一种核磁图像超分辨率处理系统及方法与流程

1.本发明涉及图像处理技术领域，尤其涉及一种核磁图像超分辨率处理系统及方法。


背景技术：

2.核磁共振成像作为可应用在多个领域(如：石油开采、勘探，医疗等)的成像技术，其有助于人们对直接观察到存在与无法观察到的内部的事物的内部结构，为后续的一些工作提供有利的帮助。
3.现有的核磁共振成像，其所生成的图像由于通过磁场产生，磁场强则生成的图像相对清晰，磁场弱则生成的图像相对模糊，应用于医疗中，在对人体进行检查时，磁场太强会对人体造成损坏，磁强弱又不能达到检查病灶的效果。
4.但现有技术中也有部分通过将核磁共振图像进行处理后输出的技术，如：
5.中国专利公开号：cn104123722b。公开了一种核磁图像超分辨率的系统及方法，包括图像超分辨率训练单元、图像超分辨率单元和随机参数生成器，通过对原核磁图像进行降质、插值、特征图像提取，得到特征图像集，对特征图像集中的图像进行分割、向量化处理，得到图像超分辨率训练集的特征矩阵和图像超分辨率训练集的目标矩阵，利用elm原理，计算出神经网络输出节点的权重向量参数，对神经网络输出节点的权重向量参数进行选择，选出最佳参数，完成图像超分辨率训练，将原核磁图像进行降质、分割、特征图像提取、分割和向量化处理，得到原核磁图像的特征矩阵，利用elm原理和最佳参数，由原核磁图像的特征矩阵得到原始核磁图像的超分辨率图像；由此可见，所述核磁图像超分辨率的系统存在对图像前期处理过程相对复杂，不易控制，导致控制精度不高。


技术实现要素：

6.为此，本发明提供一种核磁图像超分辨率处理系统及方法，用以克服现有技术中在对图像前期处理过程相对复杂，不易控制，导致控制精度不高的问题。
7.为实现上述目的，本发明一种实施方式提供一种核磁图像超分辨率处理系统，包括：
8.图像获取模块，用以获取核磁设备检测的核磁图像；
9.图像分析模块，其与所述图像获取模块连接，图像分析模块用以对所述核磁图像进行分析；
10.特征提取模块，其与所述图像分析模块连接，特征提取模块用以根据所述图像分析模块的分析结果对所述核磁图像进行特征提取，该特征提取模块包括用以获取低分辨率图像特征的第一特征提取单元；
11.图像处理模块，其分别与所述图像分析模块和特征提取模块连接，图像处理模块用以将提取图像特征完成的图像进行处理；
12.训练模块，其与所述图像处理模块连接，训练模块用以将所述图像处理模块处理
前后的图像输入深度学习模型进行训练；
13.校验模块，其与所述训练模块连接，校验模块用以对训练完成的模型进行验证；
14.调整模块，其分别与所述特征提取模块、训练模块和校验模块连接，调整模块用以根据所述校验模块的校验结果对所述特征提取模块提取的特征和/或训练模块的训练参数进行调节；
15.整合模块，其分别与所述图像获取模块和校验模块连接，整合模块用以在验证模块验证所述模型训练完成时，将经差值处理后的特征快和所述核磁图像进行整合，生成超分辨率核磁图像。
16.进一步地，所述图像分析模块用以在对所述核磁图像进行分析时，获取所述核磁图像的灰度值r，并根据该灰度值与预设灰度值的比对结果确定所述核磁图像的区域，
17.其中，所述图像分析模块设置有第一预设灰度值r1、第二预设灰度值r2、第三预设灰度值r3，其中r1＜r2＜r3，
18.当r≤r1时，所述图像分析模块将所述核磁图像区域划分为重点区域；
19.当r1＜r≤r2时，所述图像分析模块将所述核磁图像区域划分为一般区域；
20.当r2＜r≤r3时，所述图像分析模块将所述核磁图像区域划分为无关区域。
21.进一步地，所述第一特征提取单元在所述图像分析模块划分所述核磁图像的区域完成时，获取所述图像分析模块分析的各所述区域的面积，并计算重点区域和一般区域的面积比值b，并根据该比值确定提取所述图像特征数量；
22.所述第一特征提取单元还用以在确定提取所述图像特征数量时，根据所述面积比值ba和预设面积比值的比对结果确定提取所述图像特征数量，
