海上图像去雾处理方法、系统及存储介质

1.本发明涉及图像处理技术领域，尤其涉及一种海上图像去雾处理方法、系统及存储介质。


背景技术：

2.海雾现象经常出现在我国海上和沿海地带，致使海上能见度较低，影响船舶瞭望、港口与海上视觉监控、船舶视觉导航、船舶目标检测以及海上交通的正常运行，甚至造成海上船舶封航状态，降低港口通航效率，造成较大经济损失，研究海雾图像去雾技术对提高海上船舶通航技术条件具有重要意义。相关技术中，海雾图像去雾效果上仍存在细节丢失、亮度损失较大和色彩失真问题，严重制约海上交通视觉监控系统的性能，如何有效提高海雾图像的去雾效果没有很好的方法。


技术实现要素：

3.为了解决上述技术问题的至少之一，本发明提出一种海上图像去雾处理方法、系统及存储介质，能够有效提升海上图像去除海雾的效果，有效增强了去雾后的图像质量。
4.一方面，本发明实施例提供了一种海上图像去雾处理方法，包括以下步骤：
5.将所述海上图像转换到hsv颜色空间，得到第一转换图像；其中，所述第一转换图像包括色相通道数据、饱和度通道数据以及明度通道数据；
6.通过引导滤波算法对所述海上图像进行处理，得到图像细节层；
7.将所述引导滤波算法与多尺度视网膜算法进行融合，得到改进多尺度视网膜算法；
8.通过所述改进多尺度视网膜算法对所述明度通道数据进行处理，得到反射分量；
9.将所述色相通道数据、所述饱和度通道数据以及所述反射分量进行合并，得到合并数据；
10.将所述合并数据转换到rgb颜色空间，得到图像基础层；
11.将所述图像细节层和所述图像基础层进行合并，得到合并图像；
12.对所述合并图像进行色彩校正，得到目标输出图像。
13.根据本发明实施例的一种海上图像去雾处理方法，至少具有如下有益效果：本实施例首先将海上图像转换到hsv颜色空间，得到第一转换图像，以通过将海上图像转换为hsv颜色空间进行处理的方式，缓解图像处理后的色彩失真问题。然后本实施例通过引导滤波改进多尺度视网膜算法，得到改进多尺度视网膜算法，并通过改进得到的改进多尺度视网膜算法对第一转换图像的明度通道数据进行单独处理，以得到相应的反射分量，缓解由于三颜色通道间的相互关系被破坏导致的图像失真问题，并有效保持了图像的色彩信息。同时，本实施例通过将色相通道数据、饱和通道数据以及反射分量进行合并得到合并数据后，将合并数据转换到rgb颜色空间，从而构建得到图像基础层。另外，本实施例通过引导滤波算法对海上图像进行处理得到图像细节层，以通过引导滤波算法的保边平滑的特性增加
海上图像边缘梯度。进一步地，本实施例将图像细节层和图像基础层进行合并得到合并图像，并对合并图像进行色彩校正，以缓解处理后的图像色彩偏差较大的问题，得到目标输出图像，有效增强了去雾效果。本实施例能够有效提升海上图像去除海雾的效果，并有效增强了去雾后的图像质量。
14.根据本发明的一些实施例，所述将所述引导滤波算法与多尺度视网膜算法进行融合，得到改进多尺度视网膜算法，包括：
15.将所述引导滤波算法替换所述多尺度视网膜算法中的高斯滤波算法，得到所述改进多尺度视网膜算法。
16.根据本发明的一些实施例，所述通过所述改进多尺度视网膜算法对所述明度通道数据进行处理，得到反射分量，包括：
17.设置不同尺度的中心环绕函数；其中，所述中心环绕函数为引导滤波函数；
18.根据所述明度通道数据通过不同尺度的所述中心环绕函数计算得到不同尺度的视网膜算法增强结果；
19.将不同尺度的所述视网膜算法增强结果进行加权平均，得到加权平均数据；
20.将所述加权平均数据进行量化得到所述反射分量。
21.根据本发明的一些实施例，所述将所述图像细节层和所述图像基础层进行合并，得到合并图像，包括：
22.将所述图像细节层放大预设倍数，得到预设细节层；
23.将所述图像基础层和所述预设细节层进行线性相加，得到所述合并图像。
24.根据本发明的一些实施例，所述通过引导滤波算法对所述海上图像进行处理，得到图像细节层，包括：
