一种微弱缺陷检测用的图像增强前处理方法及系统与流程

1.本技术涉及缺陷检测技术领域，具体而言，涉及一种微弱缺陷检测用的图像增强前处理方法及系统。


背景技术：

2.由于工业产品生产过程中存在质量控制的不确定因素，产品表面常常产生各种缺陷，因此一般在产品出厂前均需要检测产品的缺陷，以剔除不合格产品。
3.在检测产品缺陷的实现过程中，目前一般是通过视觉图像处理的方式，对包含缺陷的图像中灰度进行对比，之后采用阈值分割的方式确定缺陷的位置及缺陷的相关参数，在此过程中，当检测图像中的微弱缺陷时，为了使图像中缺陷区域的边界清晰可见，还需要采用图像增强的方法处理微弱缺陷图像。
4.然而，由于微弱缺陷图像中，缺陷自身灰度值与背景灰度值相差甚小，缺陷边界较为模糊，且对缺陷的分割还会受到检测品表面固有的纹理特征影响以及相似灰度值的噪声干扰，因此目前在进行图像增强步骤时，极易造成大批量的过检，最终导致整个产品的检测结果不准确。


技术实现要素：

5.为了解决在目前进行图像增强步骤时导致缺陷检测结果不准确的问题，本技术提供了一种微弱缺陷检测用的图像增强前处理方法及系统。
6.本技术的实施例是这样实现的：
7.本技术实施例的第一方面提供一种微弱缺陷检测用的图像增强前处理方法，包括：
8.获取所采集图像的检测区域，所述检测区域包含缺陷区域；
9.将所述检测区域分为至少两个子区域，确定每个所述子区域中的可能缺陷区域；
10.拼接所有子区域中的所述可能缺陷区域，得到缺陷疑似区域，所述缺陷疑似区域用于对应检测区域图像中的待检测区域，所述待检测区域用于经过图像增强方式以确定真实缺陷；
11.其中，确定每个子区域中的可能缺陷区域包括：
12.计算各个所述子区域中的灰度均值，并将所述灰度均值及其浮动值确定为该子区域中的偏移区间；
13.将所述偏移区间中的灰度值进行灰度拉伸后，提取每个所述子区域中的可能缺陷区域。
14.在一些实施例中，在将所述检测区域分为至少两个子区域步骤中，进一步包括：相邻所述子区域之间相互重叠。
15.在一些实施例中，在将所述灰度均值及其浮动值确定为该子区域中的偏移区间步骤中，进一步包括：
16.确定所述灰度均值的上偏移量和下偏移量；
17.计算每个所述子区域中灰度均值的偏移区间，所述偏移区间的下限值为灰度均值与下偏移量的差值，所述偏移区间的下限值为灰度均值与上偏移量的和。
18.在一些实施例中，在确定每个所述子区域中的可能缺陷区域步骤前，还包括：当所述检测区域图像中存在光照不均匀的情况时，预处理所述检测区域，以对所述检测区域进行光学补偿，获得预处理后的检测区域。
19.在一些实施例中，在计算各个所述子区域中的灰度均值步骤中，还包括：
20.获取所述子区域对应的原始所采集图像上的灰度分布数据，所述分布数据包括每个灰度级所包含的像素个数；
21.将小于第一数量的灰度值剔除后，计算剔除干扰后的灰度均值。
22.在一些实施例中，所述待检测区域用于经过图像增强方式以确定真实缺陷时，进一步包括：在检测区域图像上裁剪相应范围的区域作为所述待检测区域，再对所述待检测区域进行图像增强。
23.本技术实施例的第二方面提供一种微弱缺陷检测用的图像增强前处理系统，包括：
24.图像获取模块，用于获取所采集图像的检测区域，所述检测区域包含缺陷区域；
25.子区域确定模块，用于将所述检测区域分为至少两个子区域，以确定每个所述子区域中的可能缺陷区域；且在确定每个所述子区域中的可能缺陷区域过程中，所述子区域确定模块用于计算各个所述子区域中的灰度均值，并将所述灰度均值及其浮动值确定为该子区域中的偏移区间；将所述偏移区间中的灰度值进行灰度拉伸后，提取每个所述子区域中的可能缺陷区域；
26.缺陷疑似区域确定模块，用于拼接所有子区域中的所述可能缺陷区域，得到缺陷疑似区域，所述缺陷疑似区域用于对应检测区域图像中的待检测区域，所述待检测区域用于经过图像增强方式以确定真实缺陷。
27.在一些实施例中，在将所述检测区域分为至少两个子区域步骤中，相邻所述子区域之间相互重叠。
28.在一些实施例中，在将所述灰度均值及其浮动值确定为该子区域中的偏移区间步骤中，所述子区域确定模块还用于：
29.确定所述灰度均值的上偏移量和下偏移量；
30.计算每个所述子区域中灰度均值的偏移区间，所述偏移区间的下限值为灰度均值与下偏移量的差值，所述偏移区间的下限值为灰度均值与上偏移量的和。
