专利名称：复杂背景下qr码图像符号区域的精确定位方法
技术领域：
本发明涉及一种二维条码的图像处理方法，尤其是一种针对复杂背景下QR码图像符号区域的精确定位方法，属于图像处理技术领域。
背景技术：
QR码，又称快速响应码，是一种矩阵二维码符号，对于数字、字母、汉字编码有特定的压缩模式。QR码具有高容量、高密度、纠错能力强、安全强度高等特点，广泛应用于身份验证、安全防伪、电子商务等众多领域。国标GB/T 18284-2000记载了QR码的标准。如图1所示，QR码是由一系列深色和浅色的正方形模块(以后统称模块)组成的矩形阵列符号(矩形阵列符号所在区域约定为符号区域)，分为功能图形和编码区域两个部分。其中，功能图形包括位置探测图形，也称为寻像图形，是三个分别位于矩阵符号的左上角、右上角和左下角的相同的正方形符号，每个寻像图形的边长均为7个模块；用于确定矩阵符号位置的一个固定图形，即校正图形；用于确定符号中模块的坐标的定位图形。编码区域至少包括数据和纠错字码；用于对编码区域的剩余部分进行译码的格式信息。
二维条码识别的一般方法是先对条码图像进行一阶差分，找出条码图像的边界位置。但是，当使用无自动调焦的光学系统成像后，比如用手机拍照，条码边界将变得异常模糊，并且边界部分会相互叠加和偏移，如图2所示，再加上环境噪声的影响，传统的条码识别方法将不再适用。
发明专利申请CN1818926公开了一种用于二维码识别的二维码区域精确定位的方法 (1)将所采集的待识别二维码的彩色位图转换为256色灰度位图； (2)设定一个阈值，将上述灰度位图的每一个象素的灰度值与阈值相比较，若大于阈值，则赋值1，若小于阈值，则赋值0，得到二值化图像，阈值为大于零小于255的正整数； (3)分别向上述二值化图像的X轴、Y轴投影，记录跳变频率最高区域的X值、Y值，将此X，Y值的组合作为二维码区域的中心点； (4)从上述中心点为起点，向上、下、左、右四个方向依次进行扫描，当浅色区域和深色区域发生跳变，且浅色区域的累积长度小于一长度阈值时，结束扫描，得到二维码区域的四个原始最外点； (5)以上述任意一个原始最外点为起点按照逆时针或顺时针方向，按上述四个最外点形成的方形框的轨迹经过其余三点，最后回到起始点，进行扫描，若所经过的最外点的一边有浅色区域和深色区域发生跳变，则将该最外点按一定步长向二值化图像边缘移动，得到一个新的最外点，并以该新的最外点替代相应的原始最外点； (6)以上述原始最外点和新的最外点中的任意一点为起点，重复步骤(5)，直至所述的方形框的每条边都没有浅色区域和深色区域之间的跳变，得到四个最后的最外点，由该四个最后的最外点形成的方形框即为二维码的区域。
另一文献(见Eisaku Ohbuchi etc.，Barcode Readers using the Camera Device inMobile Phones.Proceedings of the 2004 International Conference on Cyberworlds，2004.)描述了另一种方法，如图3所示 1.计算被拍摄图像的重心，设为(xc，yc)； 2.从外向内进行8个方向的扫描，即平行于下图矩形区域的四条边和对角线的8个方向扫描，直到扫描到符号区域的边缘停止； 3.如果停止时扫描线上的符号区域的像素点不止一个，则选择一个边缘点； 4.经过扫描可以得到最多16个边缘点； 5.16个边缘点中距离像素点(0，0)最近的边缘点是一个符号区域的一个顶点； 6.定义向量P为(x0，y0)-(xc，yc)。
7.计算内积找到符号区域的的其它顶点。
但是上述方法存在重大缺陷 1、在实际应用的复杂背景下，扫描边缘点的方法将不再适用，这是相当显然的，如图4所示，其原因是复杂背景下存在很多干扰点，扫描线无法区分干扰点是否属于符号区域，从而定位错误。
2、QR码图像符号区域并不总是存在4个顶点，如图5所示，扫描线扫描出5个最外点(图中的5个小圆点)，如图可见，据此定位的符号区域就丢失了若干浅色模块的信息。