23.其中，所述第一特征提取单元设有第一预设面积比值b1、第二预设面积比值b2、第三面积比值b3、第一图像特征数量e1、第二图像特征数量e2以及第三图像特征数量e3，其中b1＜b2＜b3，e1＜e2＜e3，
24.当ba≤b1时，所述第一特征提取单元确定提取所述图像特征数量为e1；
25.当b1＜ba≤b2时，所述第一特征提取单元确定提取所述图像特征数量为e2；
26.当b2＜ba≤b3时，所述第一特征提取单元确定提取所述图像特征数量为e3。
27.进一步地，所述图像分析模块还用以在所述第一特征提取单元确定所述图像特征数量完成时，将所述重点区域和一般区域划分为若干个相同面积的图块，所述第一特征提取单元以该图块作为所述图像特征的提取点进行图像特征提取；
28.所述图像分析模块还用以在划分所述图块时，根据所述核磁图像中重点区域和一般区域的总面积sz与预设总面积的比对结果确定所述图块的面积，
29.其中，所述图像分析模块设置有第一预设总面积sz1、第二预设总面积sz2、第三预设总面积sz3、第一图块面积s1、第二图块面积s2以及第三图块面积s3，其中sz1＜sz2＜sz3，s1＜s2＜s3，
30.当sz≤sz1时，所述图像分析模块将所述图块面积设置为s1；
31.当sz1＜sz≤sz2时，所述图像分析模块将所述图块面积设置为s2；
32.当sz2＜sz≤sz3时，所述图像分析模块将所述图块面积设置为s3。
33.进一步地，所述图像处理模块对所述提取图像特征完成的图像进行处理包括对提取图像特征完成的图像在特征图块范围内进行插值处理，并根据所述图像特征的图块面积
确定所述插值，所述图像处理模块设置有所述图块面积si对应的插值yi，其中i＝1，2，3，所述图像处理模块将所述特征图块和经插值处理的特征图块以一定比例划分为训练数据和验证数据。
34.进一步地，所述训练模块在对深度学习模型进行训练时，将所述特征图块作为所述深度学习模型的输入，将经所述插值处理的特征图块作为所述深度学习模型的输出，并设置所述深度学习模型隐层节点数为d，对所述深度学习模型进行训练。
35.进一步地，所述校验模块在对训练完成的所述深度学习模型进行验证时，将所述验证数据中的特征图块输入深度学习模型进行验证，获取深度学习模型验证时的输出数据，所述校验模块将所述输出数据与验证数据中经所述插值处理的特征图块进行比对，获取输出数据与经所述插值处理的特征图块的灰度值差值δr，并将该灰度值差值δr与预设灰度值差值范围δr0进行比对，并根据比对结果确定所述模型是否训练完成，其中，所述预设灰度差值范围δr0包括预设最小灰度差值δrmin和预设最大灰度差值δrmax，
36.若δr∈δr0，所述校验模块判定所述训练完成；
37.若δr＜δrmin或δr＞δrmax，所述校验模块判定所述训练未完成。
38.进一步地，所述调整模块还用以在所述校验模块判定所述训练未完成且δr＜δrmin时，所述调整模块计算所述灰度差值δr和预设最小差值δrmin的第一比值ba,设定ba＝δr/δrmin，并根据该第一比值与预设第一比值的比对结果选取对应的修正系数对所述插值进行调整，所述调整模块将调整后的所述差值设置为yi1，设定yi1＝yi
×
xn，其中xn为插值修正系数；
39.所述调整模块还用以在所述校验模块判定所述训练未完成且δr＞δrmax时，所述调整模块计算所述灰度差值δr和预设最小差值δrmin的第二比值bb,设定bb＝δr/δrmin，并根据该第一比值与预设第一比值的比对结果选取对应的修正系数对所述插值进行调整，将调整后的所述差值设置为yi2，设定yi2＝yi
×
km，其中km为插值调节系数。
40.进一步地，所述训练模块还用以在所述调整模块对所述插值调整完成时，再次训练模型，并在训练完成后对所述深度学习模块进行验证，若验证结果为训练未完成，所述调整模块根据所述灰度差值δr和预设灰度差值的比对结果选取对应的调节系数对所述特征数量进行调节，所述调整模块将调节后的特征数量设置为e
