一种图像感知哈希方法、系统、设备及信息数据处理终端与流程

1.本发明属于图像处理技术领域，尤其涉及一种图像感知哈希方法、系统、设备及信息数据处理终端。


背景技术：

2.目前，随着移动互联网的迅速发展，图像具有的信息量大、传输速度快等优点使得它成为人类获知信息的重要来源。图像可以表达的信息量既比文字多得多，又更为直观得多。
3.因而，人们在学习、工作、生活等各个方面几乎都离不开图像。但是，图像的易获取、冗余性高、保密性低、对失真不敏感、易编辑等特点。
4.密码哈希的出现，虽然在一定程度上避免了这种情况的出现，但还存在很多弊端。在密码哈希中，是使用一个函数(算法)来完成一种将关键字映射到存储器地址的映射，根据用户给出的关键字，经函数计算得到目标地址，再进行目标的检索。密码哈希要求原文件不允许有任何改变，哪怕是任何细微的改变，都会使生成的哈希值改变。所以说，密码哈希只是在一定程度上避免了恶意用户的复制，并不能避免恶意用户对原图的恶意篡改。
5.针对上面的问题，并考虑到当下人们在图像版权部分的确权难，维权难，因此，迫切需要一种能够有效避免恶意用户盗取他人图片进行确权，或者对原图进行常规处理，导致原图发生改变后再次确权的方法。本发明正是基于这种现实需求而产生的。
6.通过上述分析，现有技术存在的问题及缺陷为：现有密码哈希只能在一定程度上避免恶意用户的复制，并不能避免恶意用户对原图的恶意篡改。
7.解决以上问题及缺陷的难度为：如何保证恶意用户对原图进行一系列常规处理(边角裁剪、格式转换)导致原图发生改变后能够检测出其侵权。
8.解决以上问题及缺陷的意义为：在一定程度上预防恶意用户在没有得到原图所有者授权的情况下任意复制、修改有版权的图像，在图像版权保护上有很大的实用价值。


技术实现要素：

9.针对现有技术存在的问题，本发明提供了一种图像感知哈希方法、系统、设备及信息数据处理终端，尤其涉及一种基于点扩散块截断编码的图像感知哈希方法、系统、设备及信息数据处理终端。
10.本发明是这样实现的，一种图像感知哈希方法，所述图像感知哈希方法包括以下步骤：
11.步骤一，尺寸缩放：将尺寸为m
×
n的输入图像缩小为256
×
256的小图像；缩小计算量。
12.步骤二，灰度处理：将得到的小图像灰度化处理；灰度化之后图像矩阵维数下降，运算速度大幅度提高，并且梯度信息仍然保留。
13.步骤三，dct变换：通过离散余弦变换dct算法对灰度化的图片进行压缩处理，得到
dct的系数矩阵后缩小dct，只保留dct92
×
92的矩阵，从而获取到图片中的低频部分；获取图片低频部分，即图像主要的特征信息。
14.步骤四，图像分解：将缩小dct后的92
×
92矩阵分割成若干个4
×
4的图像子块，进而生成最大量化器和最小量化器以及位图图像；分块4
×
4的目的是便于bpf的计算。
15.步骤五，特征提取：根据生成的最大量化器和最小量化器以及位图图像，构建颜色直方图特征chf和位模式特征bpf；
16.步骤六，指纹生成：将chf和bpf特征合并，并二值化得到图像指纹。
17.进一步，步骤四中，所述将缩小dct后的92
×
92矩阵分割成若干个4
×
4的图像子块，生成最大量化器和最小量化器以及位图图像，包括：
18.(1)将缩小dct后的92
×
92矩阵分割成个互不重叠的图像子块，假设i
k
表示第k个大小为m
×
n的图像子块，i
k
(i,j)表示第k个图像子块在(i,j) 位置的像素值；其中，i＝1,2,...,m，j＝1,2,...,n，m＝n＝92， m＝n＝4；
19.(2)分块后，最大和最小量化器可以根据如下公式获得：
[0020][0021][0022]
其中，表示第k个图像子块的最大量化器，表示在第k个图像子块内任意(i,j)位置的像素值，表示第k个图像子块的最小量化器；
[0023]
(3)位图图像也是在分块的基础上进行操作，在分块后，定义一个与载体图像子块大小相同的优先级矩阵o，优先级矩阵表示每个图像子块中每个像素的处理顺序，优先级矩阵中元素对的值越小，图像子块在该位置像素的处理优先级越高。