25.通过所述引导滤波算法对所述海上图像进行滤波处理，得到滤波图像；
26.将所述海上图像减去所述滤波图像得到所述图像细节层。
27.根据本发明的一些实施例，在执行所述将所述色相通道数据、所述饱和度通道数据以及所述反射分量进行合并，得到合并数据这一步骤之前，所述方法还包括：
28.将所述色相通道数据进行归一化处理得到色相通道归一化数据；
29.将所述饱和度通道数据进行归一化处理得到饱和度通道归一化数据；
30.将所述反射分量进行归一化处理得到反射分量归一化数据。
31.根据本发明的一些实施例，所述将所述色相通道数据、所述饱和度通道数据以及所述反射分量进行合并，得到合并数据，包括：
32.将所述色相通道归一化数据、所述饱和度通道归一化数据以及所述反射分量归一化数据进行合并，得到合并数据。
33.另一方面，本发明实施例还提供了一种海上图像去雾处理系统，包括：
34.第一转换模块，用于将所述海上图像转换到hsv颜色空间，得到第一转换图像；其中，所述第一转换图像包括色相通道数据、饱和度通道数据以及明度通道数据；
35.第一处理模块，用于通过引导滤波算法对所述海上图像进行处理，得到图像细节层；
36.构建模块，用于将所述引导滤波算法与多尺度视网膜算法进行融合，得到改进多尺度视网膜算法；
37.第二处理模块，用于通过所述改进多尺度视网膜算法对所述明度通道数据进行处理，得到反射分量；
38.第一合并模块，用于将所述色相通道数据、所述饱和度通道数据以及所述反射分量进行合并，得到合并数据；
39.第二转换模块，用于将所述合并数据转换到rgb颜色空间，得到图像基础层；
40.第二合并模块，用于将所述图像细节层和所述图像基础层进行合并，得到合并图像；
41.色彩校正模块，用于对所述合并图像进行色彩校正，得到目标输出图像。
42.另一方面，本发明实施例还提供了一种海上图像去雾处理系统，包括：
43.至少一个处理器；
44.至少一个存储器，用于存储至少一个程序；
45.当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如上述实施例所述的海上图像去雾处理方法。
46.另一方面，本发明实施例还提供了一种计算机存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由所述处理器执行时用于实现如上述实施例所述的海上图像去雾处理方法。
附图说明
47.图1是本发明实施例提供的海上图像去雾处理方法流程图；
48.图2是本发明实施例提供的海上图像去雾处理系统原理框图。
具体实施方式
49.本技术实施例所描述的实施例不应视为对本技术的限制，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它实施例，都属于本技术保护的范围。
50.在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
51.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
52.在对本技术实施例进行介绍说明之前，首先对本技术中涉及的相关名词进行解释说明。
53.hsv颜色空间：hsv颜色空间模型反映了人眼视觉系统感知色彩的方式，由色相(h，hue)、饱和度(s，saturation)和明度(v，value)三种基本分量来表示色彩。色调与光线波长有关，表示一定范围的色彩，如红、绿、蓝等。饱和度表示颜色纯度，饱和度越大，图像颜色越鲜艳。明度表示图像的明亮程度。
54.rgb颜色空间：rgb颜色空间以r(red：红)、g(green：绿)、b(blue：蓝)三种基本色为基础，进行不同程度的叠加，产生丰富而广泛的颜色，所以俗称三基色模式。在大自然中有无穷多种不同的颜色，而人眼只能分辨有限种不同的颜色，rgb模式可表示一千六百多万种
不同的颜色，又称为自然色彩模式。红绿蓝代表可见光谱中的三种基本颜色或称为三原色，每一种颜色按其亮度的不同分为256个等级。当色光三原色重叠时，由于不同的混色比例能产生各种中间色，例如，三原色相加可产生白色。
