图像处理方法、装置、计算机设备及存储介质与流程

1.本发明涉及图像处理领域，尤其涉及一种图像处理方法、装置、计算机设备及存储介质。


背景技术：

2.相关技术中，随着人工智能的崛起，基于人工智能算法从识别、检测、抠像、跟踪、生成和超分辨率图像增强等等应用席卷生活的方方面面。在深度学习算法不断落地到用户实实在在应用场景中时，基于图像多尺度特征进行图像处理越来越普遍，但现有的算法图像处理的效果较差。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种图像处理方法、装置、计算机设备及存储介质，能够提高图像处理的效果。
4.根据本发明的第一方面实施例的图像处理方法，包括：
5.获取原始图像，并根据所述原始图像得到多个特征图；其中，所述多个特征图包括分辨率互不相同的第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图；
6.基于所述第一分辨率子图、所述第二分辨率子图、所述第三分辨率子图和所述第四分辨率子图根据分辨率高低进行特征融合处理得到目标特征图；
7.根据所述目标特征图和所述原始图像进行特征融合处理，以得到最终目标特征图；
8.将所述最终目标特征图输入第一预设卷积层进行卷积处理，以得到精修目标特征图。
9.根据本发明实施例的图像处理方法，至少具有如下有益效果：基于四个互不相同分辨率特征子图根据高低分辨率进行特征融合处理，得到目标特征图，再将目标特征图与原始图像进行特征融合处理得到最终目标特征图，再将最终目标特征图输入第一预设卷积层进行卷积处理，最终得到精修目标特征图，提高了图像处理的效果。
10.根据本发明的一些实施例，所述基于所述第一分辨率子图、所述第二分辨率子图、所述第三分辨率子图和所述第四分辨率子图根据分辨率高低融合得到目标特征图，包括：
11.基于所述第一分辨率子图和所述第二分辨率子图进行第一特征融合处理，以得到第一目标特征图；
12.基于所述第一目标特征图、所述第三分辨率子图和所述第四分辨率子图进行特征融合处理，以得到目标特征图。
13.根据本发明的一些实施例，还包括：
14.基于所述第一分辨率子图和所述第二分辨率子图进行第二特征融合处理，以得到第二目标特征图；
15.将所述第二目标特征图和所述原始图像输入第二预设卷积层进行卷积处理，以得
到第一精修目标特征图；
16.将所述第一精修目标特征图和所述精修目标特征图输入预设损失函数，以得到损失数值；
17.根据调节所述损失数值得到最终精修目标特征图。
18.根据本发明的一些实施例，所述得到损失数值，还包括：
19.基于所述第三分辨率子图和所述第四分辨率子图进行第三特征融合处理，以得到第三目标特征图；
20.将所述第三目标特征图和所述原始图像输入第二预设卷积层进行卷积处理，以得到第二精修目标特征图；
21.将所述第一精修目标特征图、所述第二精修目标特征图和所述精修目标特征图输入预设损失函数，以得到损失数值。
22.根据本发明的一些实施例，所述根据所述目标特征图和所述原始图像进行特征融合处理，以得到最终目标特征图，包括：
23.对所述目标特征图进行卷积处理并插值放大，以得到放大目标特征图；
24.根据所述放大目标特征图和所述原始图像进行级联，得到最终目标特征图。
25.根据本发明的一些实施例，所述基于所述第一分辨率子图和所述第二分辨率子图进行第一特征融合处理，以得到第一目标特征图，包括：
26.根据所述第一分辨率子图和所述第二分辨率子图得到注意力权重；
27.根据所述注意力权重、所述第一分辨率子图和所述第二分辨率子图得到第一目标特征图。
28.根据本发明的一些实施例，还包括：
29.所述第一预设卷积层的层数大于所述第二预设卷积层的层数。
30.根据本发明的第二方面实施例的一种图像处理装置，包括：
31.第一处理模块：用于获取原始图像，并根据所述原始图像得到多个特征图；其中，所述多个特征图包括分辨率互不相同的第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图；
32.第二处理模块：用于基于所述第一分辨率子图、所述第二分辨率子图、所述第三分辨率子图和所述第四分辨率子图根据分辨率高低进行特征融合处理得到目标特征图；
33.第三处理模块：用于根据所述目标特征图和所述原始图像进行特征融合处理，以得到最终目标特征图；
34.第四处理模块：用于将所述最终目标特征图输入第一预设卷积层进行卷积处理，以得到精修目标特征图。
35.根据本发明的第三方面实施例的一种计算机设备，所述计算机设备包括存储器和处理器，其中，所述存储器中存储有程序，所述程序被所述处理器执行时所述处理器用于执行：
36.如本发明的第一方面实施例中任一项所述的方法。
37.根据本发明的第四方面实施例的一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储有计算机程序，在所述计算机程序被计算机执行时，所述计算机用于执行：
