一种古建筑彩绘颜料的鉴别方法与流程

[0001]
本发明涉及文物保护与鉴定技术领域，尤其涉及一种古建筑彩绘颜料的鉴别方法。


背景技术：

[0002]
由于年代久远，古建筑楼体常年经受外界环境的影响，重点部位(壁画、雕纹、彩绘等)经过水泥、白灰等多种化学物质的腐蚀、剥离和清洗过程的影响，已受到不同程度的劣化、脱落或破损，使其原始面貌不可再现。颜料作为彩绘文物的物质载体，是任何一幅“奇妙”彩绘的灵魂所在，它从侧面展示了不同时期、不同文化的艺术发展水平，因此，褪色彩绘颜料的修复变得尤为重要，彩绘颜料成分的分析鉴定可以为已经褪色的彩绘文物提供修复的可靠参考信息。
[0003]
近几年来，如何精确识别彩绘颜料的物质成分，是当前文物保护研究领域的热点。现有技术中，有很多科学技术应用于彩绘类文物的颜料类别鉴定，如x射线衍射分析、荧光x射线分析、拉曼光谱分析、电子显微分析、近红外光谱分析等技术，通过测定颜料的元素、结构以及外在形貌等特征确定物质的类别，但是，这些技术和方法的识别准确率不高，可靠性比较低。
[0004]
因此需要提出一种新的技术方案来解决上述问题。


技术实现要素：

[0005]
本发明提供的一种古建筑彩绘颜料的鉴别方法，旨在解决现有技术中存在的对彩绘颜料类别的识别准确率不高，可靠性比较低的问题。
[0006]
为实现上述目的，本发明采用以下技术方案：
[0007]
本发明的一种古建筑彩绘颜料的鉴别方法，包括以下步骤：
[0008]
获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0009]
利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度；
[0010]
利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0011]
首先，获取待测颜料波段影像，利用roi技术对待测颜料波段影像进行处理，获取特征波段光谱数据；然后利用correl函数对特征波段光谱数据进行计算，获得特征波段相关度；最后利用光谱角匹配法对待测颜料波段影像进行匹配，获得匹配区域，根据特征波段相关度和匹配区域输出颜料鉴别结果，此鉴别方法准确性比较高，提高了鉴别结果的科学性和可靠性。
[0012]
作为优选，获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据，包括：
[0013]
获取高光谱原始影像数据，将所述高光谱原始影像数据进行辐射校正、几何校正、
图像拼接及去噪处理，获得待测颜料波段影像；
[0014]
利用roi技术对所述待测颜料波段影像进行处理，获得感兴趣区域；
[0015]
利用n维可视化工具对所述感兴趣区域进行处理，获取特征波段光谱数据。
[0016]
作为优选，利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度，包括：
[0017]
获取标准颜料光谱数据，建立颜料标准光谱库；
[0018]
利用correl函数：
[0019][0020]
对所述特征波段光谱数据和所述标准颜料光谱数据进行计算，获得特征波段相关度，其中x、y分别表示特征波段光谱数据和标准颜料光谱数据。
[0021]
作为优选，利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果，包括：
[0022]
利用光谱角匹配法对所述待测颜料波段影像与所述颜料标准光谱库进行信息匹配，获得匹配区域；
[0023]
根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0024]
一种古建筑彩绘颜料的鉴别装置，包括：
[0025]
特征波段模块，获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0026]
相关度模块，利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度；
[0027]
鉴别模块，利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0028]
作为优选，所述特征波段模块包括：
[0029]
获取单元，获取高光谱原始影像数据，将所述高光谱原始影像数据进行辐射校正、几何校正、图像拼接及去噪处理，获得待测颜料波段影像；
[0030]
感兴趣单元，利用roi技术对所述待测颜料波段影像进行处理，获得感兴趣区域；
[0031]
处理单元，利用n维可视化工具对所述感兴趣区域进行处理，获取特征波段光谱数据。
[0032]
作为优选，所述相关度模块包括：
[0033]
标准单元，获取标准颜料光谱数据，建立颜料标准光谱库；
[0034]
