一种图像分割方法及系统的制作方法
【专利摘要】本发明实施例提供了一种图像分割方法及系统，方法包括：获得待处理的目标图像；计算目标图像的灰度直方图；基于灰度直方图，计算目标图像中像素点所涵盖的各个像素值出现的概率；基于目标图像所包含的像素点的数目和各个像素值出现的概率，利用预设的复杂度计算公式，计算目标图像的复杂度；基于目标图像的复杂度，利用预设的超像素分割数计算公式，计算超像素分割数；基于超像素分割数，对目标图像进行分割。应用本发明实施例，可以根据图像的具体情况自动确定图像分割所需要的超像素数量，从而在降低图像处理复杂度的同时避免出现欠分割的问题。
【专利说明】
一种图像分割方法及系统
技术领域
[0001] 本发明涉及图像处理技术领域，特别是涉及一种图像分割方法及系统。
【背景技术】
[0002] 目前，可以将移动终端通过摄像头采集到的图像应用于多种领域，例如:可以将移 动终端通过摄像头采集到图像应用于定位技术，即将移动终端采集到的图像与数据库图像 进行匹配，进而得到定位数据。但是，由于现有的移动终端中的摄像头分辨率普遍超过了 1200万像素，即所采集到的图像数据量较大，即需要处理的数据量较大，而在移动终端的计 算能力和内存资源又较为有限，使得目前并不能广泛的将移动终端采集到图像应用于定位 技术。
[0003] 而目前常通过超像素分割Turbopixels算法对图像进行处理，即对图像进行超像 素分割，能够有效地降低需要处理的图像数据量，但是分割的超像素数量需要人为指定，当 将超像素数量设置的过大时，会在图像进行分割时会出现欠分割的现象，当将超像素数量 设置的过小时，会增加需要处理的图像数据量。
[0004] 因此，亟需提供一种新的图像分割方案，以根据图像具体情况自动确定图像分割 所需要的超像素数量，从而在降低图像处理复杂度的同时避免出现欠分割的问题。
【发明内容】
[0005] 本发明实施例的目的在于提供一种图像分割方法及系统，以根据图像具体情况自 动确定需要的超像素数量对图像进行分割，在降低图像处理复杂度的同时避免出现欠分 害J。具体技术方案如下：
[0006] 第一方面，本发明实施例提供了一种图像分割方法，所述方法可以包括：
[0007] 获得待处理的目标图像；
[0008] 计算所述目标图像的灰度直方图；
[0009] 基于所述灰度直方图，计算所述目标图像中像素点所涵盖的各个像素值出现的概 率；
[0010] 基于所述目标图像所包含的像素点的数目和所述各个像素值出现的概率，利用预 设的复杂度计算公式，计算所述目标图像的复杂度；
[0011] 基于所述目标图像的复杂度，利用预设的超像素分割数计算公式，计算超像素分 割数；
[0012] 基于所述超像素分割数，对所述目标图像进行分割。
[0013] 优选地，所述预设的复杂度计算公式为：
[0015]其中，所述ε表示复杂度，所述Η表示所述目标图像中像素点所涵盖的像素值的个 数，所述Pl表示像素值i出现的概率。
[0016]优选地，所述预设的超像素分割数计算公式为：
[0018] 其中，所述N表示超像素分割数，所述Η所述目标图像中像素点所涵盖的像素值的 个数，ε表示复杂度，所述#为预设常数。
[0019] 优选地，所述基于所述超像素分割数，对所述目标图像进行分割，包括：
[0020] 基于所述超像素分割数，利用超像素分割Turbopixels算法对所述目标图像进行 分割。
[0021 ]优选地，在所述基于所述超像素分割数，对所述目标图像进行分割后，还包括： [0022]获取分割后的目标图像的目标超像素区域，并计算该目标超像素区域的像素方 差；
[0023] 基于所述方差和方差校正公式，判断所述目标超像素区域是否需要边缘检测；
[0024] 若判断所述目标超像素区域需要边缘检测，则利用Sobel算子对所述目标超像素 区域进行边缘检测。
[0025]优选地，方差校正公式为：
[0027] 其中，所述〇1表示目标超像素区域i的像素方差，所述Thr表示预设判断阈值。
[0028] 第二方面，本发明实施例提供了一种图像分割系统，所述系统可以包括：获取模 块、第一计算模块、第二计算模块、第三计算模块、第四计算模块和图像分割模块；
