CN112669237A - 一种Landsat 7 SLC-off条带修复方法 - Google Patents
一种Landsat 7 SLC-off条带修复方法 Download PDFInfo
- Publication number
- CN112669237A CN112669237A CN202011635727.9A CN202011635727A CN112669237A CN 112669237 A CN112669237 A CN 112669237A CN 202011635727 A CN202011635727 A CN 202011635727A CN 112669237 A CN112669237 A CN 112669237A
- Authority
- CN
- China
- Prior art keywords
- image
- landsat
- slc
- sentinel
- 2msi
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种Landsat 7 SLC‑off条带修复方法,包括步骤:1)获取与待修复Landsat 7 ETM+SLC‑off影像覆盖同一区域,且在获取日期上与Landsat 7 ETM+SLC‑off影像最接近的有效Sentinel‑2 MSI影像,参考Landsat 7 ETM+SLC‑off影像,对Sentinel‑2 MSI影像进行预处理;2)将步骤1)预处理后的Sentinel‑2 MSI影像和待修复Landsat 7 ETM+SLC‑off影像进行全局直方图匹配;3)将步骤2)得到的匹配后的Sentinel‑2 MSI影像作为已知影像,对于待修复Landsat 7 ETM+SLC‑off影像的各个波段,分别从Sentinel‑2 MSI影像选取与之在光谱区间上对应的波段,对未扫描像元进行预测。与现有技术相比,本发明得到的修复影像能较好地保持地物的信息,进而能够得到更接近真实情况的修复影像。
Description
技术领域
本发明涉及遥感影像处理技术领域,尤其是涉及一种Landsat 7 SLC-off条带修复方法。
背景技术
Landsat系列数据由于其长期的重复覆盖和相对较高的空间分辨率,成为了全球地表监测最常用的数据之一。Landsat 7卫星自发射至今,其运行时间已大大超过了预期时间,且已成为获取全球覆盖时间序列数据最重要的卫星之一。然而,因Landsat 7卫星的ETM+线性扫描校正器(the scan-line corrector,SLC)永久失效,导致其获取的影像中22%(宽度约为12个像元)的像元未被扫描,这些影像被称为SLC-off影像。这些未扫描像元极大地影响了Landsat 7卫星数据在各个领域的应用。因此,发展相应的理论与方法来修复SLC-off影像具有重大意义。
美国地质勘探局(USGS)提出,可以使用SLC-off影像和辅助影像(即时间上接近待修复SLC-off影像的影像)中的有效数据来预测条带像元。基于这一基本原则,已经开发了许多修复SLC-off影像的方法,这些方法可以分为基于空间的方法和基于时空的方法。前者通过空间插值,仅使用SLC-off影像中缺失像元的邻域有效像元(例如ENVI软件中的Gapfill插件),而后者除了使用SLC-off影像中的有效像元之外,还使用时间上接近的已知的有效数据(即辅助影像)。对于基于时空的方法,可以从Landsat系列卫星和Landsat系列卫星之外的传感器获取已知影像。在大多数情况下,使用Landsat传感器(即TM和OLI)获取的已知影像可以得到令人满意的结果,但这一过程仍然存在着一定的不确定性。具体而言,当使用Landsat TM或OLI获取的影像时,已知影像和SLC-off影像的获取日期之间的时间间隔可能太大,不适用于存在土地覆被突变的地区。例如,随着Landsat 5卫星退役,其数据的获取时间与最新SLC-off影像的获取时间越来越远。Landsat 8卫星于2013年成功发射,其OLI影像适用于估计2013年后获得的SLC-off影像中的未扫描像元。然而,Landsat 8卫星的重访周期为16天,加上云雾的影响,在许多地区,高质量的已知影像和SLC-off影像之间可能有很长的时间间隔(例如几个月甚至近一年)。此外,Landsat系列之外的传感器获取的影像也可用于估计SLC-off影像中的未扫描像元。常用MODIS影像估计ETM+SLC-off影像的反射率。MODIS传感器的光谱区间设置与ETM+传感器相似,但其影像的空间分辨率比ETM+影像低得多。对于多数Landsat系列之外的传感器,其在波长和空间分辨率上与ETM+传感器有很大不同。综上所述,有必要寻求一种高质量的已知影像用来修复SLC-off影像。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种Landsat 7SLC-off条带修复方法。
本发明的目的可以通过以下技术方案来实现:
一种Landsat 7 SLC-off条带修复方法,该方法包括如下步骤:
S1:获取与待修复Landsat 7 ETM+SLC-off影像覆盖同一区域,且在获取日期上与Landsat 7 ETM+SLC-off影像最接近的有效Sentinel-2 MSI影像,参考Landsat 7 ETM+SLC-off影像,对Sentinel-2 MSI影像进行预处理。所述预处理包括几何校正处理,波段间融合处理和升尺度处理。具体地:
11)获取与待修复Landsat 7 ETM+SLC-off影像覆盖同一区域,且在时间上与Landsat 7 ETM+SLC-off影像最接近的Sentinel-2 MSI影像,参考Landsat 7 ETM+SLC-off影像对最接近的Sentinel-2 MSI影像进行几何校正,以使二者在几何上匹配。