55.retinex理论：“retinex”一词是“视网膜(retina)”和“大脑皮层(cortex)”的合成词缩写，因此又称为retinex理论又被称为“视网膜大脑皮层理论”。retinex理论去雾算法基于图像的照度-反射模型，通过去除或降低估计得到的原图照射分量，来获的图像的反射分量，从而得到清晰图像。
56.引导滤波：引导滤波是一种显式图像滤波器，由局部线性模型导出，引导滤波通过考虑引导图像的内容特征来计算滤波输出图像，其中引导图像可以是图像本身或者其他不同图像。引导滤波算法是一种可以保持边缘的一种滤波算法。引导滤波算法在进行滤波时需要一幅引导图像，引导图像可以是另外单独的图像，也可以是输入图像本身，当引导图为输入图像本身时，引导滤波就成为一个保持边缘的滤波操作。
57.海雾现象经常出现在我国海上和沿海地带，致使海上能见度地，影响船舶瞭望、港口和海上视觉监控、船舶视觉导航、船舶目标检测及海上交通的正常运行，甚至造成海上船舶封航状态，降低港口通航效率，造成较大经济损失。海雾天气下，大量水滴与冰晶悬浮在空气中对光线进行折射和散射，光线经过折射和散射后与物体反射光线混合，会造成可见光图像采集设备获得的图像纹理模糊和对比度丢失。图像去雾算法从原理上分为基于物理模型的复原去雾算法和基于非物理模型的增强去雾算法。但是目前相关技术中，无论是基于物理模型的复原去雾算法还是基于非物理模型的增强去雾算法，在海上图像去雾效果上仍存在细节丢失、亮度损失较大和色彩失真等问题，严重制约海上交通视觉监控系统的性能，如何有效提高海雾图像的去雾效果没有很好的方法。
58.本发明的一个实施例提供了一种海上图像去雾处理方法、系统及存储介质，能够有效提升海上图像去除海雾的效果，有效增强了去雾后的图像质量。参照图1，本发明实施例的方法包括但不限于步骤s110、步骤s120、步骤s130、步骤s140、步骤s150、步骤s160、步骤s170和步骤s180。
59.具体地，本发明实施例的方法应用过程包括但不限于以下步骤：
60.s110：将海上图像转换到hsv颜色空间，得到第一转换图像。其中，第一转换图像包括色相通道数据、饱和度通道数据以及明度通道数据。
61.s120：通过引导滤波算法对海上图像进行处理，得到图像细节层。
62.s130：将引导滤波算法与多尺度视网膜算法进行融合，得到改进多尺度视网膜算法。
63.s140：通过改进多尺度视网膜算法对明度通道数据进行处理，得到反射分量。
64.s150：将色相通道数据、饱和度通道数据以及反射分量进行合并，得到合并数据。
65.s160：将合并数据转换到rgb颜色空间，得到图像基础层。
66.s170：将图像细节层和图像基础层进行合并，得到合并图像。
67.s180：对合并图像进行色彩校正，得到目标输出图像。
68.在本具体实施例工作过程中，本实施例首先将需要进行去雾处理的海上图像转换到hsv颜色空间，得到第一转换图像。具体地，第一转换图像包括色相通道数据、饱和度通道数据以及明度通道数据。本实施例中需要进行去雾处理的海上图像为rgb颜色空间图像。通
过传统的去雾算法，如多尺度视网膜算法(multi scale retinex，msr)，直接对rgb颜色空间图像进行去雾处理时，会破坏三颜色通道间的相互关系，导致图像失真。因此，本实施例通过将海上图像转换到hsv颜色空间后再对明度通道数据进行处理的方式，缓解图像失真的问题，有效保持了图像的色彩信息。相应地，本实施例中rgb颜色空间图像和hsv颜色空间图像之间的转换公式如下式(1)、(2)和(3)所示：
[0069][0070][0071]
v＝max(r,g,b)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0072]