[0029]所述获取模块，用于获得待处理的目标图像；
[0030]所述第一计算模块，用于计算所述目标图像的灰度直方图；
[0031 ]所述第二计算模块，用于基于所述灰度直方图，计算所述目标图像中像素点所涵 盖的各个像素值出现的概率；
[0032] 所述第三计算模块，用于基于所述目标图像所包含的像素点的数目和所述各个像 素值出现的概率，利用预设的复杂度计算公式，计算所述目标图像的复杂度；
[0033] 所述第四计算模块，用于基于所述目标图像的复杂度，利用预设的超像素分割数 计算公式，计算超像素分割数；
[0034]所述图像分割模块，用于基于所述超像素分割数，对所述目标图像进行分割，以得 到分割后的目标图像。
[0035]优选地，所述第三计算模块所利用的所述预设的复杂度计算公式为：
[0037]其中，所述ε表示复杂度，所述Η表示所述目标图像中像素点所涵盖的像素值的个 数，所述Pi表示像素值i出现的概率。
[0038]优选地，所述第四计算模块所利用的预设的超像素分割数计算公式为：
[0040]其中，所述N表示超像素分割数，所述Η所述目标图像中像素点所涵盖的像素值的 个数，ε表示复杂度，所述於为预设常数。
[0041 ]优选地，所述图像分割模块包括:图像分割子模块；
[0042]所述图像分割子模块，用于基于所述超像素分割数，利用超像素分割Turbopixels 算法所述目标图像进行分割。
[0043] 优选地，所述图像分割系统，还包括：
[0044] 第四计算模块，用于获取分割后的目标图像的目标超像素区域，并计算该目标超 像素区域的像素方差；
[0045] 判断模块，用于基于所述方差和方差校正公式，判断所述目标超像素区域是否需 要边缘检测；
[0046] 检测模块，用于当判断所述目标超像素区域需要边缘检测时，利用Sobel算子对所 述目标超像素区域进行边缘检测；
[0047]其中，所述判断模块所利用的方差校正公式为：
[0049] 其中，所述〇1表示目标超像素区域i的像素方差，所述Thr表示预设判断阈值。
[0050] 本发明实施例提供的图像分割方法及系统，先获取待分割的目标图像，并获取该 目标图像的灰度直方图；根据获取得到的灰度直方图，计算目标图像中像素点所涵盖的各 个像素值出现的概率;基于目标图像所包含的像素点的数目和各个像素值出现的概率，利 用预设的复杂度公式，计算目标图像的复杂度;根据该复杂度，利用预设的超像素分割数计 算公式，计算目标图像的超像素分割数，使得可以自动的根据目标图像的图像复杂度计算 出超像素分割数，避免了人为确定超像素分割数造成的欠分割或增加需要处理的图像数据 量的问题。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优 点。
【附图说明】
[0051] 为了更清楚地说明本发明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的前提下，还可以 根据这些附图获得其他的附图。
[0052] 图1为本发明实施例提供的一种图像分割方法；
[0053]图2为本发明实施例提供的一种图像分割系统。
【具体实施方式】
[0054]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0055]为了解决现有技术问题，本发明实施例提供了 一种图像分割方法及系统。
[0056]首先，本发明实施例提供了一种图像分割方法，如图1所示，该方法可以包括：
[0057] S101:获得待处理的目标图像；
[0058]其中，首先获取待分割的目标图像，可以理解的是，该目标图像可从网络中直接获 取，也可以是给图像采集设备发送图像采集指令，由图像采集器执行该图像采集指令采集 到的图像。
[0059] 可以理解的是，本发明实施例所提供的图像分割方法可以应用于图像定位中，例 如:在基于图像定位的应用中，需要先通过终端所携带的摄像头采集当前用户所处位置的 图像或者能体现用户当前位置的图像，并将该采集得到的图像进行灰度处理，得到对应的 灰度图，并将该灰度图作为第一目标图像，其中，该第一目标图像可为一张或多张；