计算单元，利用correl函数：
[0035][0036]
对所述特征波段光谱数据和所述标准颜料光谱数据进行计算，其中x、y分别表示特征波段光谱数据和标准颜料光谱数据。
[0037]
作为优选，所述鉴别模块包括：
[0038]
匹配单元，利用光谱角匹配法对所述待测颜料波段影像与所述颜料标准光谱库进行信息匹配，获得匹配区域；
[0039]
鉴别单元，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0040]
一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种古建筑彩绘颜料的鉴别方法。
[0041]
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述中任一项所述的一种古建筑彩绘颜料的鉴别方法。
[0042]
本发明具有如下有益效果：
[0043]
首先，获取待测颜料波段影像，利用roi技术对待测颜料波段影像进行处理，获取特征波段光谱数据；然后利用correl函数对特征波段光谱数据进行计算，获得特征波段相关度；最后利用光谱角匹配法对待测颜料波段影像进行匹配，获得匹配区域，根据特征波段相关度和匹配区域输出颜料鉴别结果，此鉴别方法准确性比较高，提高了鉴别结果的科学性和可靠性。
附图说明
[0044]
图1是本发明实施例实现一种古建筑彩绘颜料的鉴别方法第一流程图；
[0045]
图2是本发明实施例实现一种古建筑彩绘颜料的鉴别方法第二流程图；
[0046]
图3是本发明实施例实现一种古建筑彩绘颜料的鉴别方法第三流程图；
[0047]
图4是本发明实施例实现一种古建筑彩绘颜料的鉴别方法第四流程图；
[0048]
图5是本发明实施例实现一种古建筑彩绘颜料的鉴别方法的具体实施流程图。
[0049]
图6是本发明实施例实现一种古建筑彩绘颜料的鉴别装置示意图；
[0050]
图7是本发明实施例实现一种古建筑彩绘颜料的鉴别装置的特征波段模块示意图；
[0051]
图8是本发明实施例实现一种古建筑彩绘颜料的鉴别装置的相关度模块示意图；
[0052]
图9是本发明实施例实现一种古建筑彩绘颜料的鉴别装置的鉴别模块示意图；
[0053]
图10是本发明实施例实现一种古建筑彩绘颜料的鉴别装置的具体实施流程图；
[0054]
图11是本发明实施例实现一种古建筑彩绘颜料的鉴别方法的一种电子设备示意图。
具体实施方式
[0055]
下面将结合附图，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。
[0056]
在介绍本发明技术方案之前，示例性的介绍一种本发明技术方案可能适用的场景。
[0057]
实施例1
[0058]
如图1所示，一种古建筑彩绘颜料的鉴别方法，包括以下步骤：
[0059]
s110、获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0060]
s120、利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度；
[0061]
s130、利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0062]
根据实施例1可知，首先，需要获取待测颜料波段影像，利用roi技术对待测颜料波段影像进行处理，获取特征波段光谱数据；然后利用correl函数对特征波段光谱数据进行计算，获得特征波段相关度；最后利用光谱角匹配法对待测颜料波段影像进行匹配，获得匹配区域，根据特征波段相关度和匹配区域输出颜料鉴别结果，此鉴别方法准确性比较高，提高了鉴别结果的科学性和可靠性，实用性更强。
[0063]
实施例2
[0064]
如图2所示，一种古建筑彩绘颜料的鉴别方法，包括：
[0065]
s210、获取高光谱原始影像数据，将所述高光谱原始影像数据进行辐射校正、几何校正、图像拼接及去噪处理，获得待测颜料波段影像；
[0066]
s220、利用roi技术对所述待测颜料波段影像进行处理，获得感兴趣区域；
[0067]
s230、利用n维可视化工具对所述感兴趣区域进行处理，获取特征波段光谱数据。
[0068]
根据实施例2可知，首先采用架设式高光谱成像系统，对古建筑横梁等许多不可移动的彩绘文物进行准确、细致的非接触式高光谱扫描和数据采集，高光谱成像技术是集图像分析技术和光谱分析技术于一身，它将成像技术与光谱技术相结合，探测目标的二维几何空间及一维光谱信息，获取高光谱分辨率的连续、窄波段的图像数据。然后对高光谱原始影像数据进行预处理，预处理包括辐射校正、几何校正、图像拼接及去噪处理，即可获得彩绘颜料波段影像，利用roi技术对待测颜料波段影像进行处理，获得感兴趣区域；roi，是感兴趣区域的英文缩写。在图像处理中，能够将被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域的技术，称为roi技术。然后，利用n维可视化工具对感兴趣区域进行处理，获取特征波段光谱数据。此鉴别方法准确性比较高，提高了鉴别结果的科学性和可靠性。
