CN102289825B - 一种实时图像边缘检测电路及其实现方法 - Google Patents
一种实时图像边缘检测电路及其实现方法 Download PDFInfo
- Publication number
- CN102289825B CN102289825B CN 201110190450 CN201110190450A CN102289825B CN 102289825 B CN102289825 B CN 102289825B CN 201110190450 CN201110190450 CN 201110190450 CN 201110190450 A CN201110190450 A CN 201110190450A CN 102289825 B CN102289825 B CN 102289825B
- Authority
- CN
- China
- Prior art keywords
- order
- level
- buffer
- comparer
- register
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种实时图像边缘检测电路及其实现方法,电路包括3×3方形窗生成模块和梯度运算模块构成,所述3×3方形窗生成模块用于将待处理图像中的每个中心像素及其领域的九个像素提出,所述梯度运算模块用于将取出的像素点数据与四个方向算子模块中对应位置的系数进行乘积运算。本发明采用并行结构和多级流水线技术,以硬件方式实现实时图像边缘检测电路设计,可明显提高图像边缘检测的速度,满足视频运动目标跟踪***对图像边缘检测的实时性要求,本发明提出的Sobel图像边缘实时检测优化算法得到的结果图像边缘较为平滑,而且由于边缘两侧元素得到了增强,使边缘显得更为明亮,提高了图像边缘检测的精度。
Description
技术领域
本发明涉及实时图像边缘检测的技术领域,特别涉及一种实时图像边缘检测电路及其实现方法。
背景技术
实时图像边缘检测电路适用于视频运动目标跟踪***,是视频图像处理所需的核心硬件模块,可精确和快速地实现图像的边缘检测和边缘提取。现有技术中,由于图像边缘检测需要处理的数据量较大,目前普遍采用的软件实现方式已难以满足实时性要求。考虑到边缘检测在图像处理过程中的独立性,图像边缘检测可以并且应该采用硬件电路方式实现,以提高检测效率,满足视频运动目标跟踪***对实时性的要求。
目前,主流的图像边缘检测方法有空域微分算子法、拟合曲面法、小波多尺度边缘检测法和数学形态学边缘检测法等,其中,空域微分算子法最为常用。若将图像定义为二维函数f(x,y),由于边缘的图像灰度变化剧烈,其函数梯度较大,因此,图像灰度的变化可以采用图像灰度分布的梯度表征。图像f(x,y)的梯度定义为:
其中,梯度指向为f(x,y)增加率最大的方向。考虑到函数在该点的方向导数最大值等于梯度的模,因此有:
式中,Gx是垂直方向模板,对垂直边缘响应最大;Gy是水平方向模板,对水平边响应最大。在目前的设计中,通常采用小区域模板乘积方法近似地计算这一梯度值,并使用不同的模板构成不同的边缘检测算子,包括有Robert算子、Sobel算子、Prewitt算子和Laplacian算子等。其中,Sobel算子能较好地抑制噪声,且实现过程较为简单,从而得到了广泛应用。
式中Sx=(Z3+2 Z6+Z9)-(Z1+2 Z4+Z7),Sy=(Z7+2 Z8+Z9)-(Z1+2 Z2+Z3)。
目前,一般采用软件方式实现上述的经典Sobel边缘检测算法,但基于该算法对纹理较复杂的图像进行边缘检测时,其检测效果并不理想。为此,改进型Sobel边缘检测算法应运而生,在经典Sobel边缘检测算法的算子模板基础上,增加了6个方向的算子模板,但这一改进型Sobel边缘检测算法却导致硬件开销太大,不利于嵌入视频图像处理***进行图像边缘的实时检测。此外,由于在视频运动目标跟踪***中,对图像边缘检测需要处理的数据量较大,采用一般的软件方式实现边缘检测算法已难以满足实时性要求。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种实时图像边缘检测电路,该检测电路提高了图像边缘检测的精度和速度;满足了视频运动目标跟踪***对图像边缘检测的实时性要求。