[0060] 另外，可以通过TC_OFDM(Time&Code Division-Orthogonal Frequency Division Multiplexing，时分码分正交频分复用技术)技术确定当前待定位用户所可能处于区域，并 基于该区域从预设图像库中筛选出符合该区域条件的图像，并将符合该区域条件的图像作 为第二目标图像，以减少与第一目标图像进行匹配的图像数量，进而减少计算量，其中，该 第二目标图像可为一张或多张;其中，第一图像和第二图像可以作为待处理的目标图像；
[0061] 进而对第一目标图像与第二目标图像进行图像分割，并对分割后的图像进行特征 提取，并基于提取到特征，将第一目标图像与第二目标图像进行图像匹配，进而得到与第一 目标图像匹配成功的第二目标图像所对应的地址数据，进而实现定位。
[0062] 当然，本发明实施例所提供的图像分割方法可以不仅仅适用于图像定位中，其他 存在超像素分割需求的任何应用场景均可以利用本发明实施例所提供的方法。
[0063] S102:计算该目标图像的灰度直方图；
[0064] 其中，在得到目标图像后，计算该目标图像的灰度直方图，以得到各个像素值所对 应的像素点的个数。可以理解的是，如果将图像总像素亮度(灰度级别)看成是一个随机变 量，贝U其分布情况就反映了图像的统计特性，这可用probability density functionG^DF) 来刻画和描述，表现为灰度直方图。所谓的灰度直方图是关于灰度级分布的函数，是对图像 中灰度级分布的统计。具体的，灰度直方图是将数字图像中的所有像素，按照灰度值的大 小，统计其出现的频率。
[0065] 本实施例中，计算灰度直方图的具体实现方式可以采用现有技术中的任一种实现 方式，在此不做限定。
[0066] S103:基于该灰度直方图，计算该目标图像中像素点所涵盖的各个像素值出现的 概率；
[0067] 其中，在得到目标图像的灰度直方图后，由于目标图像所涵盖的像素值存在至少 一个，因此，为了计算后续图像分割所基于的复杂度，可以基于该灰度直方图，计算该目标 图像中像素点所涵盖的各个像素值出现的概率。
[0068] 需要强调的是，为了保证较高的精准度，可以计算该目标图像中所有像素点所涵 盖的各个像素值出现的概率;而为了保证较高的处理速率，可以计算该目标图像中部分像 素点所涵盖的各个像素值出现的概率，该部分像素点可以根据实际情况预先确定，例如，中 心区域的像素点、前景区域的像素点等等，这都是合理的。在实际应用中，可以根据对精准 度或速率的需求，来计算目标图像中部分或全部像素点所涵盖的像素值出现的概率，本发 明实施例对此不做限定。
[0069] S104:基于该目标图像所包含的像素点的数目和该各个像素值出现的概率，利用 预设的复杂度计算公式，计算该目标图像的复杂度；
[0070] 其中，在获得目标图像的同时可以确定得到该目标图像所包含的像素点的数目； 在获取各个像素值出现的概率后，结合该目标图像所包含的像素点的数目，利用预设的复 杂度计算公式，计算得到目标图像的复杂度，以便对该目标图像执行下一步操作。
[0071] 其中，预设的复杂度计算公式存在多种，为了布局清晰，后续进行举例介绍。
[0072] S105:基于该目标图像的复杂度，利用预设的超像素分割数计算公式，计算超像素 分割数；
[0073]其中，将目标图像的复杂度所对应的值代入预设的超像素分割计算公式，使得可 基于目标图像的复杂度，计算得到对于该目标图像最合适的超像素分割数，使得可以自动 的根据目标图像的图像复杂度计算出超像素分割数。
[0074] 其中，为了布局清晰，后续对预设的超像素分割数计算公式进行介绍。
[0075] S106:基于该超像素分割数，对该目标图像进行分割，以得到分割后的目标图像。
[0076] 其中，根据计算得到的超像素分割数，对目标图像进行分割，得到分割后的目标图 像，避免了人为确定超像素分割数造成目标图像欠分割的问题或增加需要处理的图像数据 量的问题。
[0077] 其中，在确定出该超像素分割数后，可以采用现有技术来实现基于该超像素分割 数，对该目标图像进行分割，以得到分割后的目标图像。