′
，设定e
′
＝ef
×
kej，其中kej为数量调节系数，f＝1，2，3。
41.本发明另一种实施方式提供一种核磁图像超分辨率处理方法，包括：
42.步骤s1、图像获取模块获取核磁设备检测的核磁图像；
43.步骤s2、图像分析模块对所述核磁图像进行分析，并根据图像的灰度值确定图像的重点区域、一般区域和无关区域；
44.步骤s3、特征提取模块根据所述图像分析模块的分析结果对所述核磁图像进行特征提取；
45.步骤s4、图像处理模块将提取图像特征完成的图像进行插值处理，并将处理前后的图像划分为训练数据和验证数据；
46.步骤s5、训练模块将训练数据输入深度学习模型进行模型训练；
47.步骤s6、验证模块将验证数据输入训练完成的模型进行模型验证并输出验证结果；
48.步骤s7、整合模块在验证模块输出验证结果为训练完成时，将经差值处理的图像特征与所述核磁图像进行整合，生成超分辨率图像；
49.步骤s8、调整模块在验证模块输出验证结果为训练未完成时，对深度学习模型进行参数调整和/或对特征提取模块提取的特征数量进行调节。
50.与现有技术相比，本发明的有益效果在于，本发明通过图像获取模块获取核磁图像，将获取的核磁图像通过图像分析装置进行分析，根据分析结果对核磁图像进行区域划分，以使特征提取模块根据图像分析模块的分析结果提取核磁图像的特征，并在提取核磁图像特征后，对核磁图像进行处理，将处理前后的特征作为深度学习模型的输入和输出进行模型训练，得到深度学习模型，在得到深度学习模型后，用深度学习模型将核磁图像的特征进行超分辨率处理，降低了对核磁图像前期处理过程的复杂度，从而使整个超分辨率处理过程更容易控制，进一步提高了系统的控制精度。
51.尤其，本发明在深度学习模型处理后的核磁图像的特征与实际获取的核磁图像通过整合模块进行整合，从而得到超分辨率的清晰图像。
52.尤其，本发明在训练模型完成时，通过校验模块对训练完成的深度学习模型进行验证，并在验证合格时，使用模型，在验证不合格时，对深度学习模型进行调参或者对特征提取进行调节，进一步提高了对超分辨率处理过程的处理精度。
53.进一步地，本发明在对核磁图像进行分析时，通过设置多个预设灰度值，并根据核磁图像的实际灰度值对核磁图像进行区域划分，以减少无关数据导致的处理过程繁复，降低数据冗余。
54.进一步地，本发明通过在特征提取模块设置第一特征提取单元和第二特征提取单元，通过第一特征提取单元提取经图像分析模块分析完成的图像，并从对应图像中提取图像特征，所述第一特征提取单元在进行图像特征提取时，根据分析模块分析的区域面积比值与多个预设面积比值的比对结果确定提取图像特征数量，进一步提高了超分辨率处理过程的控制精度，从而进一步提高了系统的处理效率。
55.进一步地，本发明通过在提取图像特征时，根据重点区域和一般区域的总面积与多个预设总面积的比对结果确定提取图像特征时的图块的面积，进一步提高了超分辨率处理过程的控制精度，从而进一步提高了系统的处理效率。
56.进一步地，本发明在提取图像特征完成时，通过图像处理模块对图像特征进行插值处理，从而将处理前后的图像特征作为训练深度学习模型的训练数据和验证数据，并在确定训练数据和验证数据完成时，对深度学习模型训练，得到超分辨率处理的模型，进一步提高了超分辨率处理过程的控制精度，从而进一步提高了系统的处理效率。
57.进一步地，本发明通过验证模块对训练完成的模型进行验证时，通过比对模型输出数据与经差值处理后的图像特征的灰度值，并计算灰度值差值，根据灰度值差值与预设灰度值差值范围的比对结果确定模型是否训练完成，在训练完成时，通过系统中嵌入模型进行超分辨率图像处理，且在训练未完成时，根据灰度值差值与预设灰度值差值范围中的数据的比对结果对训练参数进行调整，进一步提高了超分辨率处理过程的控制精度，从而进一步提高了系统的处理效率。