38.如本发明的第一方面实施例中任一项所述的方法。
39.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
40.下面结合附图和实施例对本发明做进一步的说明，其中：
41.图1为本发明实施例提供的图像处理方法的整体流程图；
42.图2为本发明实施例提供的另一个图像处理方法的流程图；
43.图3为本发明实施例提供的另一个图像处理方法的流程图；
44.图4为本发明示例一和示例二提供的图像处理方法的流程图。
具体实施方式
45.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
46.在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
47.在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
48.本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
49.本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
50.首先，对本发明中涉及的若干名词进行解析：
51.人工智能(artificial intelligence，ai)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
52.attanet(attention-augmented network)：主要由两个模块组成:条状注意力模块(sam)和注意力融合模块(afm)。
53.自注意力机制(attention mechanism)：注意力机制可以使得神经网络具备专注于其输入(或特征)子集的能力，选择特定的输入，可以应用于任何类型的输入而不管其形状如何。在计算能力有限情况下，注意力机制是解决信息超载问题的主要手段的一种资源分配方案，将计算资源分配给更重要的任务。
54.在相关技术中，随着ai人工智能的崛起，基于ai算法从识别、检测、抠像、跟踪、生成和超分辨率图像增强等等应用如浪潮版席卷生活的方方面面。在深度学习算法不断落地到用户实实在在应用场景中时会发现ai算法大多对平台要求比较高，因此怎样让我们的ai算法一样能跑在低廉的终端设备上是我们需要解决的头等问题，随之带来的还有对效果预期的下降精度的降低，如何平衡性能和效果这个问题是目前ai算法落地的痛点和难点。
55.基于此，本发明实施例提供了一种图像处理方法、装置、计算机设备及存储介质，该图像处理方法包括但不限于如下步骤：
56.获取原始图像，并根据原始图像得到多个特征图；其中，多个特征图包括分辨率互不相同的第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图；基于第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图根据分辨率高低进行特征融合处理得到目标特征图；根据目标特征图和原始图像进行特征融合处理，以得到最终目标特征图；将最终目标特征图输入第一预设卷积层进行卷积处理，以得到精修目标特征图。
57.需要说明的是，本发明实施例主要是基于efficientnet-b3骨干网络 attanet基础网络框架 refine精修层实现图像处理。
58.根据本发明实施例的技术方案，本发明实施例能够基于四个互不相同分辨率特征子图进行特征融合处理，得到目标特征图，再将目标特征图与原始图像进行特征融合处理得到最终目标特征图，再将最终目标特征图输入第一预设卷积层进行卷积处理，最终得到精修目标特征图，提高了图像处理的效果。尤其是在处理图像抠像方面，既有效提高了抠像效果，又提升了抠像速度。
59.总之，本发明实施例是基于骨干网络efficientnet-b3得到四种不同分辨率的特征图，基于这些特征图进行特征融合，再各自与原图进行信息融合后经过精修层得到三种不同分辨率的输出特征图，通过f1/mse/ssim/laplacian金字塔等损失函数不断拟合训练得到最终图像处理效果。
60.本发明实施例提供图像处理方法、装置、计算机设备及存储介质，具体通过如下实施例进行说明，首先描述本发明实施例中的图像处理方法。
61.参照图1，根据本发明实施例的图像处理方法，包括但不限于步骤s110至步骤s140。
62.步骤s110，获取原始图像，并根据原始图像得到多个特征图；其中，多个特征图包括分辨率互不相同的第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图；
63.步骤s120，基于第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图根据分辨率高低进行特征融合处理得到目标特征图；
64.步骤s130，根据目标特征图和原始图像进行特征融合处理，以得到最终目标特征图；