[0078] 值得强调的是，上述图像分割方法可用于任意一种需要对图像进行分割的装置 中。
[0079] 在本发明实施例中，先获取待分割的目标图像，并获取该目标图像的灰度直方图； 根据获取得到的灰度直方图，计算目标图像中像素点所涵盖的各个像素值出现的概率;基 于目标图像所包含的像素点的数目和各个像素值出现的概率，利用预设的复杂度公式，计 算目标图像的复杂度;根据该复杂度，利用预设的超像素分割数计算公式，计算目标图像的 超像素分割数，使得可以自动的根据目标图像的图像复杂度计算出超像素分割数，避免了 人为确定超像素分割数造成的欠分割或增加需要处理的图像数据量的问题。
[0080] 优选地，该预设的复杂度计算公式为：
[0082] 其中，该ε表示复杂度，该Η表示该目标图像中像素点所涵盖的像素值的个数，该 Pl表示像素值i出现的概率。
[0083] 可以理解的是，在该种实现方式中，利用该预设的复杂度计算公式计算目标图像 的复杂度，该种复杂度计算方式计算简便，极大减少了计算量，使得本实施例所提供的图像 分割方法能更广泛的应用于计算能力有限的终端，其中，该终端包括但并不局限于手机，平 板电脑和智能手表。
[0084] 优选地，该预设的超像素分割数计算公式为：
[0086]其中，该N表示超像素分割数，该Η该目标图像中像素点所涵盖的像素值的个数，ε 表示复杂度，该切为预设常数。
[0087] 可以理解的是，在该种实现方式中，利用该超像素分割数计算公式计算第二图像 的分割数，使得能更简单快捷准确的确定分割数，使得图像分割速度更快，并且在减少了数 据的处理量的同时避免超像素边缘出现欠分割的情况发生。其中，欠分割表示图像分割不 彻底的情况。
[0088] 优选地，该基于该超像素分割数，对该目标图像进行分割，包括：
[0089]基于该超像素分割数，利用超像素分割Turbopixels算法对该目标图像进行分割。
[0090] 可以理解的是，在该种实现方式中，利用计算得到的超像素分割数确定超像素分 割Turbopixels算法中所需人工确定的超像素分割数，并通过超像素分割Turbopixels算法 初步构建超像素边缘对目标图像进行分割。
[0091] 优选地，在该基于该超像素分割数，对该目标图像进行分割后，还包括：
[0092] 获取分割后的目标图像的目标超像素区域，并计算该目标超像素区域的像素方 差；
[0093] 基于该方差和方差校正公式，判断该目标超像素区域是否需要边缘检测；
[0094] 若判断该目标超像素区域需要边缘检测，则利用Sobel算子对该目标超像素区域 进行边缘检测。
[0095] 可以理解的是，在该种实现方式中，获取分割后的目标图像的目标超像素区域，并 计算该目标超像素区域中的像素方差，根据该方差和方差校正公式，判断是否需要对该目 标超像素区域进行边缘检测。使得在根据计算得到的超像素分割数对目标图像进行分割 后，可进一步判断是否需要对分割后的目标图像进行检测，即当判断需要进行边缘检测时， 利用SobeKSobeloperator，索贝尔算子)算子根据像素点上下及左右邻点灰度值(像素值） 的加权差，在超像素边缘处达到极值这一特点对分割后的目标图像进行边缘检测，进一步 避免了超像素边缘出现欠分割的情况发生，从而提高了超像素边缘的精度。
[0096] 其中，Sobel算子所对应的算法计算简单，计算速度快，能够快速地完成超像素分 害其中，超像素边缘是指灰度或结构等信息的突变处，并可利用该特征对图像进行分割。 [0097]优选地，方差校正公式为：
[0099] 其中，该〇1表示目标超像素区域i的像素方差，该Thr表示预设判断阈值。
[0100] 可以理解的是，在该种实现方式中，当在目标超像素区域i的像素方差大于1.2倍 预设判断阈值时，则需要对超像素边缘进行检测，否则，则不需要对超像素边缘进行检测。 其中，Thr取值可由本领域技术人员根据具体需求进行确定，在此不做详述。
[0101] 第二方面，本发明实施例提供了一种图像分割系统，该图像分割系统可以包括:获 取模块201、第一计算模块202、第二计算模块203、第三计算模块204、第四计算模块205和图 像分割模块206;
