遥感图像的飞机分割方法、装置、可读存储介质及设备与流程
本发明涉及图像处理与模式识别领域，特别是指一种遥感图像的飞机分割方法、装置、计算机可读存储介质及设备。
背景技术：
随着航空航天技术的发展，各种航空航天传感器提供的数据量、图像资料等越来越多，人工目视判读已经不能适应现代信息化战争的需要。为适应未来高技术战争，军事智能化软件得到了广泛运用。计算机视觉技术的发展，尤其是模式识别技术的发展，使得影像判读智能化成为可能。利用目标的特征寻找并发现目标，判断目标的位置，只有在自动化的体系下才能保证情报的时效性和准确性。
目标识别是计算机视觉领域的一个研究重点，被广泛的应用于军事领域和民用领域。遥感图像目标识别就是根据目标物体的某些关键特征把目标从背景中分离出来，并确定目标的位置、类型以及其它所需要的有用信息。
在军事领域中,飞机是重要的军事目标，也是侦察和打击的主要对象之一。从大量的遥感图像或航空图像中快速、自动地发现这些飞机目标，能增加取得战争胜利的机率，而单靠人工从这些遥感图像中去发现这些飞机目标，不但枯燥无味、错误率高，而且效率低、周期长，已经不能满足作战实时性、准确性的要求。所以要利用高科技来实时、高效、准确地对所获取的图像信息进行处理，得到所需要的信息。因此，利用航空航天图像识别地面停放的飞机的类型，状态和数量，以及查明所携带的武器的情况对完成目标打击任务尤为重要。
在民用方面，对遥感图像中飞机目标的检测与识别也很重要。可以利用它来实现对机场的管理，如飞机的调度、飞机的统计等。利用计算机来实现对飞机目标的检测与识别既节约了人力、物力和财力，还能打破人工判图效率低的缺陷，对机场的管理会更加的方便。
目前大多数飞机识别方法都是基于图像匹配算法。该算法首先需要建立丰富的模板库，即需要包含所有类型的飞机。然后将模板中的飞机与待识别图像进行匹配。由于飞机的形态具有多变性，大小和方向各异，所以匹配过程复杂且结果不准确，并且还要实时更新模板库，以保证其包含所有类型的飞机。
技术实现要素：
为解决上述技术问题，本发明提供一种遥感图像的飞机分割方法、装置、计算机可读存储介质及设备，本发明无需模板库，即可对图片中的飞机进行分割，具有较强的泛化性和精确的分割结果。
本发明提供技术方案如下：
第一方面，本发明提供一种遥感图像的飞机分割方法，所述方法包括：
对遥感图像进行包括二值化的预处理，预处理后的图像包括多个高亮的连通区域，并在预处理后的图像上得到飞机候选框；
根据所述飞机候选框内的连通区域的比例找出飞机所在的连通区域并判断飞机所在的连通区域包括的飞机的形态，所述飞机的形态包括完整、缺少一个机翼和缺少机身；
当飞机所在的连通区域包括的飞机的形态为缺少一个机翼时，执行第一补全操作，利用飞机的对称性将缺少的机翼补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为缺少机身时，执行第二补全操作，利用飞机的对称性将缺少的机身补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为完整时，不执行补全操作；
将飞机所在的连通区域在遥感图像上标记出来，完成飞机分割。
进一步的，所述对遥感图像进行包括二值化的预处理，预处理后的图像包括多个高亮的连通区域，并在预处理后的图像上得到飞机候选框，包括：
对所述遥感图像进行二值化操作，得到二值化图像，所述二值化图像包括多个高亮的连通区域；
对所述二值化图像进行腐蚀操作；
去除腐蚀操作后占整个二值化图像的比例小于第一设定比值的连通区域；
对得到的图像进行膨胀操作；
去除膨胀操作后占整个二值化图像的比例大于第二设定比值的连通区域，得到预处理后的图像；
获取预处理后的图像上的各个连通区域的最小外接矩形，得到飞机候选框；
其中，所述二值化操作包括：
利用otsu算法对所述遥感图像进行第一次二值化，并得到第一阈值；
判断所述第一阈值是否大于设定阈值，若是，第一次二值化后的图像即为二值化图像，否则，将所述遥感图像各个像素的灰度值均减去第一阈值，得到相减后的图像，并利用otsu算法对相减后的图像进行第二次二值化，第二次二值化后的图像即为二值化图像。
进一步的，所述根据所述飞机候选框内的连通区域的比例找出飞机所在的连通区域并判断飞机所在的连通区域包括的飞机的形态，所述飞机的形态包括完整、缺少一个机翼和缺少机身，包括：
判断所述飞机候选框内所有连通区域包含的像素个数占所述飞机候选框包含的像素个数的比例是否大于设定比例，若是，则判定所述飞机候选框内无飞机，否则，进行下一步；