65.步骤s140，将最终目标特征图输入第一预设卷积层进行卷积处理，以得到精修目标特征图。
66.在步骤s110中，将原始图像输入efficientnet-b3骨干网络，得到输出的四个不同分辨率的输出特征图。例如，输入的原始图像(1x3x320x320)的rgb三通道彩色图像，输出分别为：第四分辨率子图(1x16x160x160)、第三分辨率子图(1x24x80x80)、第二分辨率子图(1x48x40x40)和第一分辨率子图(1x120x20x20)。
67.在步骤s120中，基于四个互不相同分辨率根据分辨率高低进行特征融合，以得到目标特征图。在实际中，为了提升图像处理的速度，一般选用降低图像分辨率的方式。但这样会影响图像的处理效果，因此本步骤中，是基于四种互不相同分辨率进行高低分辨率特征融合，保证了有高分辨率图像下的图像处理效果，又以低分辨率图像辅助成像提高了图像处理速度。
68.在步骤s130中，为了进一步提高图像处理的效果，引入原始图像与目标特征图进行特征融合得到最终目标特征图。
69.在步骤s140中，通过将最终目标特征图输入第一预设卷积层进行卷积处理，旨在通过卷积处理对目标特征图进行精修，得到的最终目标特征图效果更好。
70.在一些实施例中，参照图2，步骤s120包括但不限于步骤s210至步骤s230。
71.步骤s210，基于第一分辨率子图和第二分辨率子图进行第一特征融合处理，以得到第一目标特征图；
72.步骤s220，基于第一目标特征图、第三分辨率子图和第四分辨率子图进行特征融合处理，以得到目标特征图。
73.具体的，先将两个低分辨率子图进行特征融合得到第一目标特征图，即基于第一分辨率子图和第二分辨率子图得到第一目标特征图，再基于第一目标特征图与两个高分辨率子图进行特征融合得到目标特征图，以及基于第一目标特征图、第三分辨率子图和第四分辨率子图得到目标特征图。基于分辨率的高低进行图像融合，保证了有高分辨率图像下的图像处理效果，又以低分辨率图像辅助成像提高了图像处理速度。
74.可以理解的是，为了更好的图像融合效果，引入了注意力机制。具体的，根据第一分辨率子图和第二分辨率子图得到注意力权重；根据注意力权重、第一分辨率子图和第二分辨率子图得到第一目标特征图。
75.在一些实施例中，参照图3，根据本发明实施例的图像处理方法还包括但不限于步骤s310至步骤s340。
76.步骤s310，基于第一分辨率子图和第二分辨率子图进行第二特征融合处理，以得到第二目标特征图；
77.步骤s320，将第二目标特征图和原始图像输入第二预设卷积层进行卷积处理，以得到第一精修目标特征图；
78.步骤s330，将第一精修目标特征图和精修目标特征图输入预设损失函数，以得到损失数值；
79.步骤s340，根据调节损失数值得到最终精修目标特征图。
80.具体的，为了进一步提高图像处理效果，利用第一分辨率子图、第二分辨率子图以及原始图像的特征融合得到第一精修目标特征图。将第一精修目标特征图作为辅助，调节损失数值对精修目标特征图进行进一步精修，以得到图像效果更好的最终精修目标特征图。
81.需要说明的是，预设损失函数可以是l1/mae/mse等回归损失函数。
82.具体的，为了突出第一精修目标特征图的辅助作用，限制第一预设卷积层的层数大于第二预设卷积层的层数。
83.可以理解的是，损失数值还可以通过以下步骤得到，包括：
84.基于第三分辨率子图和第四分辨率子图进行第三特征融合处理，以得到第三目标特征图；
85.将第三目标特征图和原始图像输入第二预设卷积层进行卷积处理，以得到第二精修目标特征图；
86.将第一精修目标特征图、第二精修目标特征图和精修目标特征图输入预设损失函数，以得到损失数值。
87.需要说明的是，进行高分辨率特征图融合作用是用于对后续对图像边缘特征提取和拟合。
88.可以理解的是，根据目标特征图和原始图像进行特征融合处理，具体是，对目标特征图进行卷积处理并插值放大，以得到放大目标特征图；根据放大目标特征图和原始图像进行级联，得到最终目标特征图。
89.下面通过三个实际示例来说明本发明的图像处理方法。
90.示例一，参照图4，假设原始图像是(1x3x320x320)的rgb三通道彩色图像，则在示例一中该方法包括：
91.头部网络结构设计以efficientnet-b3作为骨干网络，基于其输出的四个互不相同分辨率的输出特征图，分别为：第四分辨率子图(1x16x160x160)、第三分辨率子图(1x24x80x80)、第二分辨率子图(1x48x40x40)和第一分辨率子图(1x120x20x20)；
92.基于第二分辨率子图(1x48x40x40)与第一分辨率子图(1x120x20x20)进行第一特征融合处理得到第一目标特征图(1x64x80x80)；
93.基于第一目标特征图(1x64x80x80)、第三分辨率子图(1x24x80x80)和第四分辨率子图(1x16x160x160)进行特征融合得到目标特征图(1x64x320x320)；