31.在一些实施例中，在确定每个所述子区域中的可能缺陷区域步骤前，所述子区域确定模块还用于：当所述检测区域图像中存在光照不均匀的情况时，预处理所述检测区域，以对所述检测区域进行光学补偿，获得预处理后的检测区域。
32.在一些实施例中，在计算各个所述子区域中的灰度均值步骤中，所述子区域确定模块还用于获取所述子区域对应的原始所采集图像上的灰度分布数据，所述分布数据包括每个灰度级所包含的像素个数；将小于第一数量的灰度值剔除后，计算剔除干扰后的灰度均值。
33.本技术的有益效果：先通过将检测区域切分为子区域，然后通过灰度拉伸的方式
放大子区域中的缺陷位置，从而准确定位子区域中的可能缺陷区域，并将所有子区域中的可能缺陷区域合并得到缺陷疑似区域，后续增强处理等操作均是基于对应于缺陷疑似区域的待检测区域进行，由于缺陷疑似区域较为完整，且边界也相对清晰，因此有助于准确筛选出符合要求的微弱缺陷，降低缺陷过检的可能性。
附图说明
34.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
35.图1为根据本技术一个或多个实施例的微弱缺陷检测用的图像增强前处理方法的流程图；
36.图2为根据本技术一个或多个实施例的微弱缺陷检测用的图像增强前处理方法在工作过程中切分检测区域后形成的子区域示意图；
37.图3为根据本技术一个或多个实施例的微弱缺陷检测用的图像增强前处理方法中确定每个子区域中的可能缺陷区域的过程的流程图；
38.图4为根据本技术一个或多个实施例的微弱缺陷检测用的图像增强前处理方法中对子区域灰度均值计算前进行干扰点剔除处理的流程图；
39.图5为根据本技术一个或多个实施例的微弱缺陷检测用的图像增强前处理系统的结构示意图；
40.图6为根据本技术一个或多个实施例的微弱缺陷检测用的图像增强前处理装置的结构示意图。
具体实施方式
41.为使本技术的目的、实施方式和优点更加清楚，下面将结合本技术示例性实施例中的附图，对本技术示例性实施方式进行清楚、完整地描述，显然，所描述的示例性实施例仅是本技术一部分实施例，而不是全部的实施例。
42.需要说明的是，本技术中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本技术的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。
43.本技术中说明书和权利要求书及上述附图中的术语
″
第一
″
、
″
第二
″
、
″
第三
″
等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
44.术语
″
包括
″
和
″
具有
″
以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的所有组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
45.图1为微弱缺陷检测用的图像增强前处理方法的流程图。如图1所示，第一方面，本技术公开一种微弱缺陷检测用的图像增强前处理方法，具体地，所述前处理方法包括以下步骤：
46.在步骤100中，获取所采集图像的检测区域，检测区域包含缺陷区域。
47.其中，可基于工业成像系统进行图像采集，在一些实施例中，通过全局快门cmos图像传感器来采集可见光微光图像，然后采用fpga通过4＊4bin算法实现大像元，由此提高了灵敏度，辅以缺陷校正、暗场校正、平场校正及镜头阴影校正等步骤，在目标照度10-2lux～10-3lux下，可以得到低噪声的可见微光图像，之后经过后端的isp，实现对系统的自动控制和图像优化，得到高质量的待检测物体对应图像。在一些实施例中，也可通过在时间上连续拍摄多张图像后求平均值得到所采集图像，这样可以有效降低随机噪声对于检测结果的干扰。紧接着，可通过下述方式获取所采集图像中的检测区域。
