基于时间序列遥感信息的建成区提取方法及装置与流程

本发明属于信息技术领域，尤其涉及一种基于时间序列遥感信息的建成区提取方法及装置。

背景技术：

随着大数据时代的到来，城市服务功能逐步向智慧城市方向发展，并对于城市的精细化管理提出更高的要求。数字城市乃至数字地球是智慧城市的信息基础。遥感技术可快速直接获取城市土地覆盖，是为数字城市提供基础信息的重要手段。

现有基于遥感的建成区快速提取方法，主要包括以下两种：第一种方法为利用遥感影像不同波段构建谱间关系式的方法(例如，采取波段差值特征)；第二种方法为构建综合指数法，以便排除其他地物干扰。例如采用建成区指数(BIs)，并结合包括植被指数(VIs)、水体指数(WIs)等在内的其他地物提取遥感指数的综合指数提取法。现有技术在利用上述指数方法提取建成区过程中，均需要面对阈值选取的问题。现有技术通常采用固定阈值法，例如，以建成区指数(如：归一化差异建成区指数)是否大于0，作为判断是否为建成区的标准。然而不同的地理位置对应的经验阈值不尽相同，当固定阈值在实验区不适用的时候，现有技术依然会调整阈值，通过多次尝试和比较，选取相对满意的结果为止。基于上述原因，现有技术中阈值分割选取的人为主观性明显，且存在多次阈值调整也无法达到满意效果的可能，结果偶然性较大。

技术实现要素：

有鉴于此，本发明实施例提供了一种基于时间序列遥感信息的建成区提取方法及装置，以解决现有技术中阈值分割选取的人为主观性明显且结果偶然性较大的问题。

本发明实施例的第一方面，提供了一种基于时间序列遥感信息的建成区提取方法，包括：

根据目标区域选取至少两种地物提取遥感指数；所述至少两种地物提取遥感指数包括建成区指数；

获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息，分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围；

根据各种所述地物的各种所述遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值采用决策分类树方法提取目标区域的建成区轮廓。

本发明实施例的第二方面，提供了一种基于时间序列遥感信息的建成区提取装置，包括：

指数选择模块，用于根据目标区域选取至少两种地物提取遥感指数；所述至少两种地物提取遥感指数包括建成区指数；

范围确定模块，用于获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息，分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围；

处理模块，用于根据各种所述地物在各种所述遥感指数上的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值采用决策分类树方法提取目标区域的建成区轮廓。

本发明实施例相对于现有技术所具有的有益效果：本发明实施例根据目标区域选取至少两种地物提取遥感指数，然后获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围，以及根据各种所述地物的各种所述遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值采用决策分类树方法提取目标区域的建成区轮廓，基于遥感影像在预设时期内时间序列上的采样及分析，取得建成区在至少两种类型遥感指数上长期稳定的光谱特性，并根据各种所述地物提取遥感指数的取值范围选取建成区地物提取遥感指数的最佳分割阈值，从而能够快速从海量时间序列遥感影像中提取出建成区范围，获得更加准确的提取结果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于时间序列遥感信息的建成区提取方法的流程图；

图2是本发明实施例提供的根据各种所述地物提取遥感指数的阈值采用决策分类树方法提取目标区域的建成区轮廓的实现流程图；

图3是本发明实施例提供的基于时间序列遥感信息的建成区提取装置的结构框图；

图4是本发明实施例提供的处理模块的结构框图；

图5是本发明实施例提供的基于时间序列遥感信息的建成区提取装置的示意框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

图1示出了本发明实施例一提供的基于时间序列遥感信息的建成区提取方法的实现流程，详述如下：

步骤S101，根据目标区域选取至少两种地物提取遥感指数。

其中，所述至少两种地物提取遥感指数包括建成区指数。具体的，考虑到仅仅利用单一地物提取遥感指数难以抑制低植被覆盖度的裸地以及河海滩地等信息，造成混分和误分，因此需要补充建成区指数之外的地物提取遥感指数以排除干扰。例如，植被指数和水体指数。

