专利名称：一种人脸图像采集设备属性归一化的方法
技术领域：
本发明属于图像处理技术领域，特别涉及提高人脸识别率的方法。
背景技术：
人脸识别涉及到很多学科，包括图像处理、计算机视觉、模式识别等，也和生理学和生物学对人脑结构的研究成果紧密相关。公认的人脸识别难点是(1)年龄引起的人脸变化；(2)姿态引起的人脸多样性；(3)表情引起的人脸塑性变形；(4)眼镜、化装等因素引起的人脸模式的多重性；(5)光照引起的人脸图像的差异性。
除了上述的几方面问题外，在人脸识别的研究中，本发明人还发现了这样的一个事实如果用摄像机采集一个人的人脸图像并入库，紧接着又用摄像机采集同一个人的人脸图像去识别，此时的识别率是很高的；如果把一个人当前的人脸照片图像入库，然后用摄像机采集同一个人的当前人脸图像去识别，则识别率会降低。这就是说，对于同一人，用相同采集设备采集的人脸图像具有较高的识别率，而用不同设备采集的人脸图像的识别率较低。
在实际应用中，用不同设备采集的人脸图像进行识别的情况相当普遍，如利用人脸识别的网上追逃，数据库中存有在逃犯的照片，而在机场用摄像机拍摄乘客的人脸并与库中所存人脸进行识别。为此，对于不同采集设备的图像属性进行研究是非常有意义的。
发明内容
本发明的目的是为了解决不同采集设备所采集的图像之间的差异性引起的同一个人的人脸图像识别率较低问题，提出一种人脸图像采集设备属性归一化的方法，通过分析人脸图像内在的信息进行训练和归一化处理，可提高用不同采集设备所采集的人脸图像进行的人脸识别的识别率。
本发明提出一种人脸图像采集设备属性归一化的方法，其特征在于包括训练过程和归一化过程两部分；其中，训练过程包括以下步骤1)首先用各种人脸图像采集设备(包括摄像机、照相机、数码相机)分别采集N幅人脸图像，N大于15，如果输入图像是彩色图像，则先转换成灰度图像，将获得的彩色图像转换为灰度图像的方法为
Y＝0.299R+0.589G+0.114B其中Y为灰度值，R、G、B分别为彩色图像的红、绿、蓝基色分量；2)将所述各人脸图像采集设备采集的N幅人脸图像进行训练，计算模式类中心分布函数，得到各人脸图像采集设备的模式类中心累计图，具体方法为；(1)该类设备采集的用于训练的每一幅人脸图像的灰度直方图表示为p(y)Gray(g) g＝0，1，...，255 y＝1，2，...，N其中，y表示训练人脸图像的序号，g表示人脸图像象素的灰度值；(2)定义模式类中心累计分布函数为pDevice(g) g＝0，1，...，255；(3)定义灰度为g时的模式类中心分布值为B(g)，则各设备的模式类中心分布函数为pDevice(g)＝B(g)+pDevice(g-1)当g＝0时，pDevice(g-1)＝0；计算B(g)的方法为(31)首先计算在g＝0时的模式类中心值B(0)其步骤为设第1幅与第2幅图像在灰度为“0”时的类中心点的值为k1，精确半径为r1，则k1＝(p(1)Gray(0)+p(2)Gray(0))/2；r1＝|(p(1)Gray(0)-p(2)Gray(0))|/2；第3幅图像在灰度为“0”时与第1幅和第2幅图像在灰度为“0”时的类中心点的值k1的误差T为T＝|p(3)Gray(0)-k1|，当T≤r1时，则第1、2与第3幅图像的类中心点的值k2不变，即k2＝k1，精确半径r2不变，即r2＝r1；而当T＞r0时，k2＝(k1+p(3)Gray(0))/2，r2＝|(k1-p(3)Gray(0))|/2，照此方法，算出第1、2...(N-1)幅图像与第N幅图像的类中心点的值kN-1；则B(0)＝kN-1，即在灰度值“0”点的模式类中心累计分布值pDevice(0)＝B0。