3、实际拍摄QR码图片进行识别时，可能因为拍摄角度的关系导致符号区域发生较大旋转，这时我们就要判定各顶点对应到正常QR码图像符号区域的位置，即旋转类型，但是上述方法仅仅只能定位符号区域，不能判断旋转类型。
发明内容
针对上述问题，本发明的目的在于提供一种复杂背景下QR码图像符号区域的精确定位方法。所要解决的技术问题是 1、处理散焦模糊QR码图像，如无法自动调焦的手机拍摄的图片； 2、在复杂背景下定位QR码图像符号区域； 3、判断旋转类型； 4、计算QR码版本。
本发明的构思为首先采用自适应阈值二值化的方法直接去掉由于散焦模糊效果造成的模块边缘信息，保留所有模块中心的信息；接着利用外部边缘轮廓查找算法检测出位于QR码图像顶点位置的三个寻像图形/位置探测图形，并确定这三个寻像图形的12个顶点，进而就能够判断旋转类型和精确定位整个QR码图像符号区域。在实际应用的复杂背景下，该方法可以直接检测到所有的位置探测图形，克服图像噪声的干扰，得到极高的成功率和精度。该方法的算法复杂度相对低，可基本保证无损过滤，并满足实时性要求。
根据上述构思，本发明主要包括以下四个步骤 1、滤除散焦模糊效果 QR码图像是由一系列深色和浅色正方形模块组成的一个矩阵符号，根据对散焦图像的公知常识可知，对于矩阵中的每个模块，无论散焦模糊效应的程度如何，其散焦模糊后在平面的投影必定是这个正方形模块的变形。如果拍摄的角度是垂直于QR码图像平面的，那么正方形模块的变形在各方向上应该是近似均匀的(例如变形成一个圆形)，即中心的颜色是不变的。如果拍摄的角度不是垂直于QR码图像平面的，也可以通过反透视变换恢复成垂直的情况；同时，散焦图像的模糊主要集中在正方形模块的边缘。因此，可以采用自适应阈值二值化的方法直接去掉边缘信息，保留模块中心的信息。
自适应阈值二值化采用类判别分析法确定阈值，采用该方法得到的阈值进行二值化的图像具有良好的背景和前景分离特性。将彩色图像转换成灰度图，这样图像灰度值从0…255变化。设Si(i＝0…255)表示QR码图像内灰度从0…255的像素点数目，即概率直方图，Ti表示阈值，阈值将图像的灰度分为两类C0∈
，C1∈[Ti+1，255]，分别对应于背景和QR码图像符号区域，这两类间方差应该为最大，而相应的两类间方差为最小。又因为一副图像的类间方差和类内部方差之和为一个常数，因此只需根据类间的最大方差即可确定阈值Ti。下面是从图像中自动提取阀值的方法 1)对图像直方图进行归一化 其中，N为图像总象素数，ni为灰度为i的象素数，则C0，C1类型出现的概率和均值如下 其中为QR码图像的均值，C0，C1类的类间方差为 2)求最佳阈值t*应使类间方差最大，即 具体实现方法如下 1)先找出图像的最大和最小灰度值，对于最大和最小灰度值之间的每一个灰度值，看作是阀值，把图像的灰度值分为两类。
2)逐一计算两类间方差存入一个一维方差数组内，下标为当前分割的灰度值。
3)对于方差数组，查找最大的方差值，其下标即为我们所求的阀值Ti。通过滤除灰度值大于该阀值Ti的信息，我们可以得到滤除了散焦模糊效果的QR码图像。
2.查找寻像图形 得到较为清晰的QR码图像之后，就可以进一步查找定位该图像的区域了。查找的目标是位于QR码矩阵符号顶点位置的三个寻像图形(左上角、右上角和左下角)，查找的方法是利用外部边缘轮廓查找算法来检测这三个寻像图形的12个顶点。
有很多技术可以实现内部或外部轮廓的检测，Suzuki和Abe Suzuki(Topologicalstructural analysis of digital binary images by border following.CVGIP，vol.30，1985.)提出了一种外部轮廓检测算法，该算法基于轮廓邻接树的概念，可以区分从空洞中分割出一系列组件(注背景环绕着组件，组件可能包括空洞，而反过来空洞也可能包括其它对象)，其中轮廓邻接树、组件、空洞等概念是digital topology的基本概念，见Kong T.Y.and Rosenfeld A.