具体的，以研究区存在低植被覆盖裸地以及河滩为例，选取多种地物提取遥感指数包括：归一化差异建成区指数(Normalized Difference Built-up Index,NDBI)、归一化差异植被指数(Normalized Difference Vegetation Index,NDVI)和改进的归一化差异水体指数(Modified Normalized Difference Water Index,MNDWI)。对应的，地物类别包括建成区、植被和水体。需要说明的是，本步骤中只是为了示例性说明，并不以此为限。

通常情况下，应选取归一化差异建成区指数，然后可以在归一化差异植被指数和改进的归一化差异水体指数中选择其中一个指数，或选择两个指数，从而减少植被覆盖度低的裸地和/或河海滩地等信息对目标建成区轮廓提取的干扰。

步骤S102，获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息，分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围。遥感信息这里包括遥感影像光谱信息对应的DN值(Digital Number，像元亮度值)或者经过初步处理得到的地物信息等。

本步骤中，选择所述预设时期内的时间序列遥感信息中变化率小于预设值的地物作为采样样本，根据各种所述地物的采样样本，按照各种所述地物的类别和所述遥感信息获取的时间，根据所述时间序列遥感信息数据统计得出各种所述地物提取遥感指数在预设时间段内不同时间上的取值范围。该预设时间段可以为一年。即，可以根据所述时间序列遥感信息数据统计得出各种所述地物提取遥感指数在一年时间内不同时间上(例如每天、每月或每季度等)的取值范围。

其中，可以根据预设时期内目标区域的时间序列遥感信息，计算各种地物的建成区指数(例如NDBI)，然后得出建成区指数的取值范围；可以根据预设时期内目标区域的时间序列遥感信息，计算各种地物的植被指数(例如NDVI)，然后得出植被指数的取值范围；可以根据预设时期内目标区域的时间序列遥感信息，计算各种地物的水体指数(例如MNDWI)，然后得出水体指数的取值范围。

另外，为了尽可能减少漏分错误，可以选择各种地物提取遥感指数的取值范围的最小值作为界值来确定划分该类地物。例如，建成区在目标区域近10年的NDBI指数取值在-0.3～0.3之间，则可以选择-0.3作为界值来划分建成区，以确保该地区建成区全部被提取出来。又例如，植被在目标区域近10年的NDVI指数取值在0～0.85之间，则可以选择0作为界值来划分植被轮廓，以确保该地区植被全部被提取出来。

进一步的，为避免异常值对结果影响，还可以分别用95％、5％分位数替代各种地物提取遥感指数的取值范围的上限和下限进行分析。

步骤S103，根据各中所述地物的各种所述遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值提取目标区域的建成区轮廓。

本步骤中，所述至少两种地物提取遥感指数包括建成区指数，还包括第一地物提取遥感指数和第二地物提取遥感指数中的至少一种。所述地物类别包括建成区，还包括了第一地物和第二地物中的至少一种。例如，第一地物提取遥感指数可以为植被指数，第二地物提取遥感指数可以为水体指数；第一地物可以为植被，第二地物可以为水体，但并不以此为限。

所述根据各个所述地物提取遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值具体可以为：

将建成区对应的所述建成区指数的取值范围中的最小值作为所述建成区指数的阈值。例如，建成区在目标区域近10年的建成区指数取值在-0.3～0.3之间，则可以将-0.3作为建成区指数的阈值t1。

将所述建成区对应的第一地物提取遥感指数的取值范围中的最大值和所述第二地物对应的第一地物提取遥感指数的取值范围中的最大值之间的较大值作为所述第一地物提取遥感指数的阈值。其中，所述建成区对应的第一地物提取遥感指数为根据所述遥感影像中的建成区数据计算得出的第一地物提取遥感指数。所述第二地物对应的第一地物提取遥感指数为根据所述遥感影像中的第二地物数据计算得出的第一地物提取遥感指数。

