本发明涉及城市评估领域，尤其涉及一种基于图像识别的城市共融评估方法及装置。
背景技术：
目前，现代城市是人居中心、文化教育中心、综合商业中心、知识和技术创新中心和环境治理的重心。随着城市人口占总人口比重的不断提高，加快城市扩容、带动周边区域建设、辐射卫星城共融发展已成为我国刻不容缓的重大战略。而如何对城市发展、共融状况进行客观评估，利用评估结果推进成熟规划校准和优化，促进城区的协调发展，实现城市发展战略决策有据可依，已成为人们日益关注和值得探讨的问题之一。
然而，传统城市发展评估方法，通常是利用城市人口指标或经济指标等因素来进行评估，但是对于一个城市，是一个复杂的人类工程生态系统，其包含自然、人文、生态、经济、社会等各种动态因素。因此，采用传统评估方法无法体现城市的总体作用和综合功能的发展状态，存在数据单一性、评价片面性，并且无法评估城市建设与周边城区建设的共融情况；若考虑多种因素时，由于对数据采集、处理等要求和计算过程十分复杂，导致数据采集的不完全；另外，在数据采集和计算时所依据的标准不同时，其得到的各项数据指标也存在较大差异，不能够对城市共融发展状态进行有效、快速的评估。另外，不仅仅是对于一个城市的变化，比如对于一些如海港、森林、海洋等区域的变化，也需要进行评估，但是同样存在相同的问题，使得数据采集、处理等要求和计算过程十分复杂，而不能够对一个区域进行有效、快速的评估。
技术实现要素：
为了克服现有技术的不足，本发明的目的之一在于提供基于图像识别的区域发展状况评估方法，其能够解决现有技术中不能够对某一区域发展状况进行有效、快速评估的问题。
本发明的目的之二在于提供一种电子设备，其能够解决现有技术中不能够对某一区域发展状况进行有效、快速评估的问题。
本发明的目的之三在于提供一种计算机可读存储介质，其能够解决现有技术中不能够对某一区域发展状况进行有效、快速评估的问题。
本发明的目的之四在于提供基于图像识别的区域发展状况评估装置，其能够解决现有技术中不能够对某一区域发展状况进行有效、快速评估的问题。
本发明的目的之一采用如下技术方案实现：
基于图像识别的区域发展状况评估方法，包括以下步骤：
模型建立步骤：建立主体识别模型；所述主体识别模型存储了每种类型的主体的卫星图片的特征向量的集合；
获取步骤：获取待识别区域的卫星图片；
分割步骤：根据颜色聚类将所述卫星图片划分成对应的多个区块图片；
识别步骤：对每个区块图片进行特征提取得出对应的特征向量，并根据每个区块图片所对应的特征向量与主体识别模型得出每个区块图片所对应的主体；
合并步骤：将相邻的同类主体的区块图片进行合并进而将所述卫星图片划分为多个类型区域；
计算步骤：根据地图的经纬度数据得出所述卫星图片的每个类型区域的地理位置，并根据每个区域类型的面积计算每个区域类型的面积大小。
进一步地，还包括处理步骤：首先分别获取统计周期内的待识别区域的多张卫星图片，并对每张卫星图片均依次执行分割步骤、识别步骤、合并步骤以及计算步骤得出每张卫星图片的每个类型区域的地理位置以及每个区域类型的面积大小；然后根据时间的先后顺序计算统计周期内待识别区域的每张卫星图片的相同地理位置上的不同类型区域的面积大小变化数据。
进一步地，所述获取统计周期内的待识别区域的多张卫星图片后，还根据日期的先后顺序对待识别区域的多张卫星图片进行排序。
进一步地，还包括评价步骤：根据统计周期内待识别区域的每张卫星图片的相同地理位置上的类型区域的面积变化数据以及预设的评分模型对待识别区域进行评分。
进一步地，所述模型建立步骤还包括：首先获取每种类型的主体的多张卫星图片；然后对每种类型的主体的每张卫星图片进行特征提取得出对应的特征向量；最后对每种类型的主体的多张卫星图片对应的特征向量进行识别训练得出每种类型的主体的卫星图片所对应的特征向量的集合，即主体识别模型。