，Digital TopologyIntroduction and Survey，CVGIP，Vol.48，1989，pp.357-393)。本发明将QR码图像中的三个寻像图形视为空洞，使用这种外部轮廓检测算法来检测所有的外部四边形，然后加上四边形凸凹性和角度的过滤，可以快速地定位出寻像图形的12个顶点 1)利用所述的外部轮廓检测算法对输入图像进行检测，并将检测出来的所有的外部轮廓保存在一个链表中； 2)对该链表中的每个轮廓，通过下列步骤依次滤除 a.若该轮廓含有四个顶点，说明该轮廓为四边形，则继续，否则舍弃； b.若该四边形的凹凸性为凸，则继续，否则舍弃； c.若该四边形的内角属于区间[a，b]则继续，否则舍弃。
其中，内角区间[a，b]限定了四边形的内角角度，0°＞a＞180°且0°＞b＞180°。本领域的技术人员可以理解，该内角区间可以根据经验值来确定，在本发明实施例中，该内角区间较佳地选为[70°，120°]。通过上述步骤，就可以得到包括三个寻像图形在内的若干四边形的集合。
3)如果该集合中只有三个四边形，则可以认为这三个四边形就是所要查找的寻像图形；如果该集合中的四边形数目多于三个，则还需要进一步滤除其中除寻像图形之外的其他四边形。
滤除的方法是通过以下两个条件来判断一是四边形的面积不能超过QR码图像面积的1/9，二是四边形的边长大致相等，因为寻像图形本身是边长相等的四边形，即使由于透视变形失真或者由于旋转而使图像产生畸变，但根据透视变换原理，其失真或畸变图像的边长也应该大致相等。根据以上两个条件，可以准确地从上述的四边形集合中判定出三个寻像图形 i)首先遍历所有的四边形，找出最小和最大的x坐标，以及最小和最大的y坐标，得到QR码图像区域的近似面积； ii)对于每个四边形，按照海伦三角面积计算公式计算其面积存入一个数组S[] 首先扫描得到某个四边形的三个顶点，分别计算这三个顶点间的距离a，b，c； 令p＝(a+b+c)/2； 得出这三点组成三角形的面积为 S1＝sqrt(p*(p-a)*(p-b)*(p-c))； 同理可以求得该四边形中除该三角形之外的另一个三角形的面积S2。两个三角形面积之和S＝S1+S2即为该四边形的面积； iii)滤除面积大于QR码图像符号区域近似面积的1/9的四边形； iv)找出面积最大的四边形作为第一个寻像图形。求出该四边形的中心点，遍历其余的四边形，若其它四边形中有包含这个中心点的，则表示其和第一个寻像图像相关，因此被滤除； v)重复步骤4)两次，找出第二和第三个寻像图形。
通过上述方法，可以非常准确地测量这三个寻像图形的12个顶点。
另外，为了提高外部轮廓检测算法的速度和精度，我们可事先对图像进行边缘检测，检测时可使用各种算子，较佳地可以选择Canny算子。
3、判断旋转类型 对这三个寻像图形进行旋转检测就可以得出旋转类型，具体步骤为 1)、将三个寻像图形的中心相连得到一个三角形； 2)、求该三角形边长最长的边，其相对的三角形顶点是QR码图像符号区域左上角寻像图形的中心点； 3)、以该中心点为中心，逆时针方向观察该三角形另外的两个顶点，遇到的第一个顶点是QR码图像符号区域左下角寻像图形的中心点，另外一个顶点则是右上角寻像图形的中心点。
这样我们就得到三个检测出的寻像图形在正常的QR码图像符号区域中对应的位置。
4.精确定位QR码图像符号区域 得到三个检测出的寻像图形在正常的QR码图像符号区域中对应的位置后，我们就可以通过下列方法精确定位QR码图像符号区域，如图6所示 1)在对应于正常的QR码图像符号区域左上角的寻像图形的四个顶点中选取一个顶点，设为P1，该顶点与其它两个寻像图形的中心点的距离在这四个顶点中最远； 2)在对应于正常的QR码图像符号区域左下角的寻像图形的四个顶点中选取二个顶点，设为P4和P41，该顶点与对应于正常的QR码图像符号区域左上角的寻像图形的中心点的距离在这四个顶点中分别是最远和次远； 3)在对应于正常的QR码图像符号区域右上角的寻像图形的四个顶点中选取二个顶点，设为P2点和P21，该顶点与对应于正常的QR码图像符号区域左上角的寻像图形的中心点的距离在这四个顶点中分别是最远和次远； 4)分别过点P1和P2，P1和P4，P2和P21，P1和P11作四条直线，这四条直线所夹区域即为QR码图像符号区域。