其中，式中r、g、b分别表示rgb空间中三通道各个像素点的值，max(r,g,b)表示rgb三通道中的最大值，min(r,g,b)表示rgb三通道中的最小值，c＝max(r,g,b)-min(r,g,b)。
[0073]
进一步地，本实施例通过引导滤波算法对需要进行去雾处理的海上图像进行滤波处理，得到图像细节层。本实施例通过引导滤波保边平滑的特性对原始的海上图像进行处理，得到海上图像的细节层，以增加海上图像边缘梯度。具体地，在引导滤波算法中引导图像和输出图像在局部窗口中成线性关系，表达式如下式(4)所示：
[0074][0075]
其中，式中qi表示输出图像，ii表示引导图像；ak和bk表示窗口位于k时，线性函数的系数；ωk表示半径为r的局部矩形窗口。接着，对上式(4)两端求梯度，如下式(5)所示：
[0076][0077]
其中，式中表示梯度算子，输出图像q将获得与引导图像i相似的梯度，因此引导滤波具有保边特性。进一步地，为了保持局部线性模型的同时，最小化输入图像p和输出图像q的差异，最小化如下式(6)所示：
[0078][0079]
同时，通过运用最下二乘法求解得到下式(7)和(8)：
[0080][0081][0082]
其中，式中ε为控制滤波效果的重要参数，且能防止ak过大，μk和分别表示引导图像窗口部分的均值和方差，|ω|表示窗口部分图像的像素数，表示输入图像p窗口部分的均值。如果引导图像i等于输入图像p，则上式(7)、(8)可简化为下式(9)和(10)所示：
[0083][0084]bk
＝(1-ak)μkꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0085]
本实施例中当窗口位于图像边缘区域时，远大于ε，此时，ak≈1，bk≈0，q≈i；当窗口位于图像非边缘区域时，远小于ε，此时，ak≈0，bk≈μk，q≈μk，即像素均值。因此，引导滤波结果边缘部分得以保留，其他部分均值平滑，达到保持边缘、平滑降噪的作用。
[0086]
进一步地，本实施例将引导滤波算法与多尺度视网膜算法进行融合，得到改进多尺度视网膜算法，并通过改进多尺度视网膜算法对明度通道数据进行处理，得到反射分量。具体地，传统的msr算法(多尺度视网膜算法)通常认为光照具有均匀性，采用高斯滤波估计照射分量。但这种方法的处理结果会导致丢失图像结构信息，对图像边缘造成破坏。本实施例通过将引导滤波算法与多尺度视网膜算法进行融合，以通过引导滤波的保持边缘、平滑降噪的作用，缓解传统msr算法导致的图像结构信息丢失以及图像边缘破坏问题，有效提高去雾效果。同时，本实施例通过改进得到的多尺度视网膜算法单独对第一转换图像的明度通道数据进行处理，计算明度通道的照射分量，从而得到相应的反射分量。本实施例通过单独对第一转换图像的明度分量进行处理增强的方式，以有效保持图像处理过程中图像的色彩信息，缓解图像失真的问题。接着，本实施例将色相通道数据、饱和度通道数据以及反射分量进行合并，得到合并数据，并将合并数据转换到rgb颜色空间，从而得到图像基础层。容易理解的是，经过对第一转换图像的明度分量进行处理后合并得到的合并数据在hsv颜色空间中，因此需要将其转换回rgb颜色空间，构建得到图像基础层。进一步地，本实施例将图像细节层和图像基础层进行合并得到合并图像。同时，本实施例通过对合并图像进行色彩校正的方式，缓解去雾处理引起的色彩变化问题，得到目标输出图像。本实施例通过引导滤波算法以及改进多尺度失望视网膜算法对海上图像进行处理，有效提升海上图像去除海雾的效果，有效增强了去雾后的图像质量。
[0087]
在本发明的一些实施例中，将引导滤波算法与多尺度视网膜算法进行融合，得到改进多尺度视网膜算法，包括但不限于：
[0088]
将引导滤波算法替换多尺度视网膜算法中的高斯滤波算法，得到改进多尺度视网膜算法。
[0089]