判断所述飞机候选框内第一大连通区域包含的像素个数与第二大连通区域包含的像素个数的比值是否小于等于第一设定比值，若是，则找出两个机翼所在的连通区域作为飞机所在的连通区域，并判定所述飞机的形态为缺少机身，否则，确定所述第一大连通区域为飞机所在的连通区域，并进行下一步；
判断所述飞机候选框内第一大连通区域的最小外接凸多边形包含的像素个数与该第一大连通区域包含的像素个数的比值是否小于第二设定比值，若是，则判定所述飞机的形态为缺少一个机翼，否则，判定所述飞机的形态为完整。
进一步的，所述第一补全操作包括：
将飞机候选框内的预处理后的图像细化成骨架图；
对所述骨架图进行直线检测，得到多条线段；
将多条线段中满足合并条件的线段进行合并，得到候选线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件；
根据所述候选线段的两两夹角和两两距离找出候选机身轴线段，将候选机身轴线段中最长的线段作为机身轴线段；
将飞机所在的连通区域按照机身轴线段对称，将缺少的机翼补全到飞机所在的连通区域。
或者，所述第一补全操作包括：
将飞机候选框内的预处理后的图像细化成骨架图和膨胀成边缘图，并将所述骨架图和边缘图混合得到混合图；
对所述混合图进行直线检测，得到多条中心线段和多条边缘线段；
先将多条边缘线段中满足合并条件的边缘线段进行合并，再与多条中心线段中满足合并条件的中心线段进行合并，选择合并后最长的线段以及因不满足合并条件而未合并的中心线段作为候选线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件；
根据所述候选线段的两两夹角和两两距离找出候选机身轴线段，将候选机身轴线段中最长的线段作为机身轴线段；
将飞机所在的连通区域按照机身轴线段对称，将缺少的机翼补全到飞机所在的连通区域。
进一步的，所述第二补全操作包括：
将飞机候选框内的预处理后的图像细化成骨架图；
对所述骨架图进行直线检测，得到两个机翼对应的两组线段；
将每组线段中满足合并条件的线段进行合并，得到两组候选机翼轴线段，将每组候选机翼轴线段中最长的线段作为该机翼的机翼轴线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件；
根据两个机翼的机翼轴线段的夹角、长度和交叉点计算得到机身轴线段；
根据两个机翼的机翼轴线段的端点到机身轴线段的距离计算得到机身宽度；
根据机身轴线段和机身宽度将缺少的机身补全到两个机翼所在的连通区域。
第二方面，本发明提供一种遥感图像的飞机分割装置，所述装置包括：
预处理模块，用于对遥感图像进行包括二值化的预处理，预处理后的图像包括多个高亮的连通区域，并在预处理后的图像上得到飞机候选框；
形态判断模块，用于根据所述飞机候选框内的连通区域的比例找出飞机所在的连通区域并判断飞机所在的连通区域包括的飞机的形态，所述飞机的形态包括完整、缺少一个机翼和缺少机身；
补全模块，用于当飞机所在的连通区域包括的飞机的形态为缺少一个机翼时，执行第一补全操作，利用飞机的对称性将缺少的机翼补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为缺少机身时，执行第二补全操作，利用飞机的对称性将缺少的机身补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为完整时，不执行补全操作；
分割模块，用于将飞机所在的连通区域在遥感图像上标记出来，完成飞机分割。
进一步的，所述预处理模块包括：
二值化单元，用于对所述遥感图像进行二值化操作，得到二值化图像，所述二值化图像包括多个高亮的连通区域；
腐蚀单元，用于对所述二值化图像进行腐蚀操作；
第一去除单元，用于去除腐蚀操作后占整个二值化图像的比例小于第一设定比值的连通区域；
膨胀单元，用于对得到的图像进行膨胀操作；
第二去除单元，用于去除膨胀操作后占整个二值化图像的比例大于第二设定比值的连通区域，得到预处理后的图像；
候选框获取单元，用于获取预处理后的图像上的各个连通区域的最小外接矩形，得到飞机候选框；
其中，所述二值化操作包括：
利用otsu算法对所述遥感图像进行第一次二值化，并得到第一阈值；
判断所述第一阈值是否大于设定阈值，若是，第一次二值化后的图像即为二值化图像，否则，将所述遥感图像各个像素的灰度值均减去第一阈值，得到相减后的图像，并利用otsu算法对相减后的图像进行第二次二值化，第二次二值化后的图像即为二值化图像。