[0024]
进一步，步骤(3)中，所述对于每个图像子块，依次按照优先级矩阵中定义的每个图像子块中像素的处理顺序，对每个图像子块的每个像素按照下列步骤处理：
[0025]
1)对于第k个图像子块在(i,j)位置的像素i
k
(i,j)，确定该像素的邻域，邻域如下所示：
[0026][0027]
2)计算像素i
k
(i,j)邻域上所有未处理像素上的扩散权重总和sum，公式如下：
[0028][0029]
其中，o(i,j)表示像素i
k
(i,j)在优先级矩阵中的处理顺序，o(i p,j q)表示像素i
k
(i,j)邻域上的像素在优先级矩阵中的处理顺序，w(p,q)表示扩散矩阵中的加权值；
[0030]
3)计算第k个图像子块在(i,j)位置的像素i
k
(i,j)经过点扩散块截断编码之后的像素值v
k
(i,j)，公式如下：
[0031]
v
k
(i,j)＝i
k
(i,j) s(i,j)；
[0032][0033][0034]
其中，和分别表示第k个图像子块中的最大像素值和最小像素值，表示第k个子块的平均值，sum为步骤2)中所求的第k个图像子块中像素i
k
(i,j)邻域上所有未处理像素上的扩散权重总和，v
k
的初始值为第k个图像子块的原始像素值；另外，若i
k
(i,j)处于图像子块的边界，则像素i
k
(i,j)的领域不包括超过图像子块边界的像素；
[0035]
4)得到经过点扩散块截断编码之后的像素值v
k
(i,j)后，第k个图像子块的位图图像bm可通过如下公式得到：
[0036][0037]
其中，bm
k
(i,j)表示第k个图像子块在(i,j)位置的位图图像值，v
k
(i,j)表示第 k个图像子块在(i,j)位置经过编码之后的像素值，表示v
k
的平均值。
[0038]
进一步，步骤五中，所述根据生成的最大量化器和最小量化器以及位图图像，构建颜色直方图特征chf和位模式特征bpf，包括：
[0039]
(1)chf是描述彩色图像亮度和对比度的有效特征，而量化器的分布可以有效地描述图像内容及其对应的对比度；所述chf包括chf
max
和chf
min
两个特征，chf
max
表示由最小量化器与码本索引并进行直方图统计构成的特征，chf
min
表示由最大量化器与码本索引并进行直方图统计构成的特征；
[0040]
(2)bpf用于表示图像的边缘和视觉纹理图案。
[0041]
进一步，步骤(1)中，所述计算步骤如下：
[0042]
1)使用lbg
‑
vq生成码本c＝{c1,...,c
t
,...,c
θ
}；其中c
t
表示码本c中第t个码字，t＝1,2,...,θ，θ表示码本c中码字的个数，根据如下公式，分别计算码字与两个量化器最小距离的索引：
[0043][0044][0045]
其中，表示第k个图像子块的最大量化器和码本c中某个码字c
t
最近距离的索引，arg表示求取索引操作，表示求取距离公式，c
t
表示码本c中的第t个码字，表示第k个图像子块的最小量化器和码本c中某个码字c
t
最近距离的索引；
[0046]
2)在经过最大量化器和最小量化器与码本进行索引后，chf
max
和chf
min
可根据如下公式求出：
[0047][0048][0049]
其中，t＝1,2,...,θ，θ表示码本c中码字的个数，pr{.}表示进行直方图统计操作，至此得到chf
max
和chf
min
两个特征。
[0050]
进一步，步骤(2)中，所述bpf计算步骤如下：
[0051]
1)使用binary
‑
lbg
‑
vq训练生成由二进制码字组成的位模式码本，记为 b＝{b1,b2,...b
β
}；
[0052]
2)将通过编码后产生的位图图像和位模式码本分成大小相同的块，并以子块为索引单位，使用位图图像对位模式码本进行位模式索引，位模式索引规则如下公式所示：
[0053][0054]