[0102]该获取模块201，用于获得待处理的目标图像；
[0103] 该第一计算模块202,用于计算该目标图像的灰度直方图；
[0104] 该第二计算模块203,用于基于该灰度直方图，计算该目标图像中像素点所涵盖的 各个像素值出现的概率；
[0105] 该第三计算模块204，用于基于该目标图像所包含的像素点的数目和该各个像素 值出现的概率，利用预设的复杂度计算公式，计算该目标图像的复杂度；
[0106] 该第四计算模块205,用于基于该目标图像的复杂度，利用预设的超像素分割数计 算公式，计算超像素分割数；
[0107] 该图像分割模块206,用于基于该超像素分割数，对该目标图像进行分割，以得到 分割后的目标图像。
[0108] 在本发明实施例中，先获取待分割的目标图像，并获取该目标图像的灰度直方图； 根据获取得到的灰度直方图，计算目标图像中像素点所涵盖的各个像素值出现的概率;基 于目标图像所包含的像素点的数目和各个像素值出现的概率，利用预设的复杂度公式，计 算目标图像的复杂度;根据该复杂度，利用预设的超像素分割数计算公式，计算目标图像的 超像素分割数，使得可以自动的根据目标图像的图像复杂度计算出超像素分割数，避免了 人为确定超像素分割数造成的欠分割或增加需要处理的图像数据量的问题。
[0109] 优选地，该第三计算模块204所利用的该预设的复杂度计算公式为：
[0111] 其中，该ε表示复杂度，该Η表示该目标图像中像素点所涵盖的像素值的个数，该 Pl表示像素值i出现的概率。
[0112] 优选地，该第四计算模块205所利用的预设的超像素分割数计算公式为：
[0114] 其中，该N表示超像素分割数，该Η该目标图像中像素点所涵盖的像素值的个数，ε 表示复杂度，该供为预设常数。
[0115] 优选地，该图像分割模块206包括:图像分割子模块；
[0116]该图像分割子模块，用于基于该超像素分割数，利用超像素分割Turbopixels算法 对该目标图像进行分割。
[0117] 优选地，图像分割系统，还包括：
[0118] 第四计算模块，用于获取分割后的目标图像的目标超像素区域，并计算该目标超 像素区域的像素方差；
[0119] 判断模块，用于基于该方差和方差校正公式，判断该目标超像素区域是否需要边 缘检测；
[0120] 检测模块，用于当判断该目标超像素区域需要边缘检测时，利用Sobel算子对该目 标超像素区域进行边缘检测；
[0121]其中，该判断模块所利用的方差校正公式为：
[0123] 其中，该〇1表示目标超像素区域i的像素方差，该Thr表示预设判断阈值。
[0124] 对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关 之处参见方法实施例的部分说明即可。
[0125] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实 体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存 在任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体意在涵盖 非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要 素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备 所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在 包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0126] 本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部 分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实 施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例 的部分说明即可。