(32)然后按照计算在g＝0时的模式类中心分布值的方法，再计算在g＝1时的模式类中心值B(1)，得到在灰度值“1”点的模式类中心累计分布值pDevice(1)＝B(1)+pDevice(0)；由此规律，灰度为g时的模式类中心分布值为B(g)，则模式类中心累计分布函数为pDevice(g)＝B(g)+pDevice(g-1)(4)对每一种人脸图像采集设备分别进行本步骤中(1)、(2)、(3)步处理，得到三类人脸图像采集设备(摄像机、照相机、数码相机)的模式类中心累计分布函数摄像机pDeviceCCD(g)g＝0，1，...，255照相机pDeviceScanner(g)g＝0，1，...，255
数码相机pDeviceDigital(g) g＝0，1，...，255；归一化过程包括以下步骤3)确定属性归一化目的，指定标准设备和待转换的设备；4)对待转换设备所采集的一幅人脸图像进行直方图统计，得到该幅图像的直方图的累计图；该幅图像的直方图累计分布函数为pDevice(g)＝pGyay(g)+pDevice(g-1)式中，pGray(g)，g＝0，1，...，255，为该人脸图像的直方图当g＝0时，令pDevice(g-1)＝0；算该待转换设备所采集的人脸图像每一个象素点的灰度次序号，其具体方法为(1)定义象素点B(i，j，g，t)，其中i、j为象素点B的平面坐标，g是该点的灰度值，t是该点在全图内灰度值为g的点的集合中的序号；(2)遍历全图统计全图中灰度值等于g的象素点数，记为K，灰度值g的取值范围是0-255；(3)对每一个灰度值等于g的点，都分别计算以该点为中心的M×N邻域的均值，M、N大于等于2(如3×3)；(4)对该K个均值按从小到大进行排序，如果均值相等，则可以按i*j数值从小到大的顺序决定序号，该均值序号为对应的象素点B(i，j，g，t)的灰度次序号；5)根据第4)步骤中的直方图的累计图、第2)步骤中得到的标准设备的模式类中心累计图，以及第6)步中对该待转换设备所采集的人脸图像每一个象素点的灰度次序号对其象素的灰度值进行重新赋值，形成一幅过渡图像，形成一幅过渡图像图像具体做法是(1)在待转换设备所采集的人脸图像的直方图累计图中，从“0”灰度值开始查找，如果“0”灰度值对应的直方图累计值为“0”，再查找“1”灰度值对应的直方图累计值，直到该灰度值对应的直方图累计值不为“0”为止，此时记作P1g1，g1为灰度值，P1为g1灰度值对应的直方图累计值；(2)再到标准设备的人脸图像采集设备的模式类中心累计图查找类中心累计值为P1所对应的灰度值G1，查看标准设备的模式类中心累计图中比G1低的灰度值所对应的模式类中心累计值，找到第1个不为“0”的模式类中心累计值所对应的灰度值G0，(3)按照标准设备的模式类中心累计图中G0～G1段对应的模式类中心累计值的具体数值对待转换设备所采集的人脸图像进行重新赋值，赋值具体方法为(31)设在待转换设备所采集的人脸图像中，全图为WxH点阵，第1个灰度值为g1对应的直方图累计值不为“0”的直方图累计值为P1，则全图中灰度为g1的象素个数N为N＝P1xWxH，而模式类中心累计图中G0～G1的象素个数也为N个；(32)将待转换设备所采集的人脸图像中灰度为g1的象素按照灰度次序号从小到大的顺序，按模式类中心累计图中G0～G1的灰度数值进行赋值；
(4)再查找灰度值g2(g2＝g1+1)对应的直方图累计值P2，再到标准设备的人脸图像采集设备的模式类中心累计图查找类中心累计值为P2所对应的灰度值G2，按照标准设备的模式类中心累计图中G1～G2对应的模式类中心累计值的具体数值对待转换设备所采集的人脸图像进行重新赋值。赋值具体方法为在待转换设备所采集的人脸图像中，灰度值在g1～g2的象素个数为N，N＝(P2-P1)×W×H，而模式类中心累计图中G1～G2的象素个数也为N个，将待转换设备所采集的人脸图像中灰度为g2的象素按值灰度次序号从小到大的顺序，按模式类中心累计图中G1～G2的灰度数值进行赋值；(5)照此方法，完成待转换设备所采集的人脸图像象素的各灰度值重新赋值，形成一幅过渡图像；6)将待转换设备所采集的人脸图像和所述的过渡图像在象素级进行融合，最终形成采集设备属性归一化的图像E(i，j)为；E(i，j)＝(C(i，j)+D(i，j))/2式中，C(i，j)为待转换设备所采集的人脸图像，D(i，j)为过渡图像。