第三方面，本发明提供一种用于遥感图像的飞机分割的计算机可读存储介质，包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括第一方面所述遥感图像的飞机分割方法的步骤。
第四方面，本发明提供一种用于遥感图像的飞机分割的设备，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现第一方面所述遥感图像的飞机分割方法的步骤。
本发明具有以下有益效果：
本发明对遥感图像进行二值化处理，并定位出飞机候选框，通过飞机候选框内高亮的连通区域的比例找出飞机所在的连通区域并判断飞机的形态，如果飞机的形态为缺少一个机翼或缺少机身时，执行第一补全操作或第二补全操作，利用飞机的对称性将飞机缺少的部分补全到飞机所在的连通区域，补全后的飞机所在的连通区域包括完整的飞机，将飞机所在的连通区域在遥感图像上标记出来，即可得到飞机分割图像，完成飞机分割。
与现有技术的基于图像匹配算法的飞机识别方法相比，本发明无需模板库，即可对图片中的飞机进行分割，并且可以在飞机分割图像上确定遥感图像中飞机的数量、位置、大小以及方向，分割方法简单，分割结果准确。并且，本发明根据飞机的对称性补全飞机，还原较暗的机身和被遮挡的机翼，解决了机身较暗，阴影遮挡等情况对飞机分割的影响，其拥有较强的泛化性，和精确的分割结果。
附图说明
图1为本发明的遥感图像的飞机分割方法流程图；
图2为预处理示意图；
图3为机翼替换示意图；
图4为当缺少一个机翼时的补全示意图；
图5为当缺少机身时的补全示意图；
图6为本发明的遥感图像的飞机分割装置示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
实施例1：
本发明实施提供一种遥感图像的飞机分割方法，飞机分割是指在遥感图像上将飞机分割出来。如图1所示，该方法包括：
步骤s100：对遥感图像进行包括二值化的预处理，预处理后的图像包括多个高亮的连通区域，并在预处理后的图像上得到飞机候选框。
预处理后的图像为二值图像，该二值图像包括多个高亮的连通区域。飞机候选框是初步确定的包括飞机图像的矩形区域。
步骤s200：根据飞机候选框内的连通区域的比例找出飞机所在的连通区域并判断飞机所在的连通区域包括的飞机的形态，飞机的形态包括完整、缺少一个机翼和缺少机身。
如图2所示，飞机所在的连通区域包括的飞机的形态具体含义解释如下：
完整：矩形框中包含完整的飞机，并且整个飞机在同一个连通区域(飞机所在的连通区域)内，即一个连通区域包括飞机的完整形态，包括两个机翼和机身，如图2中(a)、(b)所示，(a)为原图，(b)为预处理后的图像。
缺少一个机翼：即机身与一个机翼相连，与另一个机翼不相连，或者，另一个机翼不在该飞机候选框内。这种情况下，机身和相连的一个机翼在同一个连通区域(飞机所在的连通区域)内，另一个不相连或不在该飞机候选框内的机翼不属于该连通区域。造成机身与一个机翼相连，与另一个机翼不相连的原因是太阳照射导致机身的阴影遮掉一部分机翼，如图2中(c)、(d)所示，(c)为原图，(d)为预处理后的图像。
缺少机身：由于有些飞机机身颜色过暗，在二值化时将机身归为背景，只剩下两只相对较对称的机翼。这种情况下，没有机身，两个机翼位于两个连通区域内，如图2中(e)、(f)所示，(e)为原图，(f)为预处理后的图像。
上述三种飞机形态对应的连通区域的比例特性不同，可以通过连通区域比例判断出来。
步骤s300：当飞机所在的连通区域包括的飞机的形态为缺少一个机翼时，执行第一补全操作，利用飞机的对称性将缺少的机翼补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为缺少机身时，执行第二补全操作，利用飞机的对称性将缺少的机身补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为完整时，不执行补全操作。
由于飞机是沿机身轴线对称的，所以缺少一个机翼时，即机身与一个机翼属于同一个连通区域(飞机所在的连通区域)时，可以根据飞机的对称性找到飞机的对称轴，将该连通区域中的机翼对称，补全另一个缺少的机翼，也就是说将缺少的机翼补全到飞机所在的连通区域(机身+一个机翼所在的连通区域)，使得飞机所在的连通区域扩大，扩大的部分即为缺少的那个机翼部分。
缺少机