例如，所述建成区对应的第一地物提取遥感指数的取值范围为Th1～Th2，所述第二地物对应的第一地物提取遥感指数的取值范围为Th3～Th4，则将Th2和Th4中的较大值作为第一地物提取遥感指数的阈值t2。从取值范围重合情况来看，第二地物的第一地物提取遥感指数取值上限Th4是确保分成第一地物的下限，也即是说第一地物提取遥感指数大于Th4的地物一定是第一地物，则可以通过设定阈值为Th4将部分第一地物排除。

将所述建成区对应的第二地物提取遥感指数的取值范围中的最大值和所述第一地物对应的第二地物提取遥感指数的取值范围中的最大值之间的较大值作为所述第二地物提取遥感指数的阈值。其中，所述建成区对应的第二地物提取遥感指数为根据所述遥感影像中的建成区数据计算得出的第二地物遥感提取指数。所述第一地物对应的第二地物提取遥感指数为根据所述遥感影像中的第一地物数据计算得出的第二地物提取遥感指数。

例如，所述建成区对应的第二地物提取遥感指数的取值范围为Th5～Th6，所述第一地物对应的第二地物提取遥感指数的取值范围为Th7～Th8，则将Th6和Th8中的较大值作为第二地物提取遥感指数的阈值t3。从取值范围重合情况来看，建成区的第二地物提取遥感指数取值上限Th6是确保分成第二地物的下限，也即是说第二地物提取遥感指数大于Th6的地物一定是第二地物，则可以通过设定阈值为Th6将部分第二地物排除。

参见图2，一个实施例中，所述根据各种所述地物提取遥感指数的阈值提取目标区域的建成区轮廓可以通过以下过程实现：

步骤S201，根据所述建成区指数的阈值提取建成区斑块。

例如，可以根据所述建成区指数的阈值t1从目标区域的遥感影像中提取目标区域的建成区斑块。

步骤S202，根据所述第一地物提取遥感指数的阈值和所述第二地物提取遥感指数的阈值从所述建成区斑块中删除第一地物对应的斑块和第二地物对应的斑块，得到所述目标区域的建成区轮廓。

本步骤中，可以根据所述第一地物提取遥感指数的阈值t2和所述第二地物提取遥感指数的阈值t3从步骤S201中得出的建成区斑块中删除第一地物的斑块和第二地物的斑块，得出所述建成区轮廓。

具体的，可以先根据所述第一地物提取遥感指数的阈值t2，从所述建成区斑块中删除第一地物的斑块，生成优化建成区斑块。然后，再根据所述第二地物提取遥感指数的阈值t3，从所述优化建成区斑块中删除第二地物的斑块，生成所述建成区轮廓。

当然，也可以先根据所述第二地物提取遥感指数的阈值t3，从所述建成区斑块中删除第二地物的斑块，生成优化建成区斑块。然后，再根据所述第一地物提取遥感指数的阈值t2，从所述优化建成区斑块中删除第一地物的斑块，生成所述建成区轮廓。

优选的，考虑到第一地物和第二地物的季节性变化，选择第一地物提取遥感指数和第二地物提取遥感指数在所述预设时期内的最大值，进行第一地物或者第二地物的提取，从所述初步建成区轮廓在删除第一地物的斑块和第二地物的斑块，以生成所述建成区轮廓。

另外，考虑到建成区覆盖的特殊性，即通常情况下地表覆盖一旦转变为建成区，则此后年份依然为建成区。因此，在步骤S103之后，所述基于时间序列遥感信息的建成区提取方法还可以包括：设定时态约束条件，对各个时相的建成区轮廓进行修正。具体的，可以在步骤S202之后，定时态约束条件，对各个时相的建成区轮廓进行修正。进一步的，所述建成区提取方法还可以包括：根据历史参考数据和地面样点对所述建成区轮廓进行精度验证。其中，历史参考数据可以采取往年统计年鉴或者政府公布数据，对提取建成区面积进行宏观层面的比较验证。地面样点则可以基于现有土地利用分类图或者更高精度提取的建成区信息进行评价。