本发明的另一目的在于,提供一种实时图像边缘检测电路的实现方法,提高了图像边缘检测的精度和速度;满足了视频运动目标跟踪***对图像边缘检测的实时性要求。
为了达到上述目的,本发明采用下述技术方案实现:
一种实时图像边缘检测电路,包括3×3方形窗生成模块,与所述3×3方形窗生成模块相连接的梯度运算模块;所述3×3方形窗生成模块读取待处理图像的图像数据流,并以每个像素为中心将待处理图像中的每个像素及其邻域的8个像素取出;所述梯度运算模块将3×3方形窗生成模块所取出的像素点数据分别与垂直方向、水平方向、右对角方向和左对角方向四个方向算子模板中对应位置的系数进行乘积运算,并将四个方向的运算结果进行比较,以最大一个运算结果作为边缘检测值输出。
所述3×3方形窗生成模块设有用于将图像数据流的三行数据在时间上对齐的两个行缓冲器和三个列缓冲器,所述行缓冲器与列缓冲器连接。
一种实时图像边缘检测电路的实现方法,包括以下步骤:
(1)、分别将垂直方向模板Gx、水平方向模板Gy、右对角方向模板Gr和左对角方向模板Gl这四个方向的算子模板沿着图像从一个像素点移动到下一个像素点,并将算子模板的中心像素与图像中每一像素点的位置重合;
(2)、分别将上述这四个方向的算子模板与3×3方形窗生成的模块生成的9个像素点数据进行乘积,从而得到每一像素点的四个方向梯度值:水平方向梯度值、垂直方向梯度值、右对角线方向梯度值和左对角线方向梯度值;
(3)、将得到的四个方向梯度值输入第一级比较器进行两两比较,然后将第一级比较器的输出结果再通过第二级寄存器进行寄存;
(4)、将第二级寄存器寄存的数据通过第二级比较器进行比较,并将得到的结果寄存到第三级寄存器,此值为最大的梯度值,即该每一像素点的边缘检测数值。
本发明相对于现有技术,具有如下的优点及效果:
1、采用本发明提出的Sobel图像边缘实时检测优化算法得到的结果,图像边缘较为平滑,而且由于边缘两侧元素得到了增强,使边缘显得更为明亮,提高了图像边缘检测的精度。
2、本发明作为Sobel图像边缘实时检测的优化算法,在经典Sobel算子模板的基础上增加2个方向模板,即新引入右对角方向模板Gr和左对角方向模板Gl,分别用于检测右对角和左对角的图像边缘,从而优化了目前的改进型Sobel边缘检测算法。
3、本发明采用并行结构和多级流水线技术,以硬件方式实现基于提出的Sobel边缘检测优化算法的实时图像边缘检测电路设计,可有效降低硬件开销;与目前普遍采用的以纯软件方式的实现效果比较,可明显提高图像边缘检测的速度,满足视频运动目标跟踪***对图像边缘检测的实时性要求。
附图说明
图1是本发明实时图像边缘检测电路的结构框图;
图2是本发明四个方向的算子模块;
图3是本发明3×3方形窗生成模块的电路结构框图;
图4是本发明梯度运算模块的电路结构框图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
一种实时图像边缘检测电路的结构如图1所示,包括相连接的3×3方形窗生成模块和梯度运算模块;所述3×3方形窗生成模块读取待处理图像的图像数据流,并以每个像素为中心将待处理图像中的每个像素及其邻域的8个像素取出;所述梯度运算模块将3×3方形窗生成模块所取出的像素点数据分别与图2所示的垂直方向、水平方向、右对角方向和左对角方向四个方向算子模板中对应位置的系数进行乘积运算(即将3×3方形窗生成模块第i行第j列的像素点数据分别与垂直方向、水平方向、右对角方向和左对角方向四个方向算子模板中第i行第j列的系数进行乘积运算,1≤i≤3,1≤j≤3。),并将四个方向的运算结果进行比较,以最大一个运算结果作为边缘检测值输出。其中,所述垂直方向、水平方向、右对角方向和左对角方向四个方向算子模板分别为:
所述3×3方形窗生成模块中,采用寄存器组进行行列缓冲,在同一个时钟周期内可同时获取3×3方形窗口所覆盖的9个像素点(即中心像素点及其邻域8个像素点,一共9个像素点)。如图3所示,所述3×3方形窗生成模块包括第一行缓冲器、第二行缓冲器、第一列缓冲器、第二列缓冲器、第三列缓冲器和行列计数器,第二行缓冲器、第一行缓冲器及第一列缓冲器顺次连接,第二行缓冲器和第二列缓冲器连接,行列计数器用于输出有效标志信号。采用第一行缓冲器和第二行缓冲器对源图像的图像数据流的第一行数据进行缓存后再输入第一列缓冲器;采用第二行缓冲器对源图像的图像数据流的第二行数据进行缓存后再输入第二列缓冲器;当源图像的图像数据流的第三行数据到来时,同时从第三列缓冲器、第一列缓冲器及第二列缓冲器内读取数据并输出,从而实现将图像数据流的三行数据在时间上对齐;列缓冲器采用深度为3bit(比特)、宽度为8bit(比特)的移位寄存器构成,经过行缓冲器对齐的每一行图像数据再通过列缓冲器,可同时实现3列数据的输出,从而获得整个3×3方形模板内的9个像素点数据Z1-Z9。这时,经行列计数器触发,输出有效标志信号dout_valid。