进一步地，获取步骤之后还包括预处理步骤：对所述卫星图片进行预处理过程；其中预处理过程包括以下一种或多种方法的组合：图像二值化、去除干扰点、质心对齐方法以及线性插值放大方法。
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如前所述的基于图像识别的区域发展状况评估方法的步骤。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的基于图像识别的区域发展状况评估方法的步骤。
本发明的目的之四采用如下技术方案实现：
基于图像识别的区域发展状况评估装置，包括：
模型建立模块，用于建立主体识别模型；所述主体识别模型存储了每种类型的主体的卫星图片的特征向量的集合；
获取模块，用于获取待识别区域的卫星图片；分割模块，用于根据颜色聚类将所述卫星图片划分成对应的多个区块图片；
特征提取模块，用于对每个区块图片进行特征提取得出对应的特征向量；
识别模块，用于根据每个区块图片所对应的特征向量与主体识别模型得出每个区块图片所对应的主体；
合并模块，用于将相邻的同类主体的区块图片进行合并进而将所述卫星图片划分为多个类型区域；
计算模块，用于根据地图的经纬度数据得出所述卫星图片的每个类型区域的地理位置，并根据每个区域类型的面积计算每个区域类型的面积大小。
进一步地，还包括处理模块，用于分别获取统计周期内的待识别区域的多张卫星图片，并对每张卫星图片均依次执行分割步骤、识别步骤、合并步骤以及计算步骤得出每张卫星图片的每个类型区域的地理位置以及每个区域类型的面积大小；然后根据时间的先后顺序计算统计周期内待识别区域的每张卫星图片的相同地理位置上的不同类型区域的面积大小变化数据。
相比现有技术，本发明的有益效果在于：本发明通过预先建立各种不同类型的主体的识别模型，然后对某一区域的卫星图片进行处理并识别得出卫星图片中所包含的主体，进而得出对应主体的面积大小，以便根据卫星图片中所包含的主体的面积大小数据实现对该区域的发展状况数据的统计，从而实现对该区域的发展状况进行有效、快速的评估。
附图说明
图1为本发明提供的基于图像识别的区域发展状况评估方法的流程图之一；
图2为本发明提供的基于图像识别的区域发展状况评估方法的流程图之二；
图3为本发明提供的基于图像识别的区域发展状况评估装置的模块图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例
本发明将通过图像识别的技术来分析某一区域，比如城市、海港、森林、海洋等的卫星图片，来对该区域的发展变化进行识别。比如定期对某一区域的卫星图片进行识别，然后对比该区域内各种因素的周期性的前后变化，以根据各种因素的变化来评估对应区域的发展状况。
比如通过分析两个城市交界处10公里范围内的卫星图片，并识别得出该区域内的商业体、学校、标准住宅区等的建筑密度变化，进而可根据这些数据来评估城市共融发展状况。比如，标准住宅区的面积越来越大，则说明该城市更适合人们的居住；商业中心的面积越来越大，则说明该区域更加注重经济发展等。
比如通过对海洋与陆地交界处的卫星图片进行识别，识别得出海洋面积以及陆地面积的大小的周期性变化、比例等得到海陆面积的变化数据，进而评估全球变暖造成的环境影响状况。
比如通过对城市的卫星图片识别，得出区域绿化、森林植被、农田面积等的变化，进而评估沙化治理、植被终止的环境建设的情况。比如绿化面积、农田面积、森林植被的面积逐渐增大，则说明环境治理越来越受到重视，环境会越来越好等。
比如通过对沿海城市的卫星图片进行识别，得出沿海城市是否建有港口、港口、货物堆放变化情况等数据，进而判断沿海城市的对外贸易经济发展状况。
如图1所示，本发明提供了一种实施例，基于图像识别的区域发展状况评估方法，具体包括以下步骤：