12)采用波段融合方法,将校正后的Sentinel-2 MSI影像的四个10m波段和两个20m波段进行波段融合,获取六个分辨率为10m的波段的融合数据;采用的波段融合方法包括但不限于面到点回归克里格方法。
13)对步骤12)中得到的六个分辨率为10m的波段的融合数据进行升尺度处理,得到六个30m的波段;所述升尺度处理采用的方法包括但不限于平均方法,处理过程为:对每一个10m波段的融合数据的每3×3个像元进行平均退化处理。
S2:将步骤S1预处理后的Sentinel-2 MSI影像和待修复Landsat 7 ETM+SLC-off影像进行全局直方图匹配。
S3:将步骤S2得到的匹配后的Sentinel-2 MSI影像作为已知影像,对于待修复Landsat 7 ETM+SLC-off影像的各个波段,分别从Sentinel-2 MSI影像选取与之在光谱区间上对应的波段,对未扫描像元进行预测。进一步地,采用基于空谱径向基函数插值的条带修复方法对未扫描像元进行预测。
与现有利用Landsat系列卫星数据修复SLC-off的方式相比,本发明提供的Landsat 7 SLC-off条带修复方法通过有效利用时间上更接近的已知Sentinel-2 MSI图像的有用信息,修复的缺失的未扫描像元从视觉和精度评价上都具有很明显的优势,得到的修复影像能较好地保持地物的信息。
附图说明
图1为实施例中Landsat 7 SLC-off条带修复方法的流程示意图。
图2为实施例中仿真实验中区域1的结果图,其中子图(a)为模拟的SLC-off影像,子图(b)为Gapfill插件的修复结果,子图(c)~(f)分别为使用L13、L12、L11和S1作为已知影像的修复结果,子图(g)为参考影像。
图3为实施例中仿真实验中区域2的结果图,其中子图(a)为模拟的SLC-off影像,子图(b)为Gapfill插件的修复结果,子图(c)为使用L21作为已知影像的修复结果,子图(d)为使用S2作为已知影像的修复结果,子图(e)为参考影像。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
本发明提供一种Landsat 7 SLC-off条带修复方法,该方法基于Sentinel-2 MSI影像对Landsat 7 SLC-off条带进行修复,基本思路为:为了历史数据的连续性,欧洲航天局(欧空局)分别于2015年和2017年发射了Sentinel-2A和Sentinel-2B卫星。两颗卫星同时运行,从而将其各自10天的重访周期缩短至5天。Sentinel-2影像的具有较高的空间分辨率。具体而言,Sentinel-2卫星上的多光谱成像仪(MSI)提供13个波段,包括4个10米波段、6个20米波段和3个60米空间分辨率波段。Sentinel-2 MSI和Landsat 7 ETM+传感器在各个方面都是互补的。首先,Sentinel-2 MSI的一些波段与Landsat 7+具有相同的波长,对于ETM+的所有六个30米波段,光谱范围几乎与MSI相同。第二,网上提供的Sentinel-2产品具有与Landsat数据相同的地图投影,这是它们之间进一步几何配准的重要前提。最后,Sentinel-2数据还可以提供周期性的全球覆盖,用户可以免费获得数据。一般来说,由于云/阴影污染,有效的陆地卫星TM或OLI影像和ETM+SLC-off影像的获取日期之间的间隔可能达到半年甚至一年以上。在这种情况下,Sentinel-2卫星较短的重访周期(5天,而陆地卫星为16天)显然为获取有效的Sentinel-2 MSI数据提供了更大的机会,这些数据在时间上更接近ETM+SLC-off影像。Sentinel-2卫星和Landsat系列卫星数据之间的巨大相似性以及Sentinel-2 MSI数据的更高时间分辨率使得用Sentinel-2 MSI影像来填补ETM+SLC-off影像中的缺失数据成为可能。
基于上述Sentinel-2 MSI影像的优势,本发明提供一种Landsat 7 SLC-off条带修复方法,如图1所示,包括以下步骤:
步骤1、获取与待修复Landsat 7 SLC-off影像覆盖同一区域,且在获取日期上与SLC-off影像最接近的Sentinel-2 MSI影像,并参考SLC-off影像进行几何校正,使二者在几何上匹配。
步骤2、对步骤1中得到的已知Sentinel-2 MSI影像进行波段间融合。采用的波段融合方法包括但不限于面到点回归克里格方法。具体地,可使用面到点回归克里格(ATPRK)方法将4个10m波段(blue、green、red和NIR)和两个20m波段(SWIR 1和SWIR 2)进行融合,得到6个分辨率为10m的波段。
步骤3、对步骤2中得到的6波段10m融合数据进行升尺度处理,得到6个30m的波段。具体地,对10m融合数据的每3×3个像元进行平均退化。在本实施例中,升尺度可采用平均退化方法但不限于该方法。
步骤4、将步骤3中得到的30m Sentinel-2 MSI影像和待修复SLC-off影像进行全局直方图匹配,以减小二者因获取平台等因素差异导致的数值(如反射率)幅度上的差异。
步骤5、利用步骤4中得到的匹配后的30m Sentinel-2 MSI影像作为已知影像。对于待修复SLC-off影像的各个波段,分别从Sentinel-2 MSI影像选取与之在光谱区间上对应的波段,并使用基于空谱径向基函数(SSRBF)插值的条带修复方法对未扫描像元进行预测。基于空谱径向基函数(SSRBF)插值的条带修复方法对未扫描像元进行预测为现有技术,在此不过多赘述。
为了验证本发明的有效性,同时考虑到Landsat 8 OLI与Landsat 7 ETM+具有相同的光谱区间,采用本发明方法修复使用Landsat 8 OLI影像模拟生成的SLC-off影像,并将修复结果与现有常用已知影像的修复结果进行比较,即仅使用自身有效数据(使用ENVIGapfill插件实现)和使用已知Landsat OLI数据的结果。