将本发明实施例应用到对深圳市近三十年城市快速发展过程的建成区的遥感检测项目中，进行实际验证表明本发明实施例能够快速获取合适的分割阈值，同时保证分类精度达到预设要求，从而证明本发明实施例方案的可行性，并且可以推广到其他区域、以及其他地物的提取方案之中。

上述基于时间序列遥感信息的建成区提取方法，根据目标区域选取至少两种地物提取遥感指数，然后获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围，以及根据各种所述地物的各种所述遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值采用决策分类树方法提取目标区域的建成区轮廓，基于遥感影像在预设时期内时间序列上的采样及分析，取得建成区在至少两种类型遥感指数上长期稳定的光谱特性，并根据各种所述地物提取遥感指数的取值范围选取建成区地物提取遥感指数的最佳分割阈值，从而能够快速从海量时间序列遥感影像中提取出建成区范围，获得更加准确的提取结果。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例二

对应于上文实施例所述的基于时间序列遥感信息的建成区提取方法，图3示出了本发明实施例提供的基于时间序列遥感信息的建成区提取装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分。

参照图3，该装置包括：

指数选择模块301，用于根据目标区域选取至少两种地物提取遥感指数。所述至少两种地物提取遥感指数包括建成区指数。

范围确定模块302，用于获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息，分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围。

处理模块303，用于根据各个所述地物的各种所述遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值采用决策分类树方法提取目标区域的建成区轮廓。

可选的，所述范围确定模块302可以具体用于：选择所述预设时期内的遥感信息中变化率小于预设值的地物作为采样样本，根据各种所述地物的采样样本，按照各种所述地物的类别和所述遥感信息获取的时间，根据所述时间序列遥感信息数据统计得出各种所述地物提取遥感指数在预设时间段内不同时间上的取值范围。

一个实施例中，所述两种地物提取遥感指数还包括第一地物提取遥感指数和第二地物提取遥感指数中的至少一种。所述地物类别包括建成区以及第一地物和第二地物中的至少一种。参见图4，所述处理模块303可以包括阈值单元401。

所述阈值单元401，用于将建成区对应的所述建成区指数的取值范围中的最小值确定为所述建成区指数的阈值。所述归一化差异建成区指数的阈值用于提取建成区。

所述阈值单元401，还用于比较所述建成区对应的第一地物提取遥感指数的取值范围中的最大值和所述第二地物对应的第一地物提取遥感指数的取值范围中的最大值的大小，将较大值作为所述第一地物提取遥感指数的阈值。

所述阈值单元401，还用于比较所述建成区对应的第二地物提取遥感指数的取值范围中的最大值和所述第一地物对应的第二地物提取遥感指数的取值范围中的最大值的大小，将较大值作为所述第二地物提取遥感指数的阈值。

进一步的，所述处理模块303还可以包括轮廓处理单元402。所述轮廓处理单元402，用于根据所述建成区指数的阈值提取建成区斑块，并根据所述第一地物提取遥感指数的阈值和所述第二地物提取遥感指数的阈值分别从所述建成区斑块中删除第一地物对应的斑块和第二地物对应的斑块，得到所述目标区域的建成区轮廓。

参见图3，一个实施例中，所述基于时间序列遥感信息的建成区提取装置还可以包括验证模块机304。验证模块304，用于根据历史参考数据和地面样点对所述处理模块提取出来的建成区轮廓进行精度验证。