本发明的技术效果是 1、采用自适应阀值二值化进行散焦模糊过滤，达到如下效果 1)拍摄器械无关，图片无关。
2)算法复杂度相对低，可基本保证无损过滤。
3)满足实时性要求。
2、在实际应用的复杂背景下，采用外部轮廓检测算法结合边缘检测来定位寻像图形，达到如下效果 1)因为复杂背景中的干扰多为杂点，几乎不可能与三个寻像图像相似，所以本发明直接检测寻像图形而不是扫描点，这样得到极高的成功率和精度； 2)无需考虑被检测QR码图像符号区域在空间中的旋转，反而根据检测结果可以判断出QR码图像符号区域的旋转类型； 3)根据QR码编码规则，三个寻像图形的正方形框的边长为7个模块，因此，可以根据比例关系直接求出当前QR码图像的版本号，即符号区域的边长是多少个模块，这样免去了求版本号的复杂计算，而且这样求出的版本号的正确率非常高； 4)使用的是图像处理中通用的成熟算法，复杂度低且可以控制。
图1是QR码的结构示意图； 图2表示QR码的模糊图像； 图3表示现有技术中利用扫描边缘点的方法确定QR码图像区域的方法示意图； 图4表示复杂背景下QR码图像的示意图； 图5表示利用扫描边缘点的方法导致错误定位的示意图； 图6表示精确定位QR码图像区域的定位过程示意图； 图7表示在本发明最佳实施例中，对图2采用自适应阈值二值化方法滤除散焦模糊效果后的效果； 图8表示在本发明最佳实施例查找出的三个寻像图形及其12个顶点的示意图； 图9表示本发明最佳实施例的精确定位结果。
具体实施例方式 以下结合附图，详细叙述如何实现复杂背景下QR码图像区域的精确定位。
以图2所示的QR码像为例，本发明的最佳实施例具体实现如下 1.自适应阈值二值化方法滤除散焦模糊效果 将彩色QR码图像转换成灰度图，分别找出图像的最大和最小灰度值Tmix和Tmin，对于最大和最小灰度值之间的每一个灰度值Ti，都将其看作是阈值，并根据T1把图像的灰度值分为大于Ti和小于Ti的两类。针对每一个灰度值Ti，逐一计算两类间的方差存入一个一维方差数组内。查找该方差数组中的最大方差值，其所对应的灰度值就是用于滤除散焦模糊效果的最佳阈值T。通过滤除灰度值大于该阈值的信息，就得到了滤除了散焦模糊效果的清晰的QR码图像，如图7所示，就是滤除了散焦模糊后的效果。
2.查找寻像图形 (1)对图像进行边缘检测，本实例中使用Canny算子； (2)利用外部轮廓检测算法对输入图像进行检测，并将检测出来的所有外部轮廓保存在一个链表中； (3)对该链表中的每个轮廓，通过下列步骤依次滤除 a.若该轮廓含有四个顶点，说明该轮廓为四边形，则继续，否则舍弃； b.若该四边形的凹凸性为凸，则继续，否则舍弃； c.若该四边形的内角属于区间[70°，120°]则继续，否则舍弃。
上述方法的具体实现算法表述如下 Find3Squares(X)//X代表输入图像beginDefine a list m_Contours＝NULL//定义一个链表来记录轮廓Find extreme outer contours in X using the algorithm described in[3]and returnthem to m_Contours；Define a list m_Squares＝NULL//定义一个链表来保存3个位置探测图形while(m_Contours！＝NULL){if(m_Contours-＞first has 4vertex)//如果链表的第一个轮廓包含四个顶点{if(the convexity of m_Contours-＞first is true)//如果链表的第一个轮廓的凹凸性为凸{max＝the maximum angle of m_Contours-＞first//求最大内角min＝the minimum angle of m_Contours-＞first//求最小内角if((max_angle＜120)and(min_algle＞70))Add m_Contours to m_Squares//将符合条件的轮廓加入四边形链表}}m_Contours＝m_Contours-＞next//转到下一个<!