为了便于说明,对于区域1,将用于模拟条带的Landsat 8 OLI影像记为L1(获取时间为2016年8月27日),将Landsat 8 OLI已知影像按获取时间分别记为L11(获取时间为2016年9月12日)、L12(获取时间为2016年10月30日)和L13(获取时间为2017年1月2日),将Sentinel-2 MSI已知影像(获取时间为2016年9月6日)记为S1;对于区域2,将用于模拟条带的Landsat 8 OLI影像记为L2(获取时间为2017年8月28日),将Landsat 8 OLI已知影像记为L21(获取时间为2017年5月24日),将Sentinel-2 MSI已知影像(获取时间为2017年8月15日)记为S2。两个测试区域分别位于意大利的维罗纳(区域1)和法国的凡尔赛(区域2)。两个区域的修复结果分别如图2中的各个子图及图3中的各个子图所示。
区域1异质性较强。区域2存在森林砍伐现象。使用Gapfill插件修复结果的色调与原始影像大体一致,但存在明显的条带边缘。使用L13和L12(或L21)能较好地预测出地物的反射率数据,但修复结果在异质性较强的区域均存在较大的预测误差,例如当条带位于成块完整地物中心时,对该地物的预测存在边缘不完整以及其内部像元光谱预测信息存在明显偏差的问题。在区域1中,使用时间上更近的S1作为已知影像的修复效果明显优于时间上更远的L13和L12的修复效果。同时,使用L11和S1作为已知影像的修复效果相差无几,表明使用时间上高度相近的Landsat OLI数据和Sentinel-2 MSI数据的结果几乎一致。对于区域2,使用S2作为已知影像能很好地恢复地物细节和真实纹理,并且可以区分出相近色调的不同地物。特别地,S2的预测影像可以很好地区分出砍伐前后的地区,对于森林砍伐监测有一定的应用潜力。由于在本发明策略中使用获取时间较接近于(区域1中为17天,区域2中为13天)SLC-off影像的Sentinel-2 MSI影像作为已知影像,使得已知影像与SLC-off影像之间的差异保持在较低水平,已知影像上的有效信息得到充分利用,因此能更准确地预测出地物的完整轮廓和其内部缺失像元的光谱信息。
采用均方根误差(Root Mean Square Error,RMSE)和相关系数(CorrelationCoefficient,CC)评价指标对各方法的修复结果进行精度评价,如表1所示。其中RMSE度量修复信息与真实信息的差异性,其值越大表明预测信息越偏离真实信息;CC反映预测信息与真实信息之间的相关度,其值越大表示预测信息与真实信息越接近。
表1修复结果精度评价
从表1的客观评价结果可以看出,本发明使用的已知数据得到的结果优于其他两种常用的已知数据,各项指标均表明本发明方法能够得到更接近真实情况的修复影像。
综上所述,本发明的条带修复方法从视觉和精度评价上都具有很明显的优势,得到的修复影像能较好地保持地物的信息,是一种可行的SLC-off影像修复方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种Landsat 7SLC-off条带修复方法,其特征在于,包括下列步骤:
1)获取与待修复Landsat 7ETM+SLC-off影像覆盖同一区域,且在获取日期上与Landsat 7ETM+SLC-off影像最接近的有效Sentinel-2MSI影像,参考Landsat 7ETM+SLC-off影像,对Sentinel-2MSI影像进行预处理;
2)将步骤1)预处理后的Sentinel-2MSI影像和待修复Landsat 7ETM+SLC-off影像进行全局直方图匹配;
3)将步骤2)得到的匹配后的Sentinel-2MSI影像作为已知影像,对于待修复Landsat7ETM+SLC-off影像的各个波段,分别从Sentinel-2MSI影像选取与之在光谱区间上对应的波段,对未扫描像元进行预测。
2.根据权利要求1所述的Landsat 7SLC-off条带修复方法,其特征在于,步骤1)中,所述预处理包括几何校正处理,波段间融合处理和升尺度处理。
3.根据权利要求2所述的Landsat 7SLC-off条带修复方法,其特征在于,步骤1)具体步骤包括:
11)获取与待修复Landsat 7ETM+SLC-off影像覆盖同一区域,且在时间上与Landsat7ETM+SLC-off影像最接近的Sentinel-2MSI影像,参考Landsat 7ETM+SLC-off影像对最接近的Sentinel-2MSI影像进行几何校正,以使二者在几何上匹配;
12)对步骤11)中得到的校正后的Sentinel-2MSI影像进行波段间融合;
13)对步骤12)中得到的融合数据进行升尺度处理。
4.根据权利要求3所述的Landsat 7SLC-off条带修复方法,其特征在于,步骤12)的具体内容为:
采用波段融合方法将校正后的Sentinel-2MSI影像的不同波段进行融合,获取波段的融合数据。
5.根据权利要求4所述的Landsat 7SLC-off条带修复方法,其特征在于,步骤12)的具体内容为:
采用波段融合方法,将校正后的Sentinel-2MSI影像的四个10m波段和两个20m波段进行波段融合,获取六个分辨率为10m的波段的融合数据。
6.根据权利要求5所述的Landsat 7SLC-off条带修复方法,其特征在于,步骤13)的具体内容为:
对步骤12)中得到的六个分辨率为10m的波段的融合数据进行升尺度处理,得到六个30m的波段。
7.根据权利要求5所述的Landsat 7SLC-off条带修复方法,其特征在于,所述升尺度处理采用的方法包括但不限于平均方法。
8.根据权利要求7所述的Landsat 7SLC-off条带修复方法,其特征在于,所述升尺度处理为:对每一个10m波段的融合数据的每3×3个像元进行平均退化处理。
9.根据权利要求1所述的Landsat 7SLC-off条带修复方法,其特征在于,步骤3)中,采用基于空谱径向基函数插值的条带修复方法对未扫描像元进行预测。