所述梯度运算模块中,将3×3方形窗生成模块获得的9个像素点数据Z1-Z9,分别与垂直方向、水平方向、右对角方向和左对角方向四个方向算子模板中对应位置的系数进行乘积运算,并采用两级输入比较器将四个方向的运算结果两两比较,输出最大一个运算结果作为边缘检测值。
图4为梯度运算模块的电路结构图,包括第一级并行加法器、第二级并行加法器、第一级寄存器、第二级寄存器、第三级寄存器、第一级比较器和第二级比较器,所述第一级并行加法器、第一级寄存器和第二级并行加法器顺序连接,所述第一级比较器、第二级寄存器、第二级比较器和第三级寄存器顺序连接,第二级并行加法器与第一级比较器连接;所述第一级并行加法器设有3个,分别用于将3×3方形窗生成的模块的三组像素点与四个方向算子模块的三组算子相乘后的结果进行累加;所述第一级寄存器设有三组,分别用于寄存所述第一级并行加法器的累加结果;所述第二级并行加法器对所述三组第一级寄存器的寄存结果进行累加,并输出四个方向的梯度值;所述第一级比较器设有2个,第二级并行加法器所输出的四个方向的梯度值输入2个第一级比较器中进行两两比较;所述第二级寄存器设有2组,分别用于寄存2个第一级比较器所输出的比较结果;所述第二级比较器用于比较第二级寄存器的寄存结果,并输出比较结果作为边缘检测值。本发明在进行梯度运算时,首先将3×3方形窗生成的模块生成的9个像素点数据Z1-Z9按行分成z1~z3,z4~z6,z7~z9三组,然后将三组像素点数据分别与四个方向算子模板中的w1~w3,w4~w6,w7~w9中的三组算子进行乘法运算,每组得到的三个数据通过第一级并行加法器进行加法运算。为了提高电路运行的速度,并将每组经过乘法运算、加法运算后得到的结果再通过第一级寄存器进行寄存,最后通过第二级并行加法器将三组运算所得到的结果进行加法运算,从而得到一个方向的梯度值。本电路设计中将四个方向算子模块同时进行上述类似的处理便可四个方向梯度值,然后将四个方向梯度值经过第一级输入比较器、第二级输入比较器,最后将四个方向梯度值中的最大值作为边缘检测值输出;同时为了提高电路的运行速度,对每一级比较器比较运算后所得到的结果都通过寄存器进行寄存。
本发明提出的Sobel实时边缘检测电路的实现方法,采用图2给出的垂直方向模板Gx、水平方向模板Gy、右对角方向模板Gr和左对角方向模板Gl四个方向的算子模板,分别进行图像边缘的检测。包括下述步骤:
(1)、分别将垂直方向模板Gx、水平方向模板Gy、右对角方向模板Gr和左对角方向模板Gl这四个方向的算子模板沿着图像从一个像素点移动到下一个像素点,并将算子模板的中心像素与图像中每一像素点的位置重合;
(2)、分别将上述这四个方向的算子模板与3×3方形窗生成的模块生成的9个像素点数据进行乘积,从而得到每一像素点的四个方向梯度值:水平方向梯度值、垂直方向梯度值、右对角线方向梯度值和左对角线方向梯度值;
(3)、将得到的四个方向梯度值输入第一级比较器进行两两比较,然后将第一级比较器的输出结果再通过第二级寄存器进行寄存;
(4)、将第二级寄存器寄存的数据通过第二级比较器进行比较,并将得到的结果寄存到第三级寄存器,此值为最大的梯度值,即该每一像素点的边缘检测数值。
所述步骤(2)具体包括以下步骤:
(21)、将3×3方形窗生成模块生成的9个像素按行平均分成三组像素;
(22)、将每个方向算子模块中的算子平均分成三组算子;
(23)、在每个方向上都将三组像素分别与该方向的三组算子进行乘积运算:即在水平方向上将三组像素与水平方向的三组算子进行乘积运算,在垂直方向上将三组像素与垂直方向的三组算子进行乘积运算,在右对角线方向上将三组像素与右对角线方向的三组算子进行乘积运算,在左对角线方向上将三组像素与左对角线方向的三组算子进行乘积运算;