s1、获取统计周期内的待识别区域的多张卫星图片，卫星图片为统计周期内不同日期的卫星图片。这里的待识别区域，可以是两个城市的交界处、某一城市、沿海城市、海陆交界处、港口等。比如在10年的统计周期内，每隔一年对待识别区域的卫星图片进行一次采集，这样就可以得到10张卫星图片。对于一个区域其在发展时，相对应地其地图的基础设施等都会有所变化，比如公园变大、住宅小区增多等均可以在对应的卫星地图上，每种基础设施所在卫星图片中所占的比例都会有所增加。
s2、根据日期的先后顺序对待识别区域的多张卫星图片进行排序。同时，在获取到卫星图片时，首先对卫星图片进行预处理过程，通过对卫星图片进行预处理后能够提高系统对图片的处理性能。预处理过程可包括如下一种或多种方法组合：图像二值化、去除干扰点、质心对齐方法以及线性插值放大方法。比如将图片统一转换为相同的大小、格式等。对预处理后的多张卫星图片按照日期的先后顺序进行排序，这样就可以通过对比统计周期内，多张卫星图片中主体随着时间的前后变化，从而以该主体的前后变化来对该区域的发展状况进行评价。
s3、依次选取待识别区域的多张卫星图片中的一张卫星图片进行识别处理得出对应卫星图片中所包含的类型区域的面积大小以及地理位置。
s4、根据时间的先后顺序对比统计周期内待识别区域的每张卫星图片的相同地理位置上的类型区域的面积大小变化数据，并根据每个类型区域的面积大小变化对待识别区域进行评价得出评价结果。
另外，根据相同地理位置所对应的类型区域的面积大小变化对待识别区域进行评价时，是通过预先制定的评分机制来进行，比如当面积增加时记为1-5分，面积减少时记为-1--5分；面积未变化时记为0分等。还可以根据面积变化的具体范围设定对应的分数。当然评分机制是根据具体的需求具体设定。
比如，根据经纬度数据，通过分析卫星地图中，两个城市交界处10公里范围内，商业体、学校、标准住宅区等等类型区域所对应的地理位置。
对比统计周期内前后地图中的城市建筑物以及基础设施建设(比如商业综合区、学校、公园、住宅小区等)的前后面积大小变化，进而可根据评分机制来为该城市交界10公里范围内的区域进行评分，来判断城市居住区域、中心商圈、文化教育的建设和迁移情况。
例如：评估广州、佛山交界处10公里范围内，标准住宅、学校、商业体、交通、道路等主体的变化，比如将该区域的每种主体的面积按照时间的先后顺序进行排序，得出每种主体的面积变化以及每种主体类型的面积占用该区域的面积百分比等数据来评估在一定周期内广佛交界处各种建筑物的变化状况，比如标准住宅的面积随时间的变化，其面积逐渐在增加，则说明在广佛交界处的住户越来越多；道路越来越多，说明广州和佛山交界处的城市共融发展良好。
如统计某市的棚户区改造情况，则根据该市的经纬度数据提取该市的统计周期内的所有卫星地图，判断地图中所有棚户区域并依次计算周期内所有地图中棚户区的前后各种类型的建筑的面积变化数据，根据面积统计数据和时间周期可以得到该市的棚户区改造进度情况。
如某市的边界住宅、商业类型建筑面积扩展迅速，达到临近城市的边界并仍有在建工地的扩张迹象，两个城市之间已通过轨道、交通紧密连接，无明显差别的分割区域，则可以判断该市发展已辐射到周边相邻市县，两市同城一体化迹象明显。
另外，如图2所示，针对一张卫星图片进行处理来得出该卫星图片所包含的类型区域的面积大小以及地理位置的具体实现方法包括如下步骤：
s31、根据颜色聚类将卫星图片划分为对应的多个区块图片。由于地图的特性，针对不同的主体，其在地图中显示的颜色不同，比如对于河流、陆地、建筑物、海洋、道路等显示的颜色均不同，这样就可以根据颜色聚类技术将卫星图片划分成多个不同的区块。
s32、将每个区块图片进行特征提取得出对应的特征向量。
s33、根据每个区块图片所对应的特征向量与主体识别模型得出每个区块图片所对应的主体。
主体识别模型存储了每种类型的主体的卫星图片的特征向量的集合，那么在对区域中的主体识别时，首先将区域的卫星图片划分为多个区块，然后对每个区块图片进行特征提取得出特征向量，并将每个区块图片的特征向量与主体识别模型中的任意一种类型的主体的卫星图片所对应的特征向量进行匹配，进而可得出每个区块图片所对应的主体，也即是每张卫星图片中所包含的主体。