94.基于目标特征图(1x64x320x320)和原始图像(1x3x320x320)进行特征融合得到最终目标特征图(1x67x320x320)；
95.对最终目标特征图(1x67x320x320)输入3层卷积层进行卷积处理，得到精修目标特征图(1x1x320x320)。
96.示例二，参照图4，在示例一的基础上，增加对精修目标特征图的处理，则在示例二中该方法还包括：
97.基于第二分辨率子图(1x48x40x40)与第一分辨率子图(1x120x20x20)进行第二特征融合处理得到第二目标特征图(1x64x40x40)；
98.基于第二目标特征图(1x64x40x40)和原始图像(1x3x320x320)输入2层卷积层进行卷积处理，得到第一精修目标特征图(1x1x40x40)；
99.基于第三分辨率子图(1x24x80x80)和第四分辨率子图(1x16x160x160)进行特征融合得到第三目标特征图(1x27x160x160)；
100.基于第三目标特征图(1x27x160x160)和原始图像(1x3x320x320)输入2层卷积层进行卷积处理，得到第二精修目标特征图(1x1x160x160)；
101.将第一精修目标特征图(1x1x40x40)、第二精修目标特征图(1x1x160x160)和精修目标特征图(1x1x320x320)输入预设损失函数，以得到损失数值；
102.根据调节损失数值得到最终精修目标特征图(1x1x320x320)。
103.示例三，假设输入是(1x3x320x320)的rgb三通道彩色图像，
104.1)头部网络结构设计以efficientnet-b3作为骨干网络，基于其输出的四个不同分辨率的输出特征图，分别为：高分辨率特征图(1x16x160x160和1x24x80x80),低分辨率特征图(1x48x40x40和1x120x20x20)。
105.2)得到以上四个不同分辨率的特征图，进行特征图融合；
106.(1)先将低分辨率特征图(1x48x40x40)经过一个卷积层(输入为48，输出为64，kernel大小为3，步长为1)得到第一特征图(1x64x40x40)；
107.(2)将第一特征图(1x64x40x40)与低分辨率特征图(1x120x20x20)进行注意力计算得到一个注意力权重(1x64x1x1)，其具体实施细节是：先将低分辨率特征图(1x120x20x20)放大2倍至(1x120x40x40)，再与第一特征图(1x64x40x40)进行级联得到(1x184x40x40)，进入一个卷积层(输入为184，输出为64，kernel大小为1，步长为1)得到第二特征图为(1x64x40x40),再进入一个平均池化层(池化宽为40，池化高为40)得到输出为(1x64x1x1)权重信息，再经过一个卷积层(输入为64，输出为64，kernel大小为1，步长为1)得到(1x64x1x1)的权重信息，最后经过批归一化层和hardsigmoid层最终得到经过计算的注意力权重信息值(1x64x1x1)；
108.(3)再将另一个低分辨率特征图(1x120x20x20)经过一个卷积层(输入为120，输出为64，kernel大小为3，步长为1)得到第三特征图(1x64x20x20)；
109.(4)将第三特征图与第一特征图进行加权求和。具体是：将得到的(1x64x1x1)的每层注意力权重直接与第三特征图(1x64x20x20)相乘得到带有注意力权重信息的特征图(1x64x20x20)，然后将该特征图(1x64x20x20)放大2倍得到特征图(1x64x40x40)；另外需要1减去(1x64x1x1)的各层权重得到第一特征图(1x64x40x40)的各层注意力权重，将其两者相乘得到带有注意力权重的(1x64x40x40)特征图；最后将两个(1x64x40x40)相同分辨率特征图相加得到第四特征图(1x64x40x40)；
110.(5)将第四特征图经过一个卷积层(输入为64，输出为64，kernel大小为1，步长为1)得到平滑后的1x64x40x40特征图，即为该头部网络输出的第五特征图(1x64x40x40)；
111.(6)将骨干网络输出的高分辨率特征图(1x24x80x80)放大2倍后得到(1x24x160x160)特征图与另一个高分辨率特征图(1x16x160x160)进行级联得到(1x40x160x160)特征图，再经过一个卷积层(输入为40，输出为24，kernel大小为3，步长为1)得到第六特征图(1x24x160x160)；
112.(7)输出网络结构设计将第五特征图(1x64x40x40)放大2倍得到(1x64x80x80)特征图，另外将骨干网络输出的高分辨率特征图(1x16x160x160)缩小2倍得到(1x16x80x80),然后将以上得到的(1x64x80x80)特征图、(1x16x80x80)特征图和骨干网络输出的高分辨率
特征图(1x24x80x80)进行级联得到(1x104x80x80)特征图，然后进入卷积层(输入为104，输出为64，kernel大小为3，步长为1)平滑最终得到(1x64x80x80)特征图，即为该头部网络输出的第七特征图(1x64x80x80)；