-- SIPO <DP n="8"> --><dp n="d8"/>}return m_Squares返回所求得西边形链表end (4)如果该集合中只有三个四边形，则可以认为这三个四边形就是所要查找的寻像图形；如果该集合中的四边形数目多于三个，则还需要进一步滤除其中除寻像图形之外的其他四边形 i)首先遍历所有的四边形，找出最小和最大的x坐标，以及最小和最大的y坐标，得到QR码图像区域的近似面积； ii)对于每个四边形，按照海伦三角面积计算公式计算其面积存入一个数组S[] 首先扫描得到某个四边形的三个顶点，分别计算这三个顶点间的距离a，b，c； 令p＝(a+b+c)/2； 得出这三点组成三角形的面积为 S1＝sqrt(p*(p-a)*(p-b)*(p-c))； 同理可以求得该四边形中除该三角形之外的另一个三角形的面积S2。两个三角形面积之和S＝S1+S2即为该四边形的面积； iii)滤除面积大于QR码图像区域近似面积的1/9的四边形； iv)找出面积最大的四边形作为第一个寻像图形。求出该四边形的中心点，遍历其余的四边形，若其它四边形中有包含这个中心点的，则表示其和第一个寻像图像相关，因此被滤除； v)在余下的四边形集合中找出面积最大的四边形作为第二个寻像图像。同样滤除和第二个寻像图像相关的四边形； vii)在余下的四边形集合中找出面积最大的四边形作为第三个寻像图像。
通过上述方法，可以非常准确地测量这三个寻像图形的12个顶点，如图8所示，其中，三个寻像图形的12个顶点用圆圈表示。
3.判断旋转类型 通过这三个寻像图形我们可以得出旋转类型 (1)、将三个寻像图形的中心点相连得到一个三角形； (2)、求该三角形边长最长的边，其相对的三角形顶点是QR码图像符号区域左上角寻像图形的中心点； (3)、以该三角形边长最长的边所对应的顶点为中心，逆时针方向观察该三角形另外的两个顶点，遇到的第一个顶点是QR码图像符号区域左下角寻像图形的中心点，另外一个顶点是QR码图像符号区域右上角寻像图形的中心点。
这样我们就得到三个检测出的寻像图形在正常的QR码图像符号区域中对应的位置。
4.精确定位QR码图像符号区域 得到三个检测出的寻像图形在正常的QR码图像符号区域中对应的位置后，我们就可以通过下列方法精确定位QR码图像符号区域，如图9所示 1)在对应于正常的QR码图像符号区域左上角的寻像图形的四个顶点中选取一个顶点，设为Pi，该顶点与其它两个寻像图形的中心点的距离在这四个顶点中最远； 2)在对应于正常的QR码图像符号区域左下角的寻像图形的四个顶点中选取二个顶点，设为P4和P41，该顶点与对应于正常的QR码图像符号区域左上角的寻像图形的中心点的距离在这四个顶点中分别是最远和次远； 3)在对应于正常的QR码图像符号区域右上角的寻像图形的四个顶点中选取二个顶点，设为P2点和P21，该顶点与对应于正常的QR码图像符号区域左上角的寻像图形的中心点的距离在这四个顶点中分别是最远和次远； 4)分别过点P1和P2，P1和P4，P2和P21，P4和P41作四条直线，这四条直线所夹区域即为QR码图像符号区域，如图9所示。
权利要求
1.一种复杂背景下QR码图像符号区域的精确定位方法，包括步骤
1)采用自适应阈值二值化的方法滤除QR码图像的散焦模糊效果，去掉各模块的边缘信息，保留各模块的中心信息；
2)通过外部边缘轮廓查找算法找出所述QR码图像中的外部轮廓，并根据位置探测图形的特点从中查找出所有的位置探测图形；
3)对所述的位置探测图形进行旋转检测，确定它们在正常的QR码图像符号区域中对应的位置；
4)根据所述位置探测图形确定其所在的QR码图像的符号区域。
2.如权利要求1所述的方法，其特征在于，所述的步骤1)还包括
11)找出QR码图像的最大和最小灰度值Tmax和Tmin；