10.根据权利要求5所述的Landsat 7SLC-off条带修复方法,其特征在于,步骤12)中采用的波段融合方法包括但不限于面到点回归克里格方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011635727.9A CN112669237B (zh) | 2020-12-31 | 2020-12-31 | 一种Landsat 7 SLC-off条带修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011635727.9A CN112669237B (zh) | 2020-12-31 | 2020-12-31 | 一种Landsat 7 SLC-off条带修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112669237A true CN112669237A (zh) | 2021-04-16 |
CN112669237B CN112669237B (zh) | 2022-09-20 |
Family
ID=75413625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011635727.9A Active CN112669237B (zh) | 2020-12-31 | 2020-12-31 | 一种Landsat 7 SLC-off条带修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669237B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689414A (zh) * | 2021-08-30 | 2021-11-23 | 扎赉诺尔煤业有限责任公司 | 一种高寒地区长时间序列高频率ndvi生成方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507152A (zh) * | 2017-09-13 | 2017-12-22 | 鲁东大学 | 一种基于多图像局部插值的遥感图像缺失数据修复方法 |
CN108171647A (zh) * | 2017-11-24 | 2018-06-15 | 同济大学 | 一种考虑地表形变的Landsat 7条带影像修复方法 |
CN110751727A (zh) * | 2019-10-30 | 2020-02-04 | 南京林业大学 | 一种基于Landsat长时间序列的合成图像构建方法 |
CN111476723A (zh) * | 2020-03-17 | 2020-07-31 | 哈尔滨师范大学 | 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法 |
CN111898250A (zh) * | 2020-07-03 | 2020-11-06 | 武汉大学 | 基于多源数据融合的河口尾闾段出汊预测方法及装置 |
CN111915519A (zh) * | 2020-07-29 | 2020-11-10 | 同济大学 | 一种基于空谱径向基函数插值的条带修复方法 |
-
2020
- 2020-12-31 CN CN202011635727.9A patent/CN112669237B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507152A (zh) * | 2017-09-13 | 2017-12-22 | 鲁东大学 | 一种基于多图像局部插值的遥感图像缺失数据修复方法 |
CN108171647A (zh) * | 2017-11-24 | 2018-06-15 | 同济大学 | 一种考虑地表形变的Landsat 7条带影像修复方法 |
CN110751727A (zh) * | 2019-10-30 | 2020-02-04 | 南京林业大学 | 一种基于Landsat长时间序列的合成图像构建方法 |
CN111476723A (zh) * | 2020-03-17 | 2020-07-31 | 哈尔滨师范大学 | 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法 |
CN111898250A (zh) * | 2020-07-03 | 2020-11-06 | 武汉大学 | 基于多源数据融合的河口尾闾段出汊预测方法及装置 |
CN111915519A (zh) * | 2020-07-29 | 2020-11-10 | 同济大学 | 一种基于空谱径向基函数插值的条带修复方法 |
Non-Patent Citations (1)
Title |
---|
ROBERT CHASTAIN ET AL.: "Empirical cross sensor comparison of Sentinel-2A and 2B MSI, Landsat-8 OLI, and Landsat-7 ETM+ top of atmosphere spectral characteristics over the conterminous United States", 《REMOTE SENSING OF ENVIRONMENT》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689414A (zh) * | 2021-08-30 | 2021-11-23 | 扎赉诺尔煤业有限责任公司 | 一种高寒地区长时间序列高频率ndvi生成方法和装置 |
CN113689414B (zh) * | 2021-08-30 | 2023-12-15 | 扎赉诺尔煤业有限责任公司 | 一种高寒地区长时间序列高频率ndvi生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112669237B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Towards the spectral restoration of shadowed areas in hyperspectral images based on nonlinear unmixing | |