58.进一步地，本发明在对训练参数调节完成时，继续训练并验证模型，脱验证结果仍然不合格，则通过调节特征数量增加数据来继续训练模型，进一步提高了超分辨率处理过
程的控制精度，从而进一步提高了系统的处理效率。
附图说明
59.图1为本发明所述核磁图像超分辨率处理系统的结构框图；
60.图2为本发明所述核磁图像超分辨率处理方法的流程图。
具体实施方式
61.为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
62.下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
63.需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述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。
64.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
65.请参阅图1所示，其为本发明实施例所述核磁图像超分辨率处理系统的结构框图。
66.本发明实施例所述核磁图像超分辨率处理系统，用于将低分辨率的核磁图像处理成高分辨率的核磁图像，包括：
67.图像获取模块，用以获取核磁设备检测的核磁图像；
68.图像分析模块，其与所述图像获取模块连接，图像分析模块用以对所述核磁图像进行分析；
69.特征提取模块，其与所述图像分析模块连接，特征提取模块用以根据所述图像分析模块的分析结果对所述核磁图像进行特征提取，该特征提取模块包括用以获取低分辨率图像特征的第一特征提取单元；
70.图像处理模块，其分别与所述图像分析模块和特征提取模块连接，图像处理模块用以将提取图像特征完成的图像进行处理；
71.训练模块，其与所述图像处理模块连接，训练模块用以将所述图像处理模块处理前后的图像输入深度学习模型进行训练；
72.校验模块，其与所述训练模块连接，校验模块用以对训练完成的模型进行验证；
73.调整模块，其分别与所述特征提取模块、训练模块和校验模块连接，调整模块用以根据所述校验模块的校验结果对所述特征提取模块提取的特征和/或训练模块的训练参数进行调节；
74.整合模块，其分别与所述图像获取模块和校验模块连接，整合模块用以在验证模块验证所述模型训练完成时，将经差值处理后的特征快和所述核磁图像进行整合，生成超
分辨率核磁图像。
75.本发明实施例中，所述提取核磁图像特征为核磁图像的灰度值。
76.请继续参阅图1所示，本发明实施例所述核磁图像超分辨率处理系统，所述图像分析模块用以在对所述核磁图像进行分析时，获取所述核磁图像的灰度值r，并根据该灰度值与预设灰度值的比对结果确定所述核磁图像的区域，
77.其中，所述图像分析模块设置有第一预设灰度值r1、第二预设灰度值r2、第三预设灰度值r3，其中r1＜r2＜r3，
78.当r≤r1时，所述图像分析模块将所述核磁图像区域划分为重点区域；
79.当r1＜r≤r2时，所述图像分析模块将所述核磁图像区域划分为一般区域；
80.当r2＜r≤r3时，所述图像分析模块将所述核磁图像区域划分为无关区域。
81.请继续参阅图1所示，本发明实施例所述核磁图像超分辨率处理系统，所述第一特征提取单元在所述图像分析模块划分所述核磁图像的区域完成时，获取所述图像分析模块分析的各所述区域的面积，并计算重点区域和一般区域的面积比值b，并根据该比值确定提取所述图像特征数量。
82.具体而言，所述第一特征提取单元还用以在确定提取所述图像特征数量时，根据所述面积比值ba和预设面积比值的比对结果确定提取所述图像特征数量，
83.其中，所述第一特征提取单元设有第一预设面积比值b1、第二预设面积比值b2、第三面积比值b3、第一图像特征数量e1、第二图像特征数量e2以及第三图像特征数量e3，其中b1＜b2＜b3，e1＜e2＜e3，