对于一个城市，其包括各种类型的标准住宅小区、商业体、学校、农田、港口码头、市政公园、体育中心等建筑基础设施，那么对于该城市的每种类型的基础设施就会对应在卫星地图显示对应的区域。为了识别得出卫星图片中所包含的主体，本发明通过预先收集各种类型的主体的卫星图片，并对其进行特征向量的提取、识别和训练，建立各种类型的主体的卫星图片的特征向量的集合，也即是主体识别模型，其建立过程如下：
a、通过获取同一种主体类型的卫星图片并对每张卫星图片进行预处理过程。比如对于一个城市区域或城市交界区域来说，该主体类型可以是各种不同类型的建筑体；对于一个海陆交界区域，该主体类型可以是海洋、陆地等；对于城市区域时，还可以是森林植被、农田、沙漠等；对于沿海城市区域，该主体类型可以是港口建筑体、港口货物等。
b、对经过预处理后的每张卫星图片进行特征提取得出对应的特征向量。在提取特征向量时，比如根据主体类型的外观形状、颜色、面积大小和空间分布的组合特征，将主体的卫星图片划分为5*5的25个方格区域，并计算每个方格区域中的点数与物品总点数之比，以得到25维特征向量。
另外，对于各种类型的建筑物或基础设施的主体均有各自的外观及颜色组合、面积大小及空间排布特征，例如，学校：包括运动场和屋顶平面建筑的一块路网分割区域；体育中心：有曲面面积建筑和运动场；商业体：路网切割后包含连续曲面的面积；农田：绿色面积划分的区块和水塘，水塘部分具有明显的反光特征；公园：大面积的绿色区域和蓝色区块的湖泊；标准住宅：呈规律状排布的形状、面积大小相似的平面屋顶色块；棚户区：杂乱、密集状排布的面积相似的平面屋顶颜色块。
因此，在对主体的卫星图片进行特征提取时，可根据主体的外观、颜色、面积空间分布等进行提取。
c、对该同一类型的主体的多张卫星图片进行识别训练，提取出该同一类型的主体的多个标准的特征向量，建立该类型主体的标准特征向量库。在识别训练时，需要指明主体的类型的正确值。
通过上述方法可建立各种不同类型的主体的多个特征向量的集合，也即是主体识别模型。
在识别时，通过将待识别区域的卫星图片进行划分得出多个区块图片，然后对每个区块图片进行特征提取得出对应的特征向量，最终将每个区块图片的特征向量与识别模型中的任意类型的主体的卫星图片的多个特征向量一一对比。当相似度达到80％以上时，该识别模型中的特征向量所对应的主体是为该区块所对应的主体，进行得出该卫星图片中所包含的所有的主体。
s34、将相邻的同类型主体的区块图片进行合并，进而将该卫星图片划分为多个类型区域。每个类型区域内均包括了同类型的主体。一个在划分类型区域时，还根据主体类型对合并后的类型区域进行定义。比如对于相邻的区块图片a、区块图片b其所包含的主体均为住宅小区，则可将区块图片a和区块图片b进行合并得出一类型区域，该类型区域可命名为住宅小区。当然可能由于卫星图片中的相同的类型区域较多，在命名时可对其进行编号，比如住宅小区1、住宅小区2等。比如合并后的区域类型可以是商业中心区域、学校区域、问题中心区域、棚户区、海洋、陆地、港口货物、港口建筑物等。
s35、根据每个类型区域的面积计算得出各个类型区域的面积大小；
s36、根据该卫星图片的经纬度数据得出该卫星图片的各个类型区域的地理位置。
另外，对于s35和s36在实际的执行过程中并没有先后顺序。
例如，本实施例中以对城市交界区域的共融发展评估来举例说明上述方法：
a：获取统计周期内的城市交界处的多张卫星地图，并对每张卫星图片进行预处理。
例如针对两个城市交界处10公里范围内的区域：首先确定统计周期，并获取该统计周期内的城市交界区域的多个日期的卫星图片。比如统计周期为五年，然后获取每半年城市交界区域的卫星图片，采集到10张卫星图片：a1、a2、a3、a4、…、a10，然后根据日期的先后顺序将获取到的卫星图片进行排序，并对每张卫星图片进行预处理。