本发明提高了用不同采集设备所采集的人脸图像进行的人脸识别的识别率，以适应实际应用的不同情况。
图1为本发明的实施例一的一个人的人脸图像实例。
图2为本发明的实施例二的一个人的人脸图像实例。
具体实施例方式
本发明提出的人脸图像采集设备属性归一化的方法的结合实施例详细说明如下实施例1本实施例中指定照相机为标准设备，而指定摄像机为待转换的设备。首先制作训练样本，在照相馆用照相机为20个人照相。在照相馆相同的光照的条件下，用摄像机为上述相同的20人采集人脸图像。随后用扫描仪将照片输入到计算机，形成照相机输入的人脸图像。用20个照相机输入的人脸图像训练，得到照相机的模式类中心累计分布函数图。再用本方法对20张摄像机采集的人脸图像进行灰度归一化处理，形成新的20张人脸图像。
本实施例具体包括训练过程和归一化过程两部分其中，训练过程包括以下步骤1)首先用摄像机、照相机两种人脸图像采集设备分别采集20幅人脸图像，如果输入图像是彩色图像，则先转换成灰度图像，其转换为灰度图像的灰度Y值为Y＝0.299R+0.589G+0.114B；其中R、G、B分别为彩色图像的红、绿、蓝基色分量；2)将所述各人脸图像采集设备采集的20幅人脸图像进行训练，计算模式类中心分布函数，得到各人脸图像采集设备的模式类中心累计图，具体方法为；(1)该类设备采集的用于训练的每一幅人脸图像的灰度直方图表示为p(y)Gray(g) g＝0，1，...，255 y＝1，2，...，20其中，y表示训练人脸图像的序号，g表示人脸图像象素的灰度值；(2)定义模式类中心累计分布函数为pDevice(g) g＝0，1，...，255；(3)定义灰度为g时的模式类中心分布值为B(g)，则各设备的模式类中心分布函数为pDevice(g)＝B(g)+pDevice(g-1)当g＝0时，pDevice(g-1)＝0；计算B(g)的方法为(31)首先计算在g＝0时的模式类中心值B(0)其步骤为设第1幅与第2幅图像在灰度为“0”时的类中心点的值为k1，精确半径为r1，则k1＝(p(1)Gray(0)+p(2)Gray(0))/2；r1＝|(p(1)Gray(0)-p(2)Gray(0))|/2；第3幅图像在灰度为“0”时与第1幅与第2幅图像在灰度为“0”时的类中心点的值k1的误差T为T＝|p(3)Gray(0)-k1|，当T≤r1时，则第1、2、与第3幅图像的类中心点的值k2不变，即k2＝k1，精确半径r2不变，即r2＝r1；而当T＞r0时，k2＝(k1+p(3)Gray(0))/2，r2＝|(k1-p(3)Gray(0))|/2，照此方法，算出第1、2...(N-1)幅图像与第N幅图像的类中心点kN-1。这时B(0)＝kN-1，则在灰度值“0”点的模式类中心累计分布值pDevice(0)＝B0。
(32)然后按照计算在g＝0时的模式类中心分布值的方法，再计算在g＝1时的模式类中心值B(1)，得到在灰度值“1”点的模式类中心累计分布值pDevice(1)＝B(1)+pDevice(0)；由此规律，灰度为g时的模式类中心分布值为B(g)，则模式类中心累计分布函数为pDevice(g)＝B(g)+pDevice(g-1)(4)对每一种人脸图像采集设备分别进行本步骤中(1)、(2)、(3)步处理，得到两类人脸图像采集设备的模式类中心累计分布函数摄像机pDeviceCCD(g) g＝0，1，...，255照相机pDeviceScanner(g) g＝0，1，...，255归一化过程包括以下步骤1)确定属性归一化目的，指定照相机为标准设备，而指定摄像机为待转换的设备；