84.当ba≤b1时，所述第一特征提取单元确定提取所述图像特征数量为e1；
85.当b1＜ba≤b2时，所述第一特征提取单元确定提取所述图像特征数量为e2；
86.当b2＜ba≤b3时，所述第一特征提取单元确定提取所述图像特征数量为e3。
87.请继续参阅图1所示，本发明实施例所述核磁图像超分辨率处理系统，所述图像分析模块还用以在所述第一特征提取单元确定所述图像特征数量完成时，将所述重点区域和一般区域划分为若干个相同面积的图块，所述第一特征提取单元以该图块作为所述图像特征的提取点进行图像特征提取。
88.具体而言，所述图像分析模块还用以在划分所述图块时，根据所述核磁图像中重点区域和一般区域的总面积sz与预设总面积的比对结果确定所述图块的面积，
89.其中，所述图像分析模块设置有第一预设总面积sz1、第二预设总面积sz2、第三预设总面积sz3、第一图块面积s1、第二图块面积s2以及第三图块面积s3，其中sz1＜sz2＜sz3，s1＜s2＜s3，
90.当sz≤sz1时，所述图像分析模块将所述图块面积设置为s1；
91.当sz1＜sz≤sz2时，所述图像分析模块将所述图块面积设置为s2；
92.当sz2＜sz≤sz3时，所述图像分析模块将所述图块面积设置为s3。
93.请继续参阅图1所示，本发明实施例所述核磁图像超分辨率处理系统，所述图像处理模块对所述提取图像特征完成的图像进行处理包括对提取图像特征完成的图像在特征图块范围内进行插值处理，并根据所述图像特征的图块面积确定所述插值，所述图像处理模块设置有所述图块面积si对应的插值yi，其中i＝1，2，3，所述图像处理模块将所述特征图块和经插值处理的特征图块以一定比例划分为训练数据和验证数据。
94.具体而言，本发明实施例中，所述训练数据和验证数据的比例为7：3。
95.请继续参阅图1所示，本发明实施例所述核磁图像超分辨率处理系统，所述训练模块在对深度学习模型进行训练时，将所述特征图块作为所述深度学习模型的输入，将经所述插值处理的特征图块作为所述深度学习模型的输出，并设置所述深度学习模型隐层节点数为d，对所述深度学习模型进行训练。
96.本发明实施例中，所述深度学习模型为esrgan模型。
97.请继续参阅1所示，本发明实施例所述核磁图像超分辨率处理系统，所述校验模块在对训练完成的所述深度学习模型进行验证时，将所述验证数据中的特征图块输入深度学习模型进行验证，获取深度学习模型验证时的输出数据，所述校验模块将所述输出数据与验证数据中经所述插值处理的特征图块进行比对，获取输出数据与经所述插值处理的特征图块的灰度值差值δr，并将该灰度值差值δr与预设灰度值差值范围δr0进行比对，并根据比对结果确定所述模型是否训练完成，其中，所述预设灰度差值范围δr0包括预设最小灰度差值δrmin和预设最大灰度差值δrmax，
98.若δr∈δr0，所述校验模块判定所述训练完成；
99.若δr＜δrmin或δr＞δrmax，所述校验模块判定所述训练未完成。
100.请继续参阅1所示，本发明实施例所述核磁图像超分辨率处理系统，所述调整模块还用以在所述校验模块判定所述训练未完成且δr＜δrmin时，所述调整模块计算所述灰度差值δr和预设最小差值δrmin的第一比值ba,设定ba＝δr/δrmin，并根据该第一比值与预设第一比值的比对结果选取对应的修正系数对所述插值进行调整；
101.其中，所述调整模块设有第一预设第一比值ba1、第二预设第一比值ba2、第三预设第一比值ba3、第一修正系数x1、第二修正系数x2、第三修正系数x3，其中ba1＜ba2＜ba3，1＜x1＜x2＜x3＜1.5,
102.当ba≤ba1时，所述调整模块选取第一修正系数x1对所述插值进行调整；
103.当ba1＜ba≤ba2时，所述调整模块选取第二修正系数x2对所述插值进行调整；