其中，arg表示求取索引操作，bm
k
表示位图图像中第k个图像子块，b
t
表示对位模式码本分块之后的第t个子块，t＝1,2,...,σ；σ表示位模式码本分块的块数，表示第k个位图图像子块在位模式码本上的索引，符号δ{.,.}表示两个二进制子块之间的海明距离；
[0055]
3)在位图图像和位模式码本上执行位模式索引之后，将得到的结果进行直方图统计即可得到bpf，公式如下：
[0056][0057]
其中，t表示位模式码本中第t个子块的索引，t＝1,2,...,σ，σ表示位模式码本分块的块数，pr{.}表示进行求取直方图操作，至此得到bpf。
[0058]
进一步，步骤六中，所述将chf和bpf特征合并，并二值化得到图像指纹，包括：
[0059]
(1)将chf
max
、chf
min
和bpf进行合并，得到合并向量v：
[0060]
v＝{chf
max
,chf
min
,bpf}；
[0061]
假设chf
max
表示大小为1
×
η的向量，则chf
min
的大小也为1
×
η，bpf表示大小为1
×
μ的向量，则v表示大小为1
×
(η η μ)的合并向量；
[0062]
(2)将合并向量v进行二值化，得到图像指纹k，公式如下：
[0063][0064]
其中，k(i)表示图像指纹中第i个元素的值，v(i)表示向量v中的第i个元素， m＝mean(v)，表示向量v的平均值，mean表示求平均值操作。
[0065]
本发明的另一目的在于提供一种应用所述的图像感知哈希方法的图像感知哈希系统，所述图像感知哈希系统包括：
[0066]
尺寸缩放模块，用于将尺寸为m
×
n的输入图像缩小为256
×
256的小图像；
[0067]
灰度处理模块，用于将得到的小图像灰度化处理；
[0068]
dct变换模块，用于通过离散余弦变换dct算法对灰度化的图片进行压缩处理，得到dct的系数矩阵后缩小dct，只保留dct92
×
92的矩阵，从而获取到图片中的低频部分；
[0069]
图像分解模块，用于将缩小dct后的92
×
92矩阵分割成若干个4
×
4的图像子块，进而生成最大量化器和最小量化器以及位图图像；
[0070]
特征提取模块，用于根据生成的最大量化器和最小量化器以及位图图像，构建颜色直方图特征chf和位模式特征bpf；
[0071]
指纹生成模块，用于将chf和bpf特征合并，并二值化得到图像指纹。
[0072]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0073]
将尺寸为m
×
n的输入图像缩小为256
×
256的小图像；将得到的小图像灰度化处理；通过离散余弦变换dct算法对灰度化的图片进行压缩处理，得到dct 的系数矩阵后缩小dct，只保留dct92
×
92的矩阵，从而获取到图片中的低频部分；将缩小dct后的92
×
92矩阵分割成若干个4
×
4的图像子块，进而生成最大量化器和最小量化器以及位图图像；根据生成的最大量化器和最小量化器以及位图图像，构建颜色直方图特征chf和位模式特征bpf；将chf和bpf特征合并，并二值化得到图像指纹。
[0074]
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的图像感知哈希系统。
[0075]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的图像感知哈希方法，可以通过对比图像指纹有效地防止恶意用户盗取他人图片进行确权，或者对原图常规处理(边框裁剪、格式转化等)，导致原图发生改变后再次确权，在图像版权保护应用中具有重要的使用价值。
[0076]
实验结果表明，本发明的图像感知哈希方法的检测率明显要高于传统的 phash方法，能够有效预防恶意用户对他人已确权的图片进行常规处理，导致原图发生变化后再次确权，在图像确权系统中具有很高的使用价值。
附图说明