在本具体实施例中，本实施例通过引入引导滤波算法对多尺度视网膜算法进行改进。具体地，本实施例通过将引导滤波算法替换多尺度视网膜算法中的高斯滤波算法，从而得到改进多尺度视网膜算法。由于传统的多尺度视网膜算法中通常认为光照具有均匀性，因此才有高斯滤波算法估计照射分量。但实际应用过程中，通过高斯滤波算法的方案会出现丢失图像结构信息，图像边缘信息造成损坏。因此，本实施例通过使用引导滤波算法替换多尺度视网膜算法中的高斯滤波算法的方式对多尺度视网膜算法进行改进，得到改进多尺度视网膜算法，以缓解图像结构信息丢失以及图像边缘损坏的问题，提升海上图像去雾处理的效果。
[0090]
在本发明的一些实施例中，通过改进多尺度视网膜算法对明度通道数据进行处理，得到反射分量，包括但不限于：
[0091]
设置不同尺度的中心环绕函数。其中，中心环绕函数为引导滤波函数。
[0092]
根据明度通道数据通过不同尺度的中心环绕函数计算得到不同尺度的视网膜算法增强结果。
[0093]
将不同尺度的视网膜算法增强结果进行加权平均，得到加权平均数据。
[0094]
将加权平均数据进行量化得到反射分量。
[0095]
在本具体实施例中，本实施例通过将明度通道数据输入改进多尺度视网膜算法进行处理，得到相应的反射分量。具体地，本实施例首先设置不同尺度的中心环绕函数。本实施例中该中心环绕函数为引导滤波函数。其中，不同尺度的中心环绕函数指不同的引导滤波函数对应的引导滤波的滤波窗口大小不一样。接着，本实施例根据输入的明度通道数据通过不同尺度的中心环绕函数分别计算得到相应的不同尺度的视网膜算法增强结果。然后，本实施例将不同尺度的视网膜算法增强结果进行加权平均，得到加权平均数据，并将该加权平均数据量化得到反射分量。示例性地，本实施例首先设置不同尺度的中心环绕函数，即引导滤波函数yn(x,y),n＝1,2,3,
…
,n。接着，本实施例根据明度通道数据计算不同尺度的retinex增强结果计算公式如下式(11)所示：
[0096][0097]
其中，式中sn(x,y)表示原始图像，*表示卷积符号，gn(x,y)*sn(x,y)表示求得的照射分量。
[0098]
进一步地，本实施例通过将计算得到的不同尺度的增强结果进行加权平均，得到加权平均数据，如下式(12)所示：
[0099][0100]
其中，式中wn表示不同尺度的权重因子。
[0101]
接着，本实施例通过将计算得到的加权平均数据rn(x,y)量化得到反射分量r(x,y)。
[0102]
在本发明的一些实施例中，将图像细节层和图像基础层进行合并，得到合并图像，包括但不限于：
[0103]
将图像细节层放大预设倍数，得到预设细节层。
[0104]
将图像基础层和预设细节层进行线性相加，得到合并图像。
[0105]
在本具体实施例中，本实施例通过将图像细节层和图像基础层进行合并得到相应的合并图像。具体地，本实施例首先将图像细节层进行放大，以使得到的预设细节层与图像基础层匹配。接着，本实施例将图像基础层与预设细节层进行线性相加得到合并图像。本实施例通过线性相加的方式将预设细节层加到图像基础层，得到相应的合并图像。
[0106]
在本发明的一些实施例中，通过引导滤波算法对海上图像进行处理，得到图像细节层，包括但不限于：
[0107]
通过引导滤波算法对海上图像进行滤波处理，得到滤波图像。
[0108]
将海上图像减去滤波图像得到图像细节层。
[0109]
在本具体实施例中，本实施例通过引导滤波算法对初始的海上图像处理得到相应的图像细节层。具体地，本实施例首先通过引导滤波算法对需要进行去雾处理的海上图像进行滤波处理，得到滤波图像。接着，本实施例通过将初始的海上图像减去滤波图像，得到图像细节层。示例性地，本实施例先将需要进行去雾处理的海上图像的原始图像输入引导滤波器进行滤波处理，得到滤波图像。然后，本实施例通过将该海上图像的初始图像减去经过引导滤波后得到的滤波图像，从而构建得到相应的图像细节层。
[0110]
在本发明的一些实施例中，在执行将色相通道数据、饱和度通道数据以及反射分量进行合并，得到合并数据这一步骤之前，本实施例提供的海上图像去雾方法还包括但不限于：
[0111]
将色相通道数据进行归一化处理得到色相通道归一化数据。
[0112]