104.当ba2＜ba≤ba3时，所述调整模块选取第三修正系数x3对所述插值进行调整；
105.所述调整模块在选取第n修正系数xn对所述插值进行调整时，设定n＝1，2，3，将调整后的所述差值设置为yi1，设定yi1＝yi
×
xn。
106.具体而言，所述调整模块还用以在所述校验模块判定所述训练未完成且δr＞δrmax时，所述调整模块计算所述灰度差值δr和预设最小差值δrmin的第二比值bb,设定bb＝δr/δrmin，并根据该第一比值与预设第一比值的比对结果选取对应的修正系数对所述插值进行调整；
107.其中，所述调整模块设有第一预设第二比值bb1、第二预设第二比值bb2、第三预设第二比值bb3、第一调节系数k1、第二调节系数k2、第三调节系数k3，其中ba1＜ba2＜ba3，0.8＜k3＜k2＜k1＜1,
108.当bb≤bb1时，所述调整模块选取第一调节系数k1对所述插值进行调整；
109.当bb1＜bb≤bb2时，所述调整模块选取第二调节系数k2对所述插值进行调整；
110.当bb2＜bb≤bb3时，所述调整模块选取第三调节系数k3对所述插值进行调整；
111.所述调整模块在选取第m修正系数km对所述插值进行调整时，设定m＝1，2，3，将调整后的所述差值设置为yi2，设定yi2＝yi
×
km。
112.具体而言，所述训练模块还用以在所述调整模块对所述插值调整完成时，再次训练模型，并在训练完成后对所述深度学习模块进行验证，若验证结果为训练未完成，所述调整模块根据所述灰度差值δr和预设灰度差值的比对结果选取对应的调节系数对所述特征数量进行调节，
113.其中，所述调整模块还设有第一预设灰度差值δr1、第二预设灰度差值δr2、第三预设灰度差值δr3、第一数量调节系数ke1、第二数量调节系数ke2以及第三数量调节系数ke3，其中δr1＜δr2＜δr3，设定1＜ke1＜ke2＜ke3＜2，、
114.当δr≤δr1时，所述调整模块选取第一数量调节系数ke1对所述特征数量进行调节；
115.当δr1＜δr≤δr2时，所述调整模块选取第二数量调节系数ke2对所述特征数量进行调节；
116.当δr2＜δr≤δr3时，所述调整模块选取第三数量调节系数ke3对所述特征数量进行调节；
117.所述调整模块在选取第j数量调节系数kej对所述特征数量进行调节时，设定j＝1，2，3，所述调整模块将调节后的特征数量设置为e
′
，设定e
′
＝ef
×
kej，其中kejf＝1，2，3。
118.请参阅图2所示，其为本发明实施例所述核磁图像超分辨率处理方法的流程图。
119.本发明另一实施例所述核磁图像超分辨率处理方法，包括：
120.步骤s1、图像获取模块获取核磁设备检测的核磁图像；
121.步骤s2、图像分析模块对所述核磁图像进行分析，并根据图像的灰度值确定图像的重点区域、一般区域和无关区域；
122.步骤s3、特征提取模块根据所述图像分析模块的分析结果对所述核磁图像进行特征提取；
123.步骤s4、图像处理模块将提取图像特征完成的图像进行插值处理，并将处理前后的图像划分为训练数据和验证数据；
124.步骤s5、训练模块将训练数据输入深度学习模型进行模型训练；
125.步骤s6、验证模块将验证数据输入训练完成的模型进行模型验证并输出验证结果；
126.步骤s7、整合模块在验证模块输出验证结果为训练完成时，将经差值处理的图像特征与所述核磁图像进行整合，生成超分辨率图像；
127.步骤s8、调整模块在验证模块输出验证结果为训练未完成时，对深度学习模型进行参数调整和/或对特征提取模块提取的特征数量进行调节。
128.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
129.以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。