Zhao et al. | A robust adaptive spatial and temporal image fusion model for complex land surface changes | |
Roy et al. | A general method to normalize Landsat reflectance data to nadir BRDF adjusted reflectance | |
Du et al. | Radiometric normalization, compositing, and quality control for satellite high resolution image mosaics over large areas | |
Acito et al. | Hyperspectral airborne “Viareggio 2013 Trial” data collection for detection algorithm assessment | |
Liu et al. | Urban monitoring and change detection of central Tokyo using high-resolution X-band SAR images | |
CN112287904A (zh) | 基于卫星影像的机场目标识别方法和装置 | |
Cenci et al. | Describing the quality assessment workflow designed for DEM products distributed via the Copernicus Programme. Case study: The absolute vertical accuracy of the Copernicus DEM dataset in Spain | |
CN112669237B (zh) | 一种Landsat 7 SLC-off条带修复方法 | |
Hong | Image fusion, image registration and radiometric normalization for high resolution image processing | |
US11386649B2 (en) | Automated concrete/asphalt detection based on sensor time delay | |
Wu et al. | Spatiotemporal fusion with only two remote sensing images as input | |
Chandelier et al. | Radiometric aerial triangulation for the equalization of digital aerial images and orthoimages | |
CN111915519B (zh) | 一种基于空谱径向基函数插值的条带修复方法 | |
Matsuoka et al. | Characteristics of satellite images of damaged areas due to the 1995 Kobe earthquake | |
Crespi et al. | GeoEye-1: Analysis of radiometric and geometric capability | |
Weyermann et al. | Spectral angle mapper (SAM) for anisotropy class indexing in imaging spectrometry data | |
Adler-Golden et al. | Spectral image destriping using a low-dimensional model | |
US20210150183A1 (en) | Automated process for dynamic material classification in remotely sensed imagery | |
Hakim et al. | Satellite Attitude Determination Based on Pushbroom Image Band Coregistration | |
Khamis et al. | Assessing the urban encroachment phenomenon in Egypt using satellite imagery | |
Batur et al. | Transformation of surface reflectance of Göktürk-2 images using image-based methods | |
van Dongen et al. | Great Victoria Desert Fire Scar Mapping Report: 2020 | |
CN113643240B (zh) | 一种遥感影像沿轨方向局部畸变的快速检测及纠正方法 | |
Malpica et al. | A method for change detection with multi-temporal satellite images using the RX algorithm |
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 |