[0077]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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的前提下还可以根据这些附图获得其他的附图。
[0078]
图1是本发明实施例提供的图像感知哈希方法流程图。
[0079]
图2是本发明实施例提供的图像感知哈希方法原理图。
[0080]
图3是本发明实施例提供的图像感知哈希系统结构框图；
[0081]
图中：1、尺寸缩放模块；2、灰度处理模块；3、dct变换模块；4、图像分解模块；5、特征提取模块；6、指纹生成模块。
[0082]
图4是本发明实施例提供的颜色直方图特征chf的计算流程图。
[0083]
图5是本发明实施例提供的位模式特征bpf的计算流程图。
[0084]
图6是本发明实施例提供的最终图片指纹计算流程图。
具体实施方式
[0085]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0086]
针对现有技术存在的问题，本发明提供了一种图像感知哈希方法、系统、设备及信息数据处理终端，下面结合附图对本发明作详细的描述。
[0087]
如图1所示，本发明实施例提供的图像感知哈希方法包括以下步骤：
[0088]
s101，尺寸缩放：将尺寸为m
×
n的输入图像缩小为256
×
256的小图像；
[0089]
s102，灰度处理：将得到的小图像灰度化处理；
[0090]
s103，dct变换：通过离散余弦变换dct算法对灰度化的图片进行压缩处理，得到dct的系数矩阵后缩小dct，只保留dct 92
×
92的矩阵，从而获取到图片中的低频部分；
[0091]
s104，图像分解：将缩小dct后的92
×
92矩阵分割成若干个4
×
4的图像子块，进而生成最大量化器和最小量化器以及位图图像；
[0092]
s105，特征提取：根据生成的最大量化器和最小量化器以及位图图像，构建颜色直方图特征chf和位模式特征bpf；
[0093]
s106，指纹生成：将chf和bpf特征合并，并二值化得到图像指纹。
[0094]
本发明实施例提供的图像感知哈希方法原理图如图2所示。
[0095]
如图3所示，本发明实施例提供的图像感知哈希系统包括：
[0096]
尺寸缩放模块1，用于将尺寸为m
×
n的输入图像缩小为256
×
256的小图像；
[0097]
灰度处理模块2，用于将得到的小图像灰度化处理；
[0098]
dct变换模块3，用于通过离散余弦变换dct算法对灰度化的图片进行压缩处理，得到dct的系数矩阵后缩小dct，只保留dct92
×
92的矩阵，从而获取到图片中的低频部分；
[0099]
图像分解模块4，用于将缩小dct后的92
×
92矩阵分割成若干个4
×
4的图像子块，进而生成最大量化器和最小量化器以及位图图像；
[0100]
特征提取模块5，用于根据生成的最大量化器和最小量化器以及位图图像，构建颜色直方图特征chf和位模式特征bpf；
[0101]
指纹生成模块6，用于将chf和bpf特征合并，并二值化得到图像指纹。
[0102]
下面结合实施例对本发明的技术方案作进一步描述。
[0103]
如图1
‑
图2所示，本发明提供基于点扩散块截断编码的图像感知哈希方法包括以下步骤：
[0104]
步骤1：尺寸缩小。根据需要，将尺寸大小为m
×
n的图像缩小为宽度为256 高度也为256的小图像；
[0105]
步骤2：图像灰度化。将步骤1得到的小图像灰度化处理；
[0106]
步骤3：dct变换。通过离散余弦变换dct算法对灰度化的图片进行压缩处理，得到dct的系数矩阵后缩小dct，只保留dct92
×
92的矩阵,从而获取到图片中的低频部分；
[0107]
步骤4：图像分解。将缩小dct后的92
×
92矩阵分割成若干个4
×
4的小块，进而生成最大量化器和最小量化器以及位图图像；