(24)、在每个方向上都将每组乘积运算得到的三个数据通过第一级并行加法器进行加法运算,并将加法运算后得到的结果再通过第一级寄存器进行寄存,最后通过第二级并行加法器将三组运算所得到的结果进行加法运算,从而得到该方向的梯度值。
将四个方向算子同时进行步骤(21)-(24)的处理,从而得到四个方向的梯度值。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种实时图像边缘检测电路,其特征在于,包括3×3方形窗生成模块,与所述3×3方形窗生成模块相连接的梯度运算模块;所述3×3方形窗生成模块读取待处理图像的图像数据流,并以每个像素为中心将待处理图像中的每个像素及其邻域的8个像素取出;所述梯度运算模块将3×3方形窗生成模块所取出的像素点数据分别与垂直方向、水平方向、右对角方向和左对角方向四个方向算子模板中对应位置的系数进行乘积运算,并将四个方向的运算结果进行比较,以最大一个运算结果作为边缘检测值输出,所述3×3方形窗生成模块设有用于将图像数据流的三行数据在时间上对齐的两个行缓冲器和三个列缓冲器,所述行缓冲器与列缓冲器连接。
2.根据权利要求1所述的实时图像边缘检测电路,其特征在于,所述3×3方形窗生成模块包括第一行缓冲器、第二行缓冲器、第一列缓冲器、第二列缓冲器和第三列缓冲器,第二行缓冲器、第一行缓冲器及第一列缓冲器顺次连接,第二行缓冲器和第二列缓冲器连接;采用第一行缓冲器和第二行缓冲器对图像数据流的第一行数据进行缓存后再输入第一列缓冲器;采用第二行缓冲器对图像数据流的第二行数据进行缓存后再输入第二列缓冲器;当图像数据流的第三行数据到来时,同时从第三列缓冲器、第一列缓冲器及第二列缓冲器内读取数据并输出。
3.根据权利要求2所述的实时图像边缘检测电路,其特征在于,所述列缓冲器采用深度为3比特、宽度为8比特的移位寄存器。
4.根据权利要求1所述的实时图像边缘检测电路,其特征在于,所述梯度运算模块包括第一级并行加法器、第二级并行加法器、第一级寄存器、第二级寄存器、第三级寄存器、第一级比较器和第二级比较器,所述第一级并行加法器、第一级寄存器和第二级并行加法器顺序连接,所述第一级比较器、第二级寄存器、第二级比较器和第三级寄存器顺序连接,第二级并行加法器与第一级比较器连接;所述第一级并行加法器设有3个,分别用于将3×3方形窗生成的模块的三组像素点与四个方向算子模块的三组算子相乘后的结果进行累加;所述第一级寄存器设有三组,分别用于寄存所述第一级并行加法器的累加结果;所述第二级并行加法器对所述三组第一级寄存器的寄存结果进行累加,并输出四个方向的梯度值;所述第一级比较器设有2个,第二级并行加法器所输出的四个方向的梯度值输入2个第一级比较器中进行两两比较;所述第二级寄存器设有2组,分别用于寄存2个第一级比较器所输出的比较结果;所述第二级比较器用于比较第二级寄存器的寄存结果,并输出比较结果作为边缘检测值。
5.根据权利要求4所述的实时图像边缘检测电路,其特征在于,所述第一级比较器和第二级比较器是二输入比较器。
6.根据权利要求1所述的实时图像边缘检测电路,其特征在于,所述垂直方向、水平方向、右对角方向和左对角方向四个方向算子模板分别为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110190450 CN102289825B (zh) | 2011-07-08 | 2011-07-08 | 一种实时图像边缘检测电路及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110190450 CN102289825B (zh) | 2011-07-08 | 2011-07-08 | 一种实时图像边缘检测电路及其实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102289825A CN102289825A (zh) | 2011-12-21 |
CN102289825B true CN102289825B (zh) | 2013-07-10 |
Family