[0069]
实施例3
[0070]
如图3所示，一种古建筑彩绘颜料的鉴别方法，包括：
[0071]
s310、获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0072]
s320、获取标准颜料光谱数据，建立颜料标准光谱库；
[0073]
s330、利用correl函数：
[0074][0075]
对所述特征波段光谱数据和所述标准颜料光谱数据进行计算，获得特征波段相关度，其中x、y分别表示特征波段光谱数据和标准颜料光谱数据。
[0076]
实施例3中，首先利用便携式点光谱仪，对标准的矿物彩绘颜料进行光谱数据采集，获取标准的矿物彩绘颜料的光谱数据；并根据获取的光谱数据，建立颜料标准数据库，
作为参照备用；利用便携式点光谱仪进行彩绘光谱数据库的采集，具有分辨率高、波段范围广等优点，很大程度的保证光谱曲线的准确性，提高了数据处理效率以及科学性，而且建立了一套标准颜料光谱数据库，为未知的颜料识别奠定了鉴别基础，提高整个高光谱识别的准确性。然后，利用correl函数对特征波段光谱数据和标准颜料光谱数据进行计算，获得特征波段相关度。特征波段光谱数据和标准颜料光谱数据包括原始光谱曲线、光谱变换一阶微分曲线、去除包络线法匹配曲线等，来揭示彩绘颜料的成分信息，为后期颜料识别鉴定与修复材料的选择提供可靠地科学帮助。此鉴别方法准确性比较高，提高了颜料鉴别结果的科学性和可靠性。
[0077]
实施例4
[0078]
如图4所示，一种古建筑彩绘颜料的鉴别方法，包括：
[0079]
s410、获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0080]
s420、利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度
[0081]
s430、利用光谱角匹配法对所述待测颜料波段影像与所述颜料标准光谱库进行信息匹配，获得匹配区域；
[0082]
s440、根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0083]
实施例4中，利用光谱角匹配法对待测颜料波段影像与颜料标准光谱库进行信息匹配，获得匹配区域；通过判断特征波段相关度的大小和匹配区域的吻合度，输出颜料鉴别结果。此鉴别方法准确性比较高，提高了颜料鉴别结果的科学性和可靠性，为后期颜料识别鉴定与修复材料的选择提供可靠地科学帮助。
[0084]
实施例5
[0085]
如图5所示，一种具体的实施方式可为：
[0086]
s510、获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0087]
根据实施例5可知，首先，采用架设式高光谱成像系统，对古建筑横梁等许多不可移动的彩绘文物进行准确、细致的非接触式高光谱扫描和数据采集，高光谱成像技术是集图像分析技术和光谱分析技术于一身，它将成像技术与光谱技术相结合，探测目标的二维几何空间及一维光谱信息，获取高光谱分辨率的连续、窄波段的图像数据。然后对高光谱原始影像数据进行预处理，预处理包括辐射校正、几何校正、图像拼接及去噪处理，即可获得彩绘颜料波段影像，利用roi技术对待测颜料波段影像进行处理，获得感兴趣区域；roi，是感兴趣区域的英文缩写。在图像处理中，能够将被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域的技术，称为roi技术。然后，利用n维可视化工具对感兴趣区域进行处理，获取特征波段光谱数据。此鉴别方法准确性比较高，提高了鉴别结果的科学性和可靠性。
[0088]
s520、获取标准颜料光谱数据，建立颜料标准光谱库；
[0089]
首先利用便携式点光谱仪，对标准的矿物彩绘颜料进行光谱数据采集，获取标准的矿物彩绘颜料的光谱数据；并根据获取的光谱数据，建立颜料标准数据库，作为参照备用；利用便携式点光谱仪进行彩绘光谱数据库的采集，具有分辨率高、波段范围广等优点，很大程度的保证光谱曲线的准确性，提高了数据处理效率以及科学性，而且建立了一套标
准颜料光谱数据库，为未知的颜料识别奠定了鉴别基础，提高整个高光谱识别的准确性。
[0090]
s530、利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度；
[0091]