48.根据建模轮廓以及粗定位信息，获取当前产品的检测区域。在一些实施例中，将所采集图像转为灰度图像后，获取所采集图像中的像素点，利用blob算法，对所采集图像中的像素进行分块处理，得到多组像素点，将各组像素点中的最外侧像素点作为待检测物体的至少一条轮廓对应的像素点；之后获取待检测物体的至少一条轮廓对应的各像素点相邻的8个像素点的灰度值，根据各像素点相邻的8个像素点的灰度值，计算得到各像素点对应的梯度方向；然后沿各像素点计算得到的梯度方向，获取至少一个像素单位的像素点；最后，将各像素点和沿各像素点计算得到的梯度方向获取的至少一个像素点进行组合，形成像素点组合区域，像素点组合区域即为包含所采集图像中微弱缺陷的检测区域。
49.在步骤200中，为了便于准确定位检测区域中弱缺陷的位置，将检测区域分为至少两个子区域，确定每个子区域中的可能缺陷区域。
50.可以理解的是，在对检测区域进行切分时，可按检测区域的整体面积进行等比例切分，且检测区域可被切分为至少两个区域，但是在一些实施例中，当微弱缺陷位于子区域边界处时，且对检测区域进行切分时，微弱缺陷也被切分，容易导致子区域经过后期处理步骤后不能实现可能缺陷区域的完整拼接，因此切分的子区域中，相邻子区域之间相互重叠，如图2所示，4种不同线形分别围成的区域表示子区域，相邻子区域之间相互重叠可以降低因缺陷被切分而导致最终缺陷漏检的可能性。
51.另外，检测区域还可被切分为三个子区域、五个子区域或者六个子区域，子区域的数量由检测区域的实际大小决定，合适数量的子区域既能满足对缺陷进行精细处理及识别，又不至于过分增加计算及处理时长。
52.其中，如图3所示，确定每个子区域中的可能缺陷区域的过程具体包括以下步骤：
53.步骤210，计算各个子区域中的灰度均值，并将灰度均值及其浮动值确定为该子区域中的偏移区间。
54.需要说明的是，计算每个子区域中所有像素灰度值的和，然后将所得灰度值的和除以像素个数即可获得图像灰度均值。由于弱缺陷的灰度值位于该区域内灰度均值上下浮动几个灰度值的范围，故为了不遗漏子区域中的弱缺陷，需确定灰度均值的上偏移量和下偏移量，然后计算每个子区域中灰度均值的偏移区间，偏移区间的下限值为灰度均值与下偏移量的差值，偏移区间的下限值为灰度均值与上偏移量的和，灰度值上偏移量与灰度值下偏移量范围形成的偏移区间内的灰度均值区域囊括该子区域中的可能缺陷区域。
55.需要说明的是，灰度值上偏移量和灰度值下偏移量均是根据实际情况进行设定的，且主要根据对应产品生产规格中对缺陷检出的要求而定。
56.步骤220，将偏移区间中的灰度值进行灰度拉伸，提取每个子区域中的可能缺陷区
域。
57.由于可能缺陷区域的灰度值均较小，因此可通过对偏移区间中的灰度值进行灰度拉伸，以将灰度间隔小的图像的灰度间隔扩大，将偏移区间中的灰度值拉伸至整个灰度范围[0，255]，此时，整个检测区域中低于偏移区间中下限值的灰度值均赋值为0，将高于偏移区间中上限值的灰度值均赋值为255，偏移区间中的灰度值进行拉伸，达到能够更加直观地观察出灰度值差异，便于确定子区域中的可能缺陷区域的目的。
[0058]
需要说明的是，当用某些非线性函数作为图像的映射函数时，可实现图像灰度的非线性变换，如利用对数函数、指数函数等可实现对数变换和指数变换，其中对数变换主要用于将图像的低灰度值部分扩展，将其高灰度值部分压缩，以达到强调图像低灰度部分的目的。
[0059]
在一些实施例中，将偏移区间中的区域进行灰度拉伸后，输出经灰度拉伸的区域，为定域区域，在定域区域中通过动态阈值方法提取缺陷区域，获得子区域中的可能缺陷区域。
[0060]
在步骤300中，拼接所有子区域中的可能缺陷区域，得到缺陷疑似区域，缺陷疑似区域，待检测区域用于经过图像增强方式以确定真实缺陷。
[0061]
将所有子区域中的可能缺陷区域进行并集处理，即可合并在切分子区域过程中被分割开的缺陷，进而得到完整的缺陷疑似区域。此时，缺陷疑似区域较为完整，且边界也相对清晰。根据缺陷疑似区域的位置坐标，在所采集图像的原图上裁剪相应范围的区域作为新的检测区域，即待检测区域，之后再对待检测区域这一局部图像进行图像增强，增强后的图像可以依次通过寻找缺陷边界位置或构造背景，利用小尺度的阈值分割的步骤得到真实缺陷。由于后续图像增强步骤的操作对象是基于缺陷疑似区域确定的待检测区域，因此在图像增强过程中，待检测区域中的微弱缺陷已经过本技术的前处理方法处理及准确定位，因此微弱缺陷不易被干扰，进而有助于准确检出待检测区域中的微弱缺陷，降低缺陷过检的可能性。
[0062]