4)对摄像机所采集的一幅人脸图像进行直方图统计，得到该幅图像的直方图的累计图；该幅图像的直方图累计分布函数为pDevice(g)＝pGyay(g)+pDevice(g-1)式中，pGray(g)，g＝0，1，...，255，为该人脸图像的直方图当g＝0时，令pDevice(g-1)＝0；算摄像机所采集的人脸图像每一个象素点的灰度次序号，其具体方法为(1)定义象素点B(i，j，g，t)，其中i、j为象素点B的平面坐标，g是该点的灰度值，t是该点在全图内灰度值为g的点的集合中的序号；(2)遍历全图统计全图中灰度值等于g的象素点数，记为K，灰度值g的取值范围是0-255；(3)对每一个灰度值等于g的点，都分别计算以该点为中心的M×N邻域的均值，M、N大于等于2(如3×3)；(4)对该K个均值按从小到大进行排序，如果均值相等，则可以按i*j数值从小到大的顺序决定序号，该均值序号为对应的象素点B(i，j，g，t)的灰度次序号；5)根据第4)步骤中的直方图的累计图、第2)步骤中得到的照相机的模式类中心累计图，以及第6)步中对摄像机所采集的人脸图像每一个象素点的灰度次序号对其象素的灰度值进行重新赋值，形成一幅过渡图像，本实施例形成一幅过渡图像图像具体做法是在待转换设备所采集的人脸图像中，第1个灰度值对应的直方图累计值不为“0”的直方图累计值为0.01％，全图为512×512点阵，此时的灰度值为10，则全图中灰度为10的象素个数为0.01%×512×512≅26,]]>而模式类中心累计图中g0-g2值为20-23，其对应的模式类中心累计值分布规律是灰度值为20的象素有4个，灰度值为21的象素有5个，灰度值为22的象素有7个，灰度值为23的象素有10个。在待转换设备所采集的人脸图像的中，将灰度等于10的26个象素重新赋值，即灰度等于lO的序号为l、2、3、4的点，其灰度值改写为20；序号为5、6、7、8、9的点，其灰度值均改写为21；序号为10、11、12、13、14、15、16的点，其灰度值均改写为22；序号为17、18、19、20、21、22、23、24、25、26的点，其灰度值均改写为23。
照此方法，完成待转换设备所采集的人脸图像的重新赋值，形成一幅过渡图像；6)待转换设备所采集的人脸图像和4)-6)步骤形成的过渡图像在象素级进行融合，最终形成采集设备属性归一化的图像；设待转换设备所采集的人脸图像为C(i，j)，过渡图像为D(i，j)，采集设备属性归一化的图像为E(i，j)，本实施例选定的融合算法为E(i，j)＝(C(i，j)+D(i，j))/2。
分别用原始图像和归一化后的20张人脸图像对照相机图像进行人脸识别，采用基于部件主分量分析的多模式人脸识别方法中的特征脸的识别模式，得到如表1所示的识别结果(430000人库)。
表1实施例的人脸图像识别率(430000人库)
图1给出了采用本实施例的一个人的人脸图像实例。其中，图1(1)和图1(4)是在照相馆相同的光照的条件下同一天拍摄的人脸图像，其中，图1(1)是用摄像机拍摄的人脸图像，图1(4)是用照相机拍成照片后用扫描仪输入形成的人脸图像，图1(2)是将图1(1)的图像进行处理得到的过渡图像，图1(3)是对图1(1)和图1(2)进行融合处理形成的最终图像。表2给出了图1(1)、(2)、(3)分别识别图1(4)的识别结果。
表2图1中(1)、(2)、(3)图对图1(4)的识别结果(430000人库)
在表2中，在430000人数据库中，本实施例得到的图1(3)图像在第1名的位置上识别出相同人，而摄像机拍摄的图1(1)图像则在22名的位置上识别出相同人。
实施例2本实施例指定照相机为标准设备，而指定摄像机为待转换的设备并由得到照相机的模式类中心累计分布函数图。有100个人在照相机拍成照片，后用扫描仪输入形成100张不同人的人脸图像，在实验室对相同的100人用摄像机拍摄人脸图像，用与实施例1的具体方法处理后分别得到100个人的过渡图像和最终归一化的人脸图像，分别用100个人的过渡图像和最终归一化的人脸图像去识别本人的照相机图像，采用基于部件主分量分析的多模式人脸识别方法中的特征脸的人脸识别方法，得到如表3所示的人脸识别率。
表3实施例2的人脸图像识别率(430000人库)