113.(8)输出网络结构设计将第五特征图(1x64x40x40)、第六特征图(1x24x160x160)和第七特征图(1x64x80x80)得到的特征图分别与原图信息进行融合；具体实施是：将第七特征图(1x64x80x80)放大四倍后得到(1x64x320x320)特征图，再与原图信息(1x3x320x320)级联得到(1x67x320x320)特征图；将第六特征图(1x24x160x160)与缩小两倍的原图信息(1x3x160x160)级联得到(1x27x160x160)特征图；将第五特征图(1x64x40x40)与缩小8倍的原图信息(1x3x40x40)级联得到(1x67x40x40)特征图；
114.(9)输出网络结构设计将(8)得到的(1x67x320x320)特征图经过3层卷积层精修；进入第一层卷积(输入67，输出24，kernel大小为3，步长为1)得到1x24x320x320特征图；进入第二层卷积(输入为24，输出为24，kernel大小为3，步长为1)得到1x24x320x320特征图；进入第三层卷积层(输入为24，输出为1，kernel大小为1，步长为1)得到1x1x320x320特征图；最后进入hardsigmoid层，最终得到精修目标特征图(1x1x320x320)；
115.(10)将(8)得到的1x27x160x160特征图经过2层卷积层；进入第一层卷积(输入为27，输出为24，kernel大小为3，步长为1)得到1x24x160x160特征图，进入第二层卷积(输入为24，输出为1，kernel大小为1，步长为1)得到1x1x160x160特征图，最后进入hardsigmoid层得到第二精修目标特征图(1x1x160x160)；
116.(11)将(8)得到的1x67x40x40特征图经过2层卷积层；进入第一层卷积(输入为67，输入为24，kernel大小为3，步长为1)得到(1x24x40x40)特征图；进入第二层卷积(输入为24，输出为1，kernel大小为1，步长为1)得到(1x1x40x40)特征图；最后进入hardsigmoid层得到第一精修目标特征图(1x1x40x40)。
117.本发明的一个实施例提供了一种图像处理装置，该装置包括但不限于：
118.第一处理模块：用于获取原始图像，并根据原始图像得到多个特征图；其中，多个特征图包括分辨率互不相同的第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图；
119.第二处理模块：用于基于第一分辨率子图、第二分辨率子图、第三分辨率子图和第四分辨率子图根据分辨率高低进行特征融合处理得到目标特征图；
120.第三处理模块：用于根据目标特征图和原始图像进行特征融合处理，以得到最终目标特征图；
121.第四处理模块：用于将最终目标特征图输入第一预设卷积层进行卷积处理，以得到精修目标特征图。
122.本发明实施例的装置基于四个互不相同分辨率特征子图进行特征融合处理，得到目标特征图，再将目标特征图与原始图像进行特征融合处理得到最终目标特征图，再将最终目标特征图输入第一预设卷积层进行卷积处理，最终得到精修目标特征图，提高了图像处理的效果。
123.其中，一种图像处理装置的具体执行步骤参照上述一种图像处理方法，此处不再赘述。
124.本发明实施例还提供了一种计算机设备，包括：至少一个处理器，以及，与至少一
个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上任一项方法实施例中的方法。
125.此外，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，一个或多个控制处理器执行上述方法实施例中的方法，例如，执行以上描述的图1中的方法步骤s110至s140、图2中的方法步骤s210至s220、图3中的方法步骤s310至s340。
126.以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络节点上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
127.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可读存储介质(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，术语计算机可读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。计算机可读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。
128.上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。