通过上述微弱缺陷检测用的图像增强前处理方法，先通过将检测区域切分为子区域，然后定位子区域中的可能缺陷区域，并将所有子区域中的可能缺陷区域合并得到缺陷疑似区域，后续增强处理等操作均是基于对应于缺陷疑似区域的待检测区域进行，由于缺陷疑似区域较为完整，且边界也相对清晰，因此有助于准确筛选出符合要求的微弱缺陷，降低缺陷过检的可能性。
[0063]
在一些实施例中，由于采集图像时易存在光照不足的情况，导致所采集的图片存在光照不均的情况，此时对所采集图像进行基于灰度值的处理容易使处理结果不准确，因此当获得检测区域后，在确定每个子区域中的可能缺陷区域步骤前，可通过在检测区域图像中四个角处框选区域，或者在检测区域图像中四个角处及中心处框选区域，每处框选的区域面积可人为设定，框选的各个区域的面积可以相等也可以不相等。若各个区域的灰度值相同，则表明检测区域图像中不存在光照不均的情况；当各个区域的灰度值存在显著的差异时，则表明检测区域图像存在光照不均的现象。
[0064]
可以理解的是，上述判断检测区域图像是否存在光照不均情况的步骤还可以在步骤200中，将检测区域分为多个子区域时进行，此时，当各个区域的灰度值存在显著的差异时，则表明检测区域图像存在光照不均的现象。
[0065]
当检测区域图像存在光照不均的情况时，预处理检测区域，以对检测区域进行光学补偿，获得预处理后的检测区域。其中，预处理方式既可通过移动光源或者添加光源等通过光学硬件的方式进行光照补偿，重新获取图像；也可通过灰度拟合的算法方式对检测区域图像直接进行光照补偿。
[0066]
当通过灰度值拟合的算法方式对检测区域图像直接进行光照补偿时，可选择一阶曲面灰度拟合方式，也可选择二阶曲面灰度拟合方式，且当检测区域图像中竖向及横向上不同区域之间存在灰度差异时，则采用二阶曲面灰度拟合方式进行光照补偿，若仅在竖向区域之间或者横向区域之间存在灰度差异时，则用一阶曲面灰度拟合方式进行光照补偿。
[0067]
在一些实施例中，当对检测区域图像进行二阶曲面的灰度值拟合时，根据待拟合区域内的待测点与最小化灰度值之间的距离来计算灰度值矩和灰度值拟合参数，最小化灰度值相当于标准像素点，待测点为待拟合区域内所有像素点，二者之间的距离是通过坐标进行计算的；之后基于灰度值矩和灰度值拟合参数进行二阶曲面拟合，整个过程可看作是通过灰度值信息转变成高度信息，然后进行平滑，再转换成拟合后的灰度信息的过程，拟合后的图像是补偿了光照不均后的检测区域图像。对拟合后的检测区域图像再进行切分处理，进而进行后续局部图像处理步骤。
[0068]
由于实际生产操作过程中，存在外界因素如粉尘或者细微划伤等干扰的影响，导致子区域中存在过亮或者过暗的区域，从而使得子区域内的灰度均值与实际的灰度均值偏移量超过弱缺陷本身与区域灰度均值的差异量，进而直接导致缺陷的漏检，因此在一些实施例中，在对子区域灰度均值计算前还进行了干扰点剔除处理步骤，即可在步骤210中计算各个子区域中的灰度均值过程中进行如图4所示的步骤，具体流程如下：
[0069]
步骤410：获取子区域对应的原始所采集图像上的灰度分布数据，分布数据包括每个灰度级所包含的像素个数。
[0070]
需要说明的是，先获取子区域的灰度直方图，并基于灰度直方图获取该各个子区域对应的原始所采集图像上的灰度分布数据。
[0071]
步骤420：将小于第一数量的灰度值剔除后，计算剔除干扰后的灰度均值。
[0072]
可以理解的是，第一数量一般需要根据实际情况进行设定，各个子区域中剔除干扰后计算得到的灰度均值即为真实的灰度均值。
[0073]
通过上述方法，可以使得求取各个子区域中灰度均值的过程更加准确，有助于后期更精准地可能缺陷区域，进而有助于最终微弱缺陷的准确检出。
[0074]
应该理解的是，虽然图1及图3-4的流程图中的各个步骤依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0075]
在一些实施例中，提供了一种微弱缺陷检测用的图像增强前处理系统，如图5所示，微弱缺陷检测用的图像增强前处理系统具体包括：
[0076]
图像获取模块，用于获取所采集图像的检测区域，检测区域包含缺陷区域；
[0077]
子区域确定模块，用于将检测区域分为至少两个子区域，以确定每个子区域中的