b：根据颜色聚类将每张卫星地图划分成多个区块图片。比如利用边缘检测技术根据陆地、海洋等主体的颜色区别，查找出卫星地图中的海洋与陆地的边界，分别得到海洋部分与陆地部分的卫星地图。而对陆地部分的卫星地图可通过颜色聚类判断地图中的公路网络，利用公路网络的颜色带对卫星地图进行区域分割，得到多个区块。公路网络在颜色聚类处理后，变现为连续的带状颜色区域。由于对于卫星地图来说，不同的区域其所对应的颜色是不同的，因此可通过颜色聚类对卫星地图进行区域分割划分得出多个区块图片。
c：根据每张卫星地图的每个区块图片与主体识别模型得出每张卫星地图中的每个区块图片所对应的主体。
d：将相邻的同类型的主体的区块图片合并成对应的类型区域。比如将相邻的商业中心体合并成商业中心区域、将相邻的住宅小区合并成住宅小区区域、将相邻的学校建筑物等合并成学校区域、将相邻的文体教育建筑物合并成文体中心区域、将相邻的棚户区合并成棚户区域。
e：根据每个类型区域的面积计算得出对应类型区域的面积大小。
f：根据每张卫星地图的经纬度数据判断对应的卫星地图中各个类型区域的地理位置。
g：根据时间的先后顺序对比统计周期内城市交界区域的每张卫星地图的相同地理位置上的类型区域的面积大小变化数据。
h：根据统计周期内城市交界区域的每张卫星地图的相同地理位置上的类型区域的面积变化以及预设的评分模型来为城市交界区域的评分结果。这样人们就能够通过该评分结果得出城市交界区域的发展状况，比如评分结果越高，说明城市交界区域的发展越好，城市共融性越好。
本发明不仅仅能够用于对城市交界区域处的建筑设施等主体进行识别得出城市发展共融状况进行评估，还可以针对全球卫星图片中海洋、陆地等主体进行识别来对全球气候变暖造成的环境影响进行评估、通过对某一区域内的绿地、森林植被、农田等主体的识别来实现城市沙化治理、植被种植的环境建设的情况的评估、通过对沿海城市的港口等基础设置的主体、堆放的货物的主体等的识别判断城市的对外贸易经济发展情况。
本发明还提供了一种电子设备，其包括存储器、处理器以及存储在存储器上并可在处理上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
模型建立步骤：建立主体识别模型；所述主体识别模型存储了每种类型的主体的卫星图片的特征向量的集合；
获取步骤：获取待识别区域的卫星图片；
分割步骤：根据颜色聚类将所述卫星图片划分成对应的多个区块图片；
识别步骤：对每个区块图片进行特征提取得出对应的特征向量，并根据每个区块图片所对应的特征向量与主体识别模型得出每个区块图片所对应的主体；
合并步骤：将相邻的同类主体的区块图片进行合并进而将所述卫星图片划分为多个类型区域；
计算步骤：根据地图的经纬度数据得出所述卫星图片的每个类型区域的地理位置，并根据每个区域类型的面积计算每个区域类型的面积大小。
进一步地，还包括处理步骤：首先分别获取统计周期内的待识别区域的多张卫星图片，并对每张卫星图片均依次执行分割步骤、识别步骤、合并步骤以及计算步骤得出每张卫星图片的每个类型区域的地理位置以及每个区域类型的面积大小；然后根据时间的先后顺序计算统计周期内待识别区域的每张卫星图片的相同地理位置上的不同类型区域的面积大小变化数据。
进一步地，所述获取统计周期内的待识别区域的多张卫星图片后，还根据日期的先后顺序对待识别区域的多张卫星图片进行排序。
进一步地，还包括评价步骤：根据统计周期内待识别区域的每张卫星图片的相同地理位置上的类型区域的面积变化数据以及预设的评分模型对待识别区域进行评分。
进一步地，所述模型建立步骤还包括：首先获取每种类型的主体的多张卫星图片；然后对每种类型的主体的每张卫星图片进行特征提取得出对应的特征向量；最后对每种类型的主体的多张卫星图片对应的特征向量进行识别训练得出每种类型的主体的卫星图片所对应的特征向量的集合，即主体识别模型。