[0127] 以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围 内。
【主权项】
1. 一种图像分割方法，其特征在于，所述方法包括： 获得待处理的目标图像； 计算所述目标图像的灰度直方图； 基于所述灰度直方图，计算所述目标图像中像素点所涵盖的各个像素值出现的概率； 基于所述目标图像所包含的像素点的数目和所述各个像素值出现的概率，利用预设的 复杂度计算公式，计算所述目标图像的复杂度； 基于所述目标图像的复杂度，利用预设的超像素分割数计算公式，计算超像素分割数； 基于所述超像素分割数，对所述目标图像进行分割，以得到分割后的目标图像。2. 根据权利要求1所述的方法，其特征在于，所述预设的复杂度计算公式为：其中，所述ε表示复杂度，所述Η表示所述目标图像中像素点所涵盖的像素值的个数， 所述Pi表示像素值i出现的概率。3. 根据权利要求2所述的方法，其特征在于，所沭预设的超像素分割数计算公式为： Ψ其中，所述N表示超像素分割数，所述Η表示所述目标图像中像素点所涵盖的像素值的 个数，ε表示复杂度，所述f为预设常数。4. 根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述超像素分割数， 对所述目标图像进行分割，包括： 基于所述超像素分割数，利用超像素分割Turbopixels算法对所述目标图像进行分割。5. 根据权利要求1至3中任一项所述的方法，其特征在于，在所述基于所述超像素分割 数，对所述目标图像进行分割后，还包括： 获取分割后的目标图像的目标超像素区域，并计算该目标超像素区域的像素方差； 基于所述方差和方差校正公式，判断所述目标超像素区域是否需要边缘检测； 当判断所述目标超像素区域需要边缘检测时，利用索贝尔算子Sobel算子对所述目标 超像素区域进行边缘检测。6. 根据权利要求5所述的方法，其特征在于，所述方差校正公式为：其中，所述表示目标超像素区域i的像素方差，所述Thr表示预设判断阈值。7. -种图像分割系统，其特征在于，包括： 获取模块，用于获得待处理的目标图像； 第一计算模块，用于计算所述目标图像的灰度直方图； 第二计算模块，用于基于所述灰度直方图，计算所述目标图像中像素点所涵盖的各个 像素值出现的概率； 第三计算模块，用于基于所述目标图像所包含的像素点的数目和所述各个像素值出现 的概率，利用预设的复杂度计算公式，计算所述目标图像的复杂度； 第四计算模块，用于基于所述目标图像的复杂度，利用预设的超像素分割数计算公式， 计算超像素分割数； 图像分割模块，用于基于所述超像素分割数，对所述目标图像进行分割，以得到分割后 的目标图像。8. 根据权利要求7所述的系统，其特征在于，所述第三计算模块所利用的所述预设的复 杂度计算公式为：其中，所述ε表示复杂度，所述Η表示所述目标图像中像素点所涵盖的像素值的个数， 所述Pi表示像素值i出现的概率。9. 根据权利要求8所述的系统，其特征在于，所述预设的超像素分割数计算公式为：其中，所述N表示超像素分割数，所述Η所述目标图像中像素点所涵盖的像素值的个 数，ε表示复杂度，所述炉为预设常数。10. 根据权利要求7至9中任一项所述的系统，其特征在于，还包括： 第四计算模块，用于获取分割后的目标图像的目标超像素区域，并计算该目标超像素 区域的像素方差； 判断模块，用于基于所述方差和方差校正公式，判断所述目标超像素区域是否需要边 缘检测； 检测模块，用于当判断所述目标超像素区域需要边缘检测时，利用Sobel算子对所述目 标超像素区域进行边缘检测； 其中，所述判断模块所利用的方差校正公式为：其中，所述表示目标超像素区域i的像素方差，所述Thr表示预设判断阈值。
【文档编号】G06T7/00GK105869175SQ201610250328
【公开日】2016年8月17日
【申请日】2016年4月21日
【发明人】焦继超, 邓中亮, 李文轶, 闫小涵
【申请人】北京邮电大学