实施例三

参见图5，是本发明实施例三提供的基于时间序列遥感信息的建成区提取装置的示意框图。如图所示的基于时间序列遥感信息的建成区提取装置可以包括：一个或多个处理器501(图中仅示出一个)；一个或多个输入设备502(图中仅示出一个)，一个或多个输出设备503(图中仅示出一个)和存储器504。上述处理器501、输入设备502、输出设备503和存储器504通过总线505连接。存储器504用于存储指令，处理器501用于执行存储器504存储的指令。其中：

所述处理器501，用于根据目标区域选取至少两种地物提取遥感指数。所述至少两种地物提取遥感指数包括建成区指数。所述处理器501，还用于通过输入设备502获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息，分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围。所述处理器501，还用于根据各种所述地物的各种所述遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值提取目标区域的建成区轮廓。

作为一种可实施方式，所述处理器501，具体用于选择所述预设时期内的遥感信息中变化率小于预设值的地物作为采样样本，根据各种所述地物的采样样本，按照各种所述地物的类别和所述遥感信息获取的时间，根据所述时间序列遥感信息数据统计得出各种所述地物提取遥感指数在预设时间段内不同时间上的取值范围。

作为另一种可实施方式，所述两种地物提取遥感指数还包括第一地物提取遥感指数和第二地物提取遥感指数中的至少一种；所述地物类别包括建成区以及第一地物和第二地物中的至少一种。所述处理器501，用于将建成区对应的所述建成区指数的取值范围中的最小值确定为所述建成区指数的阈值。所述处理器501，还用于比较所述建成区对应的第一地物提取遥感指数的取值范围中的最大值和所述第二地物对应的第一地物提取遥感指数的取值范围中的最大值的大小，将较大值作为所述第一地物提取遥感指数的阈值。所述处理器501，还用于比较所述建成区对应的第二地物提取遥感指数的取值范围中的最大值和所述第一地物对应的第二地物提取遥感指数的取值范围中的最大值的大小，将较大值作为所述第二地物提取遥感指数的阈值。

进一步的，所述处理器501还用于：根据所述归一化差异建成区指数的阈值提取建成区斑块，并根据所述第一地物提取遥感指数的阈值和所述第二地物提取遥感指数的阈值分别从所述建成区斑块中删除第一地物对应的斑块和第二地物对应的斑块，得到所述目标区域的建成区轮廓。

优选的，所述处理器501，还用于根据历史参考数据和地面样点对所述处理模块提取出来的建成区轮廓进行精度验证。

所述存储器504，用于存储软件程序、模块和所述网络交互数据，所述处理器501通过运行存储在所述存储器504的软件程序以及单元，从而执行各种功能应用以及数据处理，实现终端的信息交互功能。

应当理解，在本发明实施例中，所称处理器501可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备502可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备503可以包括显示器(LCD等)、扬声器等。

该存储器504可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。例如，存储器504还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器501、输入设备502、输出设备503和存储器504可执行本发明实施例提供的基于时间序列遥感信息的建成区提取方法的实施例中所描述的实现方式，也可执行基于时间序列遥感信息的建成区提取装置的实施例中所描述的实现方式，在此不再赘述。

综上所述，本发明实施例根据目标区域选取至少两种地物提取遥感指数，然后获取所述目标区域预设时期内的时间序列遥感信息，并根据所述预设时期内的时间序列遥感信息分别确定所述目标区域内各种所述地物的各种所述遥感指数的取值范围，以及根据各种所述地物的各种所述遥感指数的取值范围，确定各种所述地物提取遥感指数的阈值，并根据各种所述地物提取遥感指数的阈值采用决策分类树方法提取目标区域的建成区轮廓，基于遥感影像在预设时期内时间序列上的采样及分析，取得建成区在至少两种类型遥感指数上长期稳定的光谱特性，并根据各种所述地物提取遥感指数的取值范围选取建成区地物提取遥感指数的最佳分割阈值，从而能够快速从海量时间序列遥感影像中提取出建成区范围，获得更加准确的提取结果。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述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，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。