利用correl函数对特征波段光谱数据和标准颜料光谱数据进行计算，获得特征波段相关度。特征波段光谱数据和标准颜料光谱数据包括原始光谱曲线、光谱变换一阶微分曲线、去除包络线法匹配曲线等，来揭示彩绘颜料的成分信息，为后期颜料识别鉴定与修复材料的选择提供可靠地科学帮助。此鉴别方法准确性比较高，提高了颜料鉴别结果的科学性和可靠性。
[0092]
s540、利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0093]
利用光谱角匹配法对待测颜料波段影像与颜料标准光谱库进行信息匹配，获得匹配区域；通过判断特征波段相关度的大小和匹配区域的吻合度，输出颜料鉴别结果。此鉴别方法准确性比较高，提高了颜料鉴别结果的科学性和可靠性，为后期颜料识别鉴定与修复材料的选择提供可靠地科学帮助。
[0094]
实施例6
[0095]
如图6所示，一种古建筑彩绘颜料的鉴别装置，包括：
[0096]
特征波段模块10，获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0097]
相关度模块20，利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度；
[0098]
鉴别模块30，利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0099]
上述装置的一种实施方式可为：首先，特征波段模块10，获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；然后，相关度模块20，利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度；最后，鉴别模块30，利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0100]
实施例7
[0101]
如图7所示，一种古建筑彩绘颜料的鉴别装置的特征波段模块10包括：
[0102]
获取单元12，获取高光谱原始影像数据，将所述高光谱原始影像数据进行辐射校正、几何校正、图像拼接及去噪处理，获得待测颜料波段影像；
[0103]
感兴趣单元14，利用roi技术对所述待测颜料波段影像进行处理，获得感兴趣区域；
[0104]
处理单元16，利用n维可视化工具对所述感兴趣区域进行处理，获取特征波段光谱数据。
[0105]
上述装置的特征波段模块10的一种实施方式可为：获取单元12，获取高光谱原始影像数据，将所述高光谱原始影像数据进行辐射校正、几何校正、图像拼接及去噪处理，获得待测颜料波段影像；感兴趣单元14，利用roi技术对所述待测颜料波段影像进行处理，获得感兴趣区域；处理单元16，利用n维可视化工具对所述感兴趣区域进行处理，获取特征波段光谱数据。
[0106]
实施例8
[0107]
如图8所示，一种古建筑彩绘颜料的鉴别装置的相关度模块20包括：
[0108]
标准单元22，获取标准颜料光谱数据，建立颜料标准光谱库；
[0109]
计算单元24，利用correl函数：
[0110][0111]
对所述特征波段光谱数据和所述标准颜料光谱数据进行计算，获得特征波段相关度。其中x、y分别表示特征波段光谱数据和标准颜料光谱数据。
[0112]
上述装置的相关度模块20的一种实施方式可为：首先，标准单元22，获取标准颜料光谱数据，建立颜料标准光谱库；然后，计算单元24，利用correl函数：
[0113][0114]
对所述特征波段光谱数据和所述标准颜料光谱数据进行计算，获得特征波段相关度，其中，x、y分别表示特征波段光谱数据和标准颜料光谱数据。
[0115]
实施例9
[0116]
如图9所示，一种古建筑彩绘颜料的鉴别装置的鉴别模块30，包括：
[0117]
匹配单元32，利用光谱角匹配法对所述待测颜料波段影像与所述颜料标准光谱库进行信息匹配，获得匹配区域；
[0118]
鉴别单元34，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0119]
上述装置的鉴别模块30的一种实施方式可为：匹配单元32，利用光谱角匹配法对所述待测颜料波段影像与所述颜料标准光谱库进行信息匹配，获得匹配区域；鉴别单元34，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0120]
实施例10
[0121]
如图10所示，一种具体的实施装置可为：
[0122]
s1010、获取待测颜料波段影像，利用roi技术对所述待测颜料波段影像进行处理，获取特征波段光谱数据；
[0123]