ID=45336214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110190450 Expired - Fee Related CN102289825B (zh) | 2011-07-08 | 2011-07-08 | 一种实时图像边缘检测电路及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102289825B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799892B (zh) * | 2012-06-13 | 2015-04-01 | 东南大学 | 一种mfcc水下目标特征提取和识别方法 |
CN103839246B (zh) * | 2012-11-20 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 获取图像轮廓线的方法及装置 |
CN104680506A (zh) * | 2013-11-28 | 2015-06-03 | 方正国际软件(北京)有限公司 | 一种分方向边界线检测方法及*** |
CN104200793B (zh) * | 2014-08-21 | 2016-09-07 | 京东方科技集团股份有限公司 | 一种图像的边界判别方法、装置和显示面板 |
CN105426764A (zh) * | 2015-11-16 | 2016-03-23 | 北京航空航天大学 | 一种基于子模优化的并行异常子图检测方法与*** |
CN105957059B (zh) * | 2016-04-20 | 2019-03-01 | 广州视源电子科技股份有限公司 | 电子元件漏件检测方法和*** |
CN108242060A (zh) * | 2016-12-23 | 2018-07-03 | 重庆邮电大学 | 一种基于Sobel算子的图像边缘检测方法 |
CN110009655B (zh) * | 2019-02-12 | 2020-12-08 | 中国人民解放军陆军工程大学 | 用于立体图像轮廓增强的八向三维算子的生成及使用方法 |
CN110322463B (zh) * | 2019-06-18 | 2021-07-20 | 合肥安杰特光电科技有限公司 | 一种可用于高速图像的边缘检测方法 |
CN111402280B (zh) * | 2020-03-10 | 2023-03-24 | 西安电子科技大学 | 基于对数图像处理模型的图像边缘检测***及方法 |
CN113327261B (zh) * | 2021-05-20 | 2022-05-10 | 电子科技大学 | 一种基于随机计算的无误差省资源图像边缘检测算子方法 |
CN114217953A (zh) * | 2021-11-18 | 2022-03-22 | 成都理工大学 | 一种基于fpga图像处理的目标定位***及识别方法 |
CN115953331B (zh) * | 2023-03-14 | 2023-12-29 | 极限人工智能有限公司 | 一种图像边缘增强方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5604821A (en) * | 1992-02-28 | 1997-02-18 | The University Of South Florida | Structure and method for dynamic scene analysis |
CN1423237A (zh) * | 2001-11-16 | 2003-06-11 | 株式会社三丰 | 图像边界检测***与方法 |
CN2838184Y (zh) * | 2005-10-19 | 2006-11-15 | 上海广电(集团)有限公司中央研究院 | 一种基于边界的直方图均衡装置 |
-
2011
- 2011-07-08 CN CN 201110190450 patent/CN102289825B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5604821A (en) * | 1992-02-28 | 1997-02-18 | The University Of South Florida | Structure and method for dynamic scene analysis |