12)对于最大和最小灰度值之间的每一个灰度值Ti，都将其看作是阈值，并根据Ti把图像的灰度值分为大于Ti和小于Ti的两类；
13)针对每一个灰度值Ti，逐一计算两类间的方差存入一个一维方差数组内；
14)查找该方差数组中的最大方差值，其所对应的灰度值就是用于滤除散焦模糊效果的最佳阈值T；
15)滤除灰度值大于该阈值的信息，得到滤除了散焦模糊效果的QR码图像。
3.如权利要求1所述的方法，其特征在于，所述的步骤2)中，从外部轮廓中查找出位置探测图形的步骤是
21)若该轮廓含有四个顶点，说明该轮廓为四边形，则继续，否则舍弃；
22)若该四边形的凹凸性为凸，则继续，否则舍弃；
23)若该四边形的内角属于区间[a，b]，则继续，否则舍弃，其中，0°＞a＞180°且0°＞b＞180°。
4.如权利要求3所述的方法，其特征在于，所述的内角区间为[70°，120°]。
5.如权利要求3或4所述的方法，其特征在于，还包括步骤
24)遍历所有的四边形，找出最小和最大的x坐标，以及最小和最大的y坐标，得到QR码图像区域的近似面积；
25)对于每个四边形，按照海伦三角面积计算公式计算其面积；
26)滤除面积大于QR码图像符号区域近似面积的1/9的四边形。
6.如权利要求5所述的方法，其特征在于，还包括步骤
27)找出面积最大的四边形作为第一个位置探测图形。求出该四边形的中心点，遍历其余的四边形，若其它四边形中有包含这个中心点的，则表示其和第一个寻像图像相关，因此被滤除；
28)在余下的四边形集合中找出面积最大的四边形作为第二个寻像图像，同样滤除和第二个寻像图像相关的四边形；
29)在余下的四边形集合中找出面积最大的四边形作为第三个寻像图像。
7.如权利要求1所述的方法，其特征在于，所述的步骤3)还包括
31)将三个位置探测图形的中心点相连得到一个三角形；
32)求该三角形边长最长的边，其相对的三角形顶点是QR码图像符号区域左上角位置探测图形的中心点；
33)以该三角形边长最长的边所对应的顶点为中心，逆时针方向观察该三角形另外的两个顶点，遇到的第一个顶点是QR码图像符号区域左下角位置探测图形的中心点，另外一个顶点是QR码图像符号区域右上角位置探测图形的中心点。
8.如权利要求1所述的方法，其特征在于，所述的步骤4)还包括
41)在对应于正常的QR码图像符号区域左上角的寻像图形的四个顶点中选取一个顶点，设为P1，该顶点与其它两个寻像图形的中心点的距离在这四个顶点中最远；
42)在对应于正常的QR码图像符号区域左下角的寻像图形的四个顶点中选取二个顶点，设为P4和P41，该顶点与对应于正常的QR码图像符号区域左上角的寻像图形的中心点的距离在这四个顶点中分别是最远和次远；
43)在对应于正常的QR码图像符号区域右上角的寻像图形的四个顶点中选取二个顶点，设为P2点和P21，该顶点与对应于正常的QR码图像符号区域左上角的寻像图形的中心点的距离在这四个顶点中分别是最远和次远；
44)分别过点P1和P2，P1和P4，P2和P21，P4和P41作四条直线，这四条直线所夹区域即为QR码图像符号区域。
全文摘要
一种复杂背景下QR码图像符号区域的精确定位方法，包括步骤1)采用自适应阈值二值化的方法滤除QR码图像的散焦模糊效果，去掉各模块的边缘信息，保留各模块的中心信息；2)通过外部边缘轮廓查找算法找出所述QR码图像中的外部轮廓，并根据位置探测图形的特点从中查找出所有的位置探测图形；3)对所述的位置探测图形进行旋转检测，确定它们在正常的QR码图像符号区域中对应的位置；4)根据所述位置探测图形确定其所在的QR码图像的符号区域。在实际应用的复杂背景下，该方法可以直接检测到所有的位置探测图形，克服图像噪声的干扰，得到极高的成功率和精度。该方法的算法复杂度相对低，可基本保证无损过滤，并满足实时性要求。
文档编号G06K9/32GK1924899SQ200610113379
公开日2007年3月7日 申请日期2006年9月26日 优先权日2006年9月26日
发明者明安龙, 马华东, 刘德宇, 胡自强 申请人:福建榕基软件开发有限公司