首先，采用架设式高光谱成像系统对古建筑横梁等许多不可移动的彩绘文物进行准确、细致的非接触式高光谱扫描和数据采集，高光谱成像技术是集图像分析技术和光谱分析技术于一身，它将成像技术与光谱技术相结合，探测目标的二维几何空间及一维光谱信息，获取高光谱分辨率的连续、窄波段的图像数据。然后对高光谱原始影像数据进行预处理，预处理包括辐射校正、几何校正、图像拼接及去噪处理，即可获得彩绘颜料波段影像，利用roi技术对待测颜料波段影像进行处理，获得感兴趣区域；roi，是感兴趣区域的英文缩写。在图像处理中，能够将被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域的技术，称为roi技术。然后，利用n维可视化工具对感兴趣区域进行处理，获取特征波段光谱数据。此鉴别方法准确性比较高，提高了鉴别结果的科学性和可靠性。
[0124]
s1020、获取标准颜料光谱数据，建立颜料标准光谱库；
[0125]
首先利用便携式点光谱仪，对标准的矿物彩绘颜料进行光谱数据采集，获取标准
的矿物彩绘颜料的光谱数据；并根据获取的光谱数据，建立颜料标准数据库，作为参照备用；利用便携式点光谱仪进行彩绘光谱数据库的采集，具有分辨率高、波段范围广等优点，很大程度的保证光谱曲线的准确性，提高了数据处理效率以及科学性，而且建立了一套标准颜料光谱数据库，为未知的颜料识别奠定了鉴别基础，提高整个高光谱识别的准确性。
[0126]
s1030、利用correl函数对所述特征波段光谱数据进行计算，获得特征波段相关度；
[0127]
利用correl函数对特征波段光谱数据和标准颜料光谱数据进行计算，获得特征波段相关度。特征波段光谱数据和标准颜料光谱数据包括原始光谱曲线、光谱变换一阶微分曲线、去除包络线法匹配曲线等，来揭示彩绘颜料的成分信息，为后期颜料识别鉴定与修复材料的选择提供可靠地科学帮助。此鉴别方法准确性比较高，提高了颜料鉴别结果的科学性和可靠性。
[0128]
s1040、利用光谱角匹配法对所述待测颜料波段影像进行匹配，获得匹配区域，根据所述特征波段相关度和所述匹配区域输出颜料鉴别结果。
[0129]
利用光谱角匹配法对待测颜料波段影像与颜料标准光谱库进行信息匹配，获得匹配区域；通过判断特征波段相关度的大小和匹配区域的吻合度，输出颜料鉴别结果。此鉴别方法准确性比较高，提高了颜料鉴别结果的科学性和可靠性，为后期颜料识别鉴定与修复材料的选择提供可靠地科学帮助。
[0130]
实施例11
[0131]
如图11所示，一种电子设备，包括存储器1101和处理器1102，所述存储器1101用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器1102执行以实现上述的一种古建筑彩绘颜料的鉴别方法方法。
[0132]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0133]
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的一种古建筑彩绘颜料的鉴别方法方法。
[0134]
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器1101中，并由处理器1102执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。
[0135]
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，存储器1101、处理器1102。本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
[0136]
处理器1102可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器1102、数字信号处理器1102(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-program503mablegatearray，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1102可以是微处理器1102或者该处理器1102也可以是任
何常规的处理器1102等。
[0137]
存储器1101可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器1101也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，存储器1101还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器1101用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器1101还可以用于暂时地存储已经输出或者将要输出的数据。
[0138]
以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。