将饱和度通道数据进行归一化处理得到饱和度通道归一化数据。
[0113]
将反射分量进行归一化处理得到反射分量归一化数据。
[0114]
在本具体实施例中，本实施例在将色相通道数据、饱和度通道数据以及反射分量进行合并之前先将各项数据进行归一化处理后再进行合并。具体地，本实施例通过归一化去除反射分量中的加性分量，以缓解处理后的图像像素值大于255的问题，且归一化不会改变图像本身的信息存储。本实施例首先将色相通道数据进行归一化处理得到色相通道归一化数据，同时，将饱和度通道数据进行归一化处理得到饱和度通道归一化数据。进一步地，本实施例将反射分量也进行归一化处理得到反射分量归一化数据。本实施例通过将各通道的数据进行归一化处理，以保持三通道像素分布值一致。示例性地，本实施例中通过用mapminmax函数进行归一化处理，公式如下式(13)所示：
[0115][0116]
其中，式中x为预处理数据，y
min
和y
max
为设置的期望最小值和最大值。
[0117]
在本发明的一些实施例中，将色相通道数据、饱和度通道数据以及反射分量进行合并，得到合并数据，包括但不限于：
[0118]
将色相通道归一化数据、饱和度通道归一化数据以及反射分量归一化数据进行合并，得到合并数据。
[0119]
在本具体实施例中，当将各个通道的数据进行归一化处理后，本实施例通过将色相通道归一化数据、饱和度通道归一化数据以及反射分量归一化数据进行合并得到合并数据。具体地，本实施例通过将归一化后的三个通道的数据进行合并，从而缓解图像像素值大于255，或者由于仅对明度通道进行处理导致的各通道像素分布不一致的问题，构建得合理的hsv颜色空间数据，即合并数据。
[0120]
需要说明的是，在本发明的一些实施例中，通过白平衡处理对合并图像进行色彩校正，得到目标输出图像。由于不同场景光源拍摄到的图像呈现出不同的颜色，而在海上场景拍摄的图像色彩偏蓝。且经过去雾处理后，色彩相对会发生变化。因此，本实施例通过基于动态阈值的白平衡算法对图像中物体本来的色彩进行还原，通过白点校正和白点检测对图像进行颜色校正，从而得到最终的去雾处理结果，即目标输出图像。
[0121]
本发明的一个实施例还提供了一种海上图像去雾处理系统，包括：
[0122]
第一转换模块，用于将海上图像转换到hsv颜色空间，得到第一转换图像。其中，第一转换图像包括色相通道数据、饱和度通道数据以及明度通道数据。
[0123]
第一处理模块，用于通过引导滤波算法对海上图像进行处理，得到图像细节层。
[0124]
构建模块，用于将引导滤波算法与多尺度视网膜算法进行融合，得到改进多尺度视网膜算法。
[0125]
第二处理模块，用于通过改进多尺度视网膜算法对明度通道数据进行处理，得到反射分量。
[0126]
第一合并模块，用于将色相通道数据、饱和度通道数据以及反射分量进行合并，得到合并数据。
[0127]
第二转换模块，用于将合并数据转换到rgb颜色空间，得到图像基础层。
[0128]
第二合并模块，用于将图像细节层和图像基础层进行合并，得到合并图像。
[0129]
色彩校正模块，用于对合并图像进行色彩校正，得到目标输出图像。
[0130]
参照图2，本发明的一个实施例还提供了一种海上图像去雾处理系统，包括：
[0131]
至少一个处理器210。
[0132]
至少一个存储器220，用于存储至少一个程序。
[0133]
当至少一个程序被至少一个处理器210执行，使得至少一个处理器210实现如上述实施例描述的海上图像去雾处理方法。
[0134]
本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，例如，执行以上实施例描述的步骤。
[0135]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0136]
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。