[0108]
步骤5：特征提取；根据生成的最大量化器和最小量化器以及位图图像构建颜色直方图特征chf和位模式特征bpf；
[0109]
步骤6：生成图像指纹；将chf和bpf特征合并，并二值化得到图片指纹。
[0110]
其中，图像缩小步骤在具体实施时，可以将宽度为m高度为n的图像，均匀划分为256
×
256个块，宽度方向和高度方向都分为256份，取每个块中各个颜色分量的平均值，就可以得到宽度为256高度为256的小图像。
[0111]
图像灰度化处理在具体实施时，可将彩色图像中一个像素的红、绿、蓝分量分别记为r、g、b，则该像素的灰度值y＝r
×
0.299 g
×
0.587 b
×
0.114。
[0112]
在具体实施时，图像分解步骤如下：
[0113]
(1)将缩小dct后的92
×
92矩阵分割成个互不重叠的图像子块，假设i
k
表示第k个大小为m
×
n的图像子块，i
k
(i,j)表示第k个图像子块在(i,j)位置的像素值，其中，i＝1,2,...,m，j＝1,2,...,n，m＝n＝92， m＝n＝4；
[0114]
(2)分块后，最大和最小量化器可以根据如下公式获得：
[0115][0116][0117]
其中，表示第k个图像子块的最大量化器，表示在第k个图像子块内任意(i,j)位置的像素值，表示第k个图像子块的最小量化器；
[0118]
(3)位图图像也是在分块的基础上进行操作，在分块后，定义一个与载体图像子块大小相同的优先级矩阵o，优先级矩阵表示每个图像子块中每个像素的处理顺序，优先级矩阵中元素对的值越小，图像子块在该位置像素的处理优先级越高；
[0119]
对于每个图像子块，依次按照优先级矩阵中定义的每个图像子块中像素的处理顺序，对每个图像子块的每个像素按照下列步骤处理：
[0120]
1)对于第k个图像子块在(i,j)位置的像素i
k
(i,j)，确定该像素的邻域，邻域如下所示：
[0121][0122]
2)计算像素i
k
(i,j)邻域上所有未处理像素上的扩散权重总和sum，公式如下：
[0123][0124]
其中，o(i,j)表示像素i
k
(i,j)在优先级矩阵中的处理顺序，o(i p,j q)表示像素i
k
(i,j)邻域上的像素在优先级矩阵中的处理顺序，w(p,q)表示扩散矩阵中的加权值；
[0125]
3)计算第k个图像子块在(i,j)位置的像素i
k
(i,j)经过点扩散块截断编码之后的像素值v
k
(i,j)，公式如下：
[0126]
v
k
(i,j)＝i
k
(i,j) s(i,j)
[0127][0128][0129]
其中，和分别表示第k个图像子块中的最大像素值和最小像素值，表示第k个子块的平均值，sum为步骤2)中所求的第k个图像子块中像素i
k
(i,j)邻域上所有未处理像素上的扩散权重总和，v
k
的初始值为第k个图像子块的原始像素值。另外，若i
k
(i,j)处于图像子块的边界，则像素i
k
(i,j)的领域不包括超过图像子块边界的像素。
[0130]
4)得到经过点扩散块截断编码之后的像素值v
k
(i,j)后，第k个图像子块的位图图像bm可通过如下公式得到：
[0131][0132]
其中，bm
k
(i,j)表示第k个图像子块在(i,j)位置的位图图像值，v
k
(i,j)表示第 k个图像子块在(i,j)位置经过编码之后的像素值，表示v
k
的平均值。
[0133]
如图4所示，本发明特征提取中构建颜色直方图特征chf的步骤如下：
[0134]
(1)使用lbg
‑
vq生成码本c＝{c1,...,c
t
,...,c
θ
}，其中c
t
表示码本c中第t个码字，t＝1,2,...,θ，θ表示码本c中码字的个数，根据如下公式，分别计算码字与两个量化器最小距离的索引：
[0135][0136][0137]
其中，表示第k个图像子块的最大量化器和码本c中某个码字c
t
最近距离的索引，arg表示求取索引操作，表示求取距离公式，c