进一步地，获取步骤之后还包括预处理步骤：对所述卫星图片进行预处理过程；其中预处理过程包括以下一种或多种方法的组合：图像二值化、去除干扰点、质心对齐方法以及线性插值放大方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如以下步骤：
模型建立步骤：建立主体识别模型；所述主体识别模型存储了每种类型的主体的卫星图片的特征向量的集合；
获取步骤：获取待识别区域的卫星图片；
分割步骤：根据颜色聚类将所述卫星图片划分成对应的多个区块图片；
识别步骤：对每个区块图片进行特征提取得出对应的特征向量，并根据每个区块图片所对应的特征向量与主体识别模型得出每个区块图片所对应的主体；
合并步骤：将相邻的同类主体的区块图片进行合并进而将所述卫星图片划分为多个类型区域；
计算步骤：根据地图的经纬度数据得出所述卫星图片的每个类型区域的地理位置，并根据每个区域类型的面积计算每个区域类型的面积大小。
进一步地，还包括处理步骤：首先分别获取统计周期内的待识别区域的多张卫星图片，并对每张卫星图片均依次执行分割步骤、识别步骤、合并步骤以及计算步骤得出每张卫星图片的每个类型区域的地理位置以及每个区域类型的面积大小；然后根据时间的先后顺序计算统计周期内待识别区域的每张卫星图片的相同地理位置上的不同类型区域的面积大小变化数据。
进一步地，所述获取统计周期内的待识别区域的多张卫星图片后，还根据日期的先后顺序对待识别区域的多张卫星图片进行排序。
进一步地，还包括评价步骤：根据统计周期内待识别区域的每张卫星图片的相同地理位置上的类型区域的面积变化数据以及预设的评分模型对待识别区域进行评分。
进一步地，所述模型建立步骤还包括：首先获取每种类型的主体的多张卫星图片；然后对每种类型的主体的每张卫星图片进行特征提取得出对应的特征向量；最后对每种类型的主体的多张卫星图片对应的特征向量进行识别训练得出每种类型的主体的卫星图片所对应的特征向量的集合，即主体识别模型。
进一步地，获取步骤之后还包括预处理步骤：对所述卫星图片进行预处理过程；其中预处理过程包括以下一种或多种方法的组合：图像二值化、去除干扰点、质心对齐方法以及线性插值放大方法。
如图3所示，基于图像识别的区域发展状况评估装置，其包括：
模型建立模块，用于建立主体识别模型；所述主体识别模型存储了每种类型的主体的卫星图片的特征向量的集合；
获取模块，用于获取待识别区域的卫星图片；分割模块，用于根据颜色聚类将所述卫星图片划分成对应的多个区块图片；
特征提取模块，用于对每个区块图片进行特征提取得出对应的特征向量；
识别模块，用于根据每个区块图片所对应的特征向量与主体识别模型得出每个区块图片所对应的主体；
合并模块，用于将相邻的同类主体的区块图片进行合并进而将所述卫星图片划分为多个类型区域；
计算模块，用于根据地图的经纬度数据得出所述卫星图片的每个类型区域的地理位置，并根据每个区域类型的面积计算每个区域类型的面积大小。
进一步地，还包括处理模块，用于分别获取统计周期内的待识别区域的多张卫星图片，并对每张卫星图片均依次执行分割步骤、识别步骤、合并步骤以及计算步骤得出每张卫星图片的每个类型区域的地理位置以及每个区域类型的面积大小；然后根据时间的先后顺序计算统计周期内待识别区域的每张卫星图片的相同地理位置上的不同类型区域的面积大小变化数据。
进一步地，还包括评价模块，用于根据统计周期内待识别区域的每张卫星图片的相同地理位置上的类型区域的面积变化数据以及预设的评分模型对待识别区域进行评分。
进一步地，获取模块之后还包括预处理模块，用于对所述卫星图片进行预处理过程，其中预处理过程包括以下一种或多种方法的组合：图像二值化、去除干扰点、质心对齐方法以及线性插值放大方法。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。