CN1423237A (zh) * | 2001-11-16 | 2003-06-11 | 株式会社三丰 | 图像边界检测***与方法 |
CN2838184Y (zh) * | 2005-10-19 | 2006-11-15 | 上海广电(集团)有限公司中央研究院 | 一种基于边界的直方图均衡装置 |
Non-Patent Citations (2)
Title |
---|
一种改进的Sobel图像边缘检测算法;刘彩;《贵州工业大学学报(自然科学版)》;20041031;第33卷(第5期);第77-78页第1节"Sobel图像边缘检测算法",第2.1节"方向模板由两个增加到八个" * |
基于FPGA的实时边缘检测***;陈伦海,等;《液晶与显示》;20110430;第26卷(第2期);摘要,第201页右栏第1-7行,第201页右栏-第203页左栏第3.3节"改进的Sobel边缘检测模块",图1-3,5 * |
Also Published As
Publication number | Publication date |
---|---|
CN102289825A (zh) | 2011-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102289825B (zh) | 一种实时图像边缘检测电路及其实现方法 | |
CN101887586B (zh) | 基于图像轮廓尖锐度的自适应角点检测方法 | |
CN103065331B (zh) | 基于空时域边缘和颜色特征关联的目标跟踪方法 | |
CN102034101B (zh) | 一种pcb视觉检测中快速圆形标志定位方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN106023171B (zh) | 一种基于转弯半径的图像角点检测方法 | |
CN102044071A (zh) | 基于fpga的单像素边缘检测方法 | |
CN104657945A (zh) | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 | |
CN102622732A (zh) | 一种前扫声纳图像拼接方法 | |
CN101551901B (zh) | 动态遮挡图像的实时补偿和增强方法 | |
CN102938150A (zh) | 基于自适应海杂波统计的sar图像舰船检测方法 | |
CN105574894A (zh) | 一种运动物体特征点跟踪结果的筛选方法和*** | |
US20090226097A1 (en) | Image processing apparatus | |
CN103617613A (zh) | 一种微小卫星非合作目标图像处理方法 | |
CN106845552A (zh) | 在光强分布不均匀环境下的融合光流和sift特征点匹配的低动态载体速度计算方法 | |
CN105654428A (zh) | 图像降噪方法及*** | |
CN108256445A (zh) | 车道线检测方法及*** | |
CN103325111A (zh) | 一种基于互信息的非刚性声纳图像配准方法 | |
CN108257153B (zh) | 一种基于方向梯度统计特征的目标跟踪方法 | |
CN103745463A (zh) | 基于梯度信息的新颖多源图像快速配准方法 | |
CN101572820B (zh) | 一种运动目标检测过程中的视频信号预处理方法 | |
CN110378199B (zh) | 一种基于无人机多期影像的岩土***移监测方法 | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 | |
CN108648205A (zh) | 一种亚像素边缘检测方法 | |
CN105678791A (zh) | 一种基于参数不唯一的车道线检测与跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130710 Termination date: 20200708 |
|
CF01 | Termination of patent right due to non-payment of annual fee |