素的权值总和;
(4)逐个扫描声呐图像中的像素点,根据模板中各位置的权值求其邻域加权平均值,并将求得的加权平均值赋给目标声呐图像中与当前点对应的像素点;
(5)循环(4),直到处理完源声呐图像中的全部像素点;
(6)将结果从内存缓冲区复制到原声呐图像的数据中。
步骤3:步骤2中所得到的声呐图像,由于亮度范围不足或非线性会使声呐图像对比度不理想。采用图像灰度值变换的方法,改变声呐图像像素点的灰度值,以改变声呐图像灰度的动态范围,增强声呐图像的对比度。为了突出目标物区域的灰度区间,并且抑制那些不感兴趣的灰度区间,需要对声呐图像进行采样处理。一般来说,采样间隔越大,所得图像像素点越少,空间分辨率低,质量差,严重时出现马赛克效应;采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。量化等级越多,所得图像层次越丰富,灰度分辨率高,图像质量好,但数据量大;量化等级越少,图像层次欠丰富,灰度分辨率低,会出现假轮廓现象,图像质量变差,但数据量小。很明显,数字图像的质量在很大程度上取决于取样和量化中所用的样本数和灰度级。一般,当限定数字图像的大小时, 为了得到质量较好的图像可采用如下原则:
(1)对缓变的图像,应该细量化,粗采样,以避免假轮廓;
(2)对细节丰富的图像,应细采样,粗量化,以避免模糊。
本发明将声呐灰度图像X,的灰度级线性映射到0-255范围内,得到映射后的声呐图像X,,。
如图2所示新型中值滤波算法主要包括以下部分:
步骤1:因为在对声呐图像进行中值滤波时,需要对其邻域内的像素点进行重新排序,以确定邻域中像素点的中值,所以滤波窗口大小的选择会影响到滤波的效果和滤波所需要的时间;滤波窗口越大,滤除随机噪声的效果越好;但是窗口越大,滤波之后的图像边缘模糊越严重,并且所需的计算时间越长;滤波窗口越小虽然可以较好地保留图像的边缘信息,但是滤波的效果又不理想;本发明最终采用3*3窗口对声呐图像进行操作处理;
步骤2:将3*3滤波窗口中的声呐图像的像素点分别定义为:x0、x1、x2、x3、x4、x5、x6、x7、x8。并且求像素点x4邻域内像素点灰度值的平均值。若其平均值为0,则直接将像素点x4的灰度值直接置为0;
步骤3:将像素点{x0,x1,x2,x3,x4,x5,x6,x7,x8}分为三组,分别为{x0,x1,x2},{x3,x4,x5},{x6,x7,x8};
步骤4:对{x0,x1,x2},{x3,x4,x5},{x6,x7,x8}三组内的像素点进行降序排列,排序后的像素点表示为{y0,y1,y2},{y3,y4,y5},{y6,y7,y8};
步骤5:求出像素点y1,y4,y7的中值,即为所求邻域的中值;
步骤6:输出经新型中值滤波算法处理过的声呐图像X,,,。
本发明并不局限于上述实施例,在本发明公开的技术方案的基础上,本领域的技术人员根据所公开的技术内容,不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形,这些替换和变形均在本发明的保护范围内。
Claims (5)
1.一种基于新型中值滤波算法的声呐图像滤波方法,其特征在于,包括以下步骤:
步骤1)获取原始声呐图像;
步骤2)接着将原始声呐图像进行灰度级映射预处理;
步骤3)然后确立新型中值滤波算法,在此基础之上对声呐图像进行滤波处理,新型中值滤波算法包括以下步骤:
步骤3-1)采用3×3窗口对声呐图像进行操作处理;
步骤3-2)将3×3滤波窗口中的声呐图像的像素点分别定义为:x0、x1、x2、x3、x4、x5、x6、x7、x8;并且求像素点x4邻域内像素点灰度值的平均值;若其平均值为0,则直接将像素点x4的灰度值直接置为0;
步骤3-3)将像素点{x0,x1,x2,x3,x4,x5,x6,x7,x8}分为三组,分别为{x0,x1,x2},{x3,x4,x5},{x6,x7,x8};
步骤3-4)对{x0,x1,x2},{x3,x4,x5},{x6,x7,x8}三组内的像素点进行降序排列,排序后的像素点表示为{y0,y1,y2},{y3,y4,y5},{y6,y7,y8};
步骤3-5)求出像素点y1,y4,y7的中值,即为所求邻域的中值;
步骤3-6)输出经新型中值滤波算法处理过的声呐图像X,,,。
2.如权利要求1所述的基于新型中值滤波算法的声呐图像滤波方法,其特征在于,步骤2)中声呐图像的预处理主要包括以下3个步骤:
步骤2-1)从声呐设备中获取原始伪彩色声呐图像X;
步骤2-2)采用加权平均值算法将原始伪彩色的声呐图像X变换为声呐灰度图像X,,
步骤2-3)所得到的声呐灰度图像X,,采用图像灰度值变换的方法,改变声呐图像像素点的灰度值,以改变声呐图像灰度的动态范围,增强声呐图像的对比度,对声呐图像进行采样处理。
3.如权利要求2所述的基于新型中值滤波算法的声呐图像滤波方法,其特征在于,步骤2-2)的具体实现步骤如下:
步骤2-2-1)获得声呐图像X的首地址及声呐图像的宽和高;
步骤2-2-2)开辟一块内存缓冲区,用以暂存声呐图像X,并将内存缓冲区域初始化为0;
步骤2-2-3)求模板中各元素的权值总和;
步骤2-2-4)逐个扫描声呐图像中的像素点,根据模板中各位置的权值求其邻域加权平均值,并将求得的加权平均值赋给目标声呐图像中与当前点对应的像素点;
步骤2-2-5)循环步骤2-2-4),直到处理完源声呐图像中的全部像素点;
步骤2-2-6)将结果从内存缓冲区复制到原声呐图像的数据中。
4.如权利要求2所述的基于新型中值滤波算法的声呐图像滤波方法,其特征在于,步骤2-3)将声呐灰度图像X,的灰度级线性映射到0-255范围内,得到映射后的声呐图像X,,。
5.如权利要求2所述的基于新型中值滤波算法的声呐图像滤波方法,其特征在于,步骤2-3)中采样原则如下:
a)对缓变的图像,应该细量化,粗采样,以避免假轮廓;
b)对细节丰富的图像,应细采样,粗量化,以避免模糊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910971914.5A CN110852959B (zh) | 2019-10-14 | 2019-10-14 | 基于新型中值滤波算法的声呐图像滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910971914.5A CN110852959B (zh) | 2019-10-14 | 2019-10-14 | 基于新型中值滤波算法的声呐图像滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852959A CN110852959A (zh) | 2020-02-28 |
CN110852959B true CN110852959B (zh) | 2023-05-16 |
Family
ID=69596260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910971914.5A Active CN110852959B (zh) | 2019-10-14 | 2019-10-14 | 基于新型中值滤波算法的声呐图像滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852959B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712099B (zh) * | 2018-12-04 | 2022-12-27 | 山东大学 | 基于slic和自适应滤波的声呐图像均衡化方法 |
CN111325696B (zh) * | 2020-03-03 | 2023-07-07 | 杭州瑞利海洋装备有限公司 | 一种基于正态分布区间估计的水声图像混响抑制方法 |
CN111476809A (zh) * | 2020-04-08 | 2020-07-31 | 北京石油化工学院 | 一种侧扫声呐图像目标识别方法 |
CN113052940B (zh) * | 2021-03-14 | 2024-03-15 | 西北工业大学 | 一种基于声呐的时空关联地图实时构建方法 |
CN114187195A (zh) * | 2021-11-29 | 2022-03-15 | 中国航天空气动力技术研究院 | 一种2d前视声呐图像去噪方法 |
CN115272217B (zh) * | 2022-07-22 | 2023-04-18 | 湖北工业大学 | 一种基于声呐图像的水下机器人定位方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5493619A (en) * | 1994-03-11 | 1996-02-20 | Haley; Paul H. | Normalization method for eliminating false detections in side scan sonar images |
CN100475145C (zh) * | 2006-06-08 | 2009-04-08 | 上海交通大学 | 用多能量放射源ct成像实现脏器表面彩色映射的方法 |
CN104794689A (zh) * | 2015-03-12 | 2015-07-22 | 哈尔滨工程大学 | 一种增强声呐图像对比度的预处理方法 |
CN105182350B (zh) * | 2015-09-26 | 2017-10-31 | 哈尔滨工程大学 | 一种应用特征跟踪的多波束声呐目标探测方法 |
CN105957021A (zh) * | 2016-03-23 | 2016-09-21 | 哈尔滨工程大学 | 一种改进的用于去除干扰噪声的p-g快速方法 |