可能缺陷区域；且在确定每个子区域中的可能缺陷区域过程中，子区域确定模块用于计算各个子区域中的灰度均值，并将灰度均值及其浮动值确定为该子区域中的偏移区间；将偏移区间中的灰度值进行灰度拉伸后，提取每个子区域中的可能缺陷区域；
[0078]
缺陷疑似区域确定模块，用于拼接所有子区域中的可能缺陷区域，得到缺陷疑似区域，缺陷疑似区域用于对应检测区域图像中的待检测区域，待检测区域用于经过图像增强方式以确定真实缺陷。
[0079]
在一些实施例中，在将检测区域分为至少两个子区域步骤中，相邻子区域之间相互重叠。
[0080]
在一些实施例中，在将灰度均值及其浮动值确定为该子区域中的偏移区间步骤中，子区域确定模块还用于确定灰度均值的上偏移量和下偏移量；计算每个子区域中灰度均值的偏移区间，偏移区间的下限值为灰度均值与下偏移量的差值，偏移区间的下限值为灰度均值与上偏移量的和。
[0081]
在一些实施例中，在确定每个子区域中的可能缺陷区域步骤前，子区域确定模块还用于：当检测区域图像中存在光照不均匀的情况时，预处理检测区域，以对检测区域进行光学补偿，获得预处理后的检测区域。
[0082]
在一些实施例中，在计算各个子区域中的灰度均值步骤中，子区域确定模块还用于获取子区域对应的原始所采集图像上的灰度分布数据，分布数据包括每个灰度级所包含的像素个数；将小于第一数量的灰度值剔除后，计算剔除干扰后的灰度均值。
[0083]
在一些实施例中，当待检测区域用于经过图像增强方式以确定真实缺陷时，所述系统还包括图像增强模块，所述图像增强模块用于在检测区域图像上裁剪相应范围的区域作为待检测区域，再对待检测区域进行图像增强。
[0084]
关于微弱缺陷检测用的图像增强前处理系统的具体限定可以参见上文中对于微弱缺陷检测用的图像增强前处理方法的限定，在此不再赘述。上述微弱缺陷检测用的图像增强前处理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0085]
在一些实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力，运行微弱缺陷检测用的图像增强前处理程序。该计算机设备的存储器用于存储微弱缺陷检测用的图像增强前处理程序，存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现上述任意一种微弱缺陷检测用的图像增强前处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0086]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结
构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0087]
本技术实施例的第四方面提供一种计算机可读存储介质，计算机可读存储介质上存储有微弱缺陷检测用的图像增强前处理程序，微弱缺陷检测用的图像增强前处理程序被处理器执行时实现第一方面中微弱缺陷检测用的图像增强前处理方法。
[0088]
本部分实施例的有益效果在于，先通过将检测区域切分为子区域，然后通过灰度拉伸的方式放大子区域中的缺陷位置，从而准确定位子区域中的可能缺陷区域，并将所有子区域中的可能缺陷区域合并得到缺陷疑似区域，后续增强处理等操作均是基于对应于缺陷疑似区域的待检测区域进行，由于缺陷疑似区域较为完整，且边界也相对清晰，因此有助于准确筛选出符合要求的微弱缺陷，降低缺陷过检的可能性。
[0089]
进一步通过使相邻子区域之间相互重叠，有助于降低遗漏部分可能缺陷，进而导致最终微弱缺陷检测不准确的情况。进一步通过预处理，有助于对检测区域进行光学补偿，以使检测区域图像中不存在光照不均匀的情况，进而使得后期计算均值的过程能够获得准确的计算结果。
[0090]
进一步通过计算剔除干扰后的灰度均值，有助于使求取各个子区域中灰度均值的过程更加准确，进而有助于后期更精准地确定缺陷区域。
[0091]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0092]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0093]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。