从表3和表1相比中可以看到，实施例2在识别率上的改善没有实施例1的大，原因在于实施例在光照等条件上不同(实验室的光照与照相馆的光照有较大的差异)，而且同一人的2类图像采自不同的时间，存在姿态等变化。
图2采用本实施例的一个人的人脸图像实例。其中。图2(1)和图1(4)是同一个人的人脸图像，其中，图2(1)是用摄像机拍摄的人脸图像，图2(4)是同一人在照相馆拍成照片后用扫描仪输入形成的人脸图像，图2(2)是将图1(1)的图像进行处理得到的过渡图像，图2(3)是对图2(1)和图2(2)进行融合处理形成的最终图像。表4给出了图2(1)、(2)、(3)分别识别图2(4)的识别结果。
表4图2中(1)、(2)、(3)图对图2(4)的识别结果(430000人库)
在表4中，在430000人数据库中，本发明得到的图2(3)图像在第1名的位置上识别出相同人，而摄像机拍摄的图2(1)图像则在430000人数据库中的相似队列的最相似的前100名内找不到相同人。
从表1-表4所示的识别结果来看，本发明的效果是很明显的。
权利要求
1.一种人脸图像采集设备属性归一化的方法，其特征在于包括训练过程和归一化过程两部分；其中，训练过程包括以下步骤1)首先用各种人脸图像采集设备分别采集N幅人脸图像，N大于15，如果输入图像是彩色图像，则先转换成灰度图像，将获得的彩色图像转换为灰度图像的方法为Y＝0.299R+0.589G+0.114B其中Y为灰度值，R、G、B分别为彩色图像的红、绿、蓝基色分量；2)将所述各人脸图像采集设备采集的N幅人脸图像进行训练，计算模式类中心分布函数，得到各人脸图像采集设备的模式类中心累计图，具体方法为；(1)该类设备采集的用于训练的每一幅人脸图像的灰度直方图表示为p(y)Gray(g)g＝0，1，…，255y＝1，2，…，N其中，y表示训练人脸图像的序号，g表示人脸图像象素的灰度值；(2)定义模式类中心累计分布函数为pDevice(g) g＝0，1，…，255；(3)定义灰度为g时的模式类中心分布值为B(g)，则各设备的模式类中心分布函数为pDevice(g)＝B(g)+pDevice(g-1)当g＝0时，pDevice(g-1)＝0；计算B(g)的方法为(31)首先计算在g＝0时的模式类中心值B(0)其步骤为设第1幅与第2幅图像在灰度为“0”时的类中心点的值为k1，精确半径为r1，则k1＝(p(1)Gray(0)+p(2)Gray(0))/2；r1＝|(p(1)Gray(0)-p(2)Gray(0))|/2；第3幅图像在灰度为“0”时与第1幅和第2幅图像在灰度为“0”时的类中心点的值k1的误差T为T＝|p(3)Gray(0)-k1|，当T≤r1时，则第1、2与第3幅图像的类中心点的值k2不变，即k2＝k1，精确半径r2不变，即r2＝r1；而当T＞r0时，k2＝(k1+p(3)Gray(0))/2，r2＝|(k1-p(3)Gray(0))|/2，照此方法，算出第1、2…(N-1)幅图像与第N幅图像的类中心点的值kN-1；则B(0)＝kN-1，即在灰度值“0”点的模式类中心累计分布值pDevice(0)＝B0；(32)然后按照计算在g＝0时的模式类中心分布值的方法，再计算在g＝1时的模式类中心值B(1)，得到在灰度值“1”点的模式类中心累计分布值pDevice(1)＝B(1)+pDevice(0)；由此规律，灰度为g时的模式类中心分布值为B(g)，则模式类中心累计分布函数为pDevice(g)＝B(g)+pDevice(g-1)；归一化过程包括以下步骤3)确定属性归一化目的，指定标准设备和待转换的设备；4)对待转换设备所采集的一幅人脸图像进行直方图统计，得到该幅图像的直方图的累计图；该幅图像的直方图累计分布函数为pDevice(g)＝pGyay(g)+pDevice(g-1)式中，pGray(g)，g＝0，1，…，255，为该人脸图像的直方图当g＝0时，令pDevice(g-1)＝0；计算该待转换设备所采集的人脸图像每一个象素点的灰度次序号，其具体方法为(1)定义象素点B(i，j，g，t)，其中i、j