CN106094819B (zh) * | 2016-06-17 | 2019-02-26 | 江苏科技大学 | 水下机器人控制系统及基于声纳图像目标识别的航向控制方法 |
CN108550121A (zh) * | 2018-03-30 | 2018-09-18 | 哈尔滨工程大学 | 一种基于中值滤波和小波变换的海底底质声呐图像处理方法 |
-
2019
- 2019-10-14 CN CN201910971914.5A patent/CN110852959B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110852959A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852959B (zh) | 基于新型中值滤波算法的声呐图像滤波方法 | |
CN106204467B (zh) | 一种基于级联残差神经网络的图像去噪方法 | |
US8290061B2 (en) | Method and apparatus for adaptive frame averaging | |
CN111028163A (zh) | 一种基于卷积神经网络的联合图像去噪与弱光增强方法 | |
CN111445395B (zh) | 一种基于深度学习的侧扫声呐瀑布图像中间区域修复方法 | |
WO2020114107A1 (zh) | 一种侧扫声呐实时二维成像方法及系统 | |
CN108550121A (zh) | 一种基于中值滤波和小波变换的海底底质声呐图像处理方法 | |
CN110517195B (zh) | 无监督sar图像去噪方法 | |
CN109785260B (zh) | 一种针对侧扫声呐图像的非线性增强方法 | |
CN110706177B (zh) | 一种侧扫声呐图像灰度均衡化方法及系统 | |
CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
CN112862716A (zh) | 基于双树复数小波和模糊理论的声呐图像目标增强方法 | |
CN104794689A (zh) | 一种增强声呐图像对比度的预处理方法 | |
Hegde et al. | Adaptive cubic spline interpolation in cielab color space for underwater image enhancement | |
CN115272072A (zh) | 一种基于多特征图像融合的水下图像超分辨率方法 | |
CN101887578A (zh) | 基于两级插值的图像脉冲噪声抑制方法 | |
Sharumathi et al. | A survey on various image enhancement techniques for underwater acoustic images | |
Han et al. | A novel sonar image denoising algorithm based on block matching | |
CN114926377B (zh) | 一种侧扫声呐增益补偿判断模型的建模方法 | |
CN111652810A (zh) | 一种基于小波域奇异值差分模型的图像去噪方法 | |
CN107609537B (zh) | 一种基于hsv空间水面图像特征的水岸线检测方法 | |
CN113096171B (zh) | 多波束与侧扫声纳图像的多尺度迭代自适应配准方法 | |
CN113222833B (zh) | 一种侧扫声呐图像处理方法与装置 | |
James et al. | Blind estimation of single look side scan sonar image from the observation model | |
Stolojescu-Crisan et al. | A new automatic conditioning algorithm for SONAR images |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Novel Median Filtering Algorithm for Sonar Image Filtering Effective date of registration: 20230905 Granted publication date: 20230516 Pledgee: Yangzhou Branch of Zheshang Bank Co.,Ltd. Pledgor: JIANGSU DIYI GROUP Co.,Ltd. Registration number: Y2023980055342 |