t
表示码本c中的第t个码字，表示第k个图像子块的最小量化器和码本c中某个码字c
t
最近距离的索引；
[0138]
(2)在经过最大量化器和最小量化器与码本进行索引后，chf
max
和chf
min
可根据如下公式求出：
[0139][0140][0141]
其中，t＝1,2,...,θ，θ表示码本c中码字的个数，pr{.}表示进行直方图统计操作，至此，得到chf
max
和chf
min
两个特征。
[0142]
如图5所示，本发明特征提取中构建位模式特征bpf的步骤如下：
[0143]
(1)首先使用binary
‑
lbg
‑
vq训练生成由二进制码字组成的位模式码本，记为b＝{b1,b2,...b
β
}。在位模式码本生成期间，所有码向量在每个训练过程中标识为一个在0和1
范围之内的值，训练矢量首先在超立方体空间的角落上进行初始化，随后在训练期间通过向超立方体内部进行移动来更新和计算码矢量，训练结束后，对所有的码矢量进行二值化处理来获取最终的结果，该过程可以将大于阈值0.5的值调整为1，小于或等于0.5的值调为0；
[0144]
(2)然后将通过编码后产生的位图图像和位模式码本分成大小相同的块，并以子块为索引单位，使用位图图像对位模式码本进行位模式索引，位模式索引规则如下公式所示：
[0145][0146]
其中，arg表示求取索引操作，bm
k
表示位图图像中第k 个图像子块，b
t
表示对位模式码本分块之后的第t个子块,t＝1,2,...,σ，σ表示位模式码本分块的块数，表示第k个位图图像子块在位模式码本上的索引，符号δ{.,.}表示两个二进制子块之间的海明距离；
[0147]
(3)在位图图像和位模式码本上执行位模式索引之后，将得到的结果进行直方图统计即可得到bpf，公式如下：
[0148][0149]
其中t表示位模式码本中第t个子块的索引，t＝1,2,...,σ，σ表示位模式码本分块的块数，pr{.}表示进行求取直方图操作，至此得到bpf。
[0150]
如图6所示，本发明中图像指纹计算流程如下：
[0151]
(1)将chf
max
、chf
min
和bpf进行合并，得到合并向量v：
[0152]
v＝{chf
max
,chf
min
,bpf}
[0153]
假设chf
max
表示大小为1
×
η的向量，则chf
min
的大小也为1
×
η，bpf表示大小为1
×
μ的向量，则v表示大小为1
×
(η η μ)的合并向量；
[0154]
(2)将合并向量v进行二值化，得到图像指纹k，公式如下：
[0155][0156]
其中，k(i)表示图像指纹中第i个元素的值，v(i)表示向量v中的第i个元素， m＝mean(v)，表示向量v的平均值，mean表示求平均值操作。
[0157]
下面设计一组实验，对比现有感知哈希方法phash和本发明的基于点扩散块截断编码的感知哈希方法在确权系统中针对恶意用户对已确权图片的恶意篡改后再次确权的检测能力。本发明首先在图片确权系统确权100张图片，然后对这100张图片进行恶意篡改(边角裁剪、格式转换等)，获得100张恶意篡改的测试图片并再次确权进行实验。实验结果如表1所示。
[0158]
表1两种感知哈希方法的检测能力对比结果
[0159][0160][0161]
分析实验结果，本发明的基于点扩散块截断编码的图像感知哈希方法的检测率明显要高于传统的phash方法，能够有效预防恶意用户对他人已确权的图片进行常规处理，导致原图发生变化后再次确权，在图像确权系统中具有很高的使用价值。
[0162]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0163]
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技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。