为象素点B的平面坐标，g是该点的灰度值，t是该点在全图内灰度值为g的点的集合中的序号；(2)遍历全图统计全图中灰度值等于g的象素点数，记为K，灰度值g的取值范围是0-255；(3)对每一个灰度值等于g的点，都分别计算以该点为中心的M×N邻域的均值，M、N大于等于2；(4)对该K个均值按从小到大进行排序，如果均值相等，则可以按i*j数值从小到大的顺序决定序号，该均值序号为对应的象素点B(i，j，g，t)的灰度次序号；5)根据第4)步骤中的直方图的累计图、第2)步骤中得到的标准设备的模式类中心累计图，以及第6)步中对该待转换设备所采集的人脸图像每一个象素点的灰度次序号对其象素的灰度值进行重新赋值，形成一幅过渡图像，形成一幅过渡图像图像具体做法是(1)在待转换设备所采集的人脸图像的直方图累计图中，从“0”灰度值开始查找，如果“0”灰度值对应的直方图累计值为“0”，再查找“1”灰度值对应的直方图累计值，直到该灰度值对应的直方图累计值不为“0”为止，此时记作P1g1，g1为灰度值，P1为g1灰度值对应的直方图累计值；(2)再到标准设备的人脸图像采集设备的模式类中心累计图查找类中心累计值为P1所对应的灰度值G1，查看标准设备的模式类中心累计图中比G1低的灰度值所对应的模式类中心累计值，找到第1个不为“0”的模式类中心累计值所对应的灰度值G0，(3)按照标准设备的模式类中心累计图中G0～G1段对应的模式类中心累计值的具体数值对待转换设备所采集的人脸图像进行重新赋值，赋值具体方法为(31)设在待转换设备所采集的人脸图像中，全图为W×H点阵，第1个灰度值为g1对应的直方图累计值不为“0”的直方图累计值为P1，则全图中灰度为g1的象素个数N为N＝P1×W×H，而模式类中心累计图中G0～G1的象素个数也为N个；(32)将待转换设备所采集的人脸图像中灰度为g1的象素按照灰度次序号从小到大的顺序，按模式类中心累计图中G0～G1的灰度数值进行赋值；(4)再查找灰度值g2(g2＝g1+1)对应的直方图累计值P2，再到标准设备的人脸图像采集设备的模式类中心累计图查找类中心累计值为P2所对应的灰度值G2，按照标准设备的模式类中心累计图中G1～G2对应的模式类中心累计值的具体数值对待转换设备所采集的人脸图像进行重新赋值；赋值具体方法为在待转换设备所采集的人脸图像中，灰度值在g1～g2的象素个数为N，N＝(P2-P1)×W×H，而模式类中心累计图中G1～G2的象素个数也为N个，将待转换设备所采集的人脸图像中灰度为g2的象素按值灰度次序号从小到大的顺序，按模式类中心累计图中G1～G2的灰度数值进行赋值；(5)照此方法，完成待转换设备所采集的人脸图像象素的各灰度值重新赋值，形成一幅过渡图像；6)将待转换设备所采集的人脸图像和所述的过渡图像在象素级进行融合，最终形成采集设备属性归一化的图像E(i，j)为；E(i，j)＝(C(i，j)+D(i，j))/2式中，C(i，j)为待转换设备所采集的人脸图像，D(i，j)为过渡图像。
全文摘要
本发明属于图像处理技术领域，涉及一种人脸图像采集设备属性归一化的方法，包括用摄像机、照相机、数码相机三种人脸图像采集设备分别N幅人脸图像，并先转换成灰度图像；对采集的N幅人脸图像进行训练，计算模式类中心分布函数，得到各人脸图像采集设备的模式类中心累计图；指定标准设备和待转换的设备；对待转换设备所采集的一幅人脸图像进行直方图统计，得到该幅图像的直方图的累计图；计算该待转换设备所采集的人脸图像每一个象素点的灰度次序号；并对其象素的灰度值进行重新赋值，形成一幅过渡图像；将待转换设备所采集的人脸图像和所述的过渡图像在象素级进行融合，最终形成所述采集设备属性归一化的图像。本发明可提高用不同采集设备所采集的人脸图像进行的人脸识别的识别率。
文档编号G06K9/00GK1584916SQ200410047919
公开日2005年2月23日 申请日期2004年6月11日 优先权日2004年6月11日
发明者苏光大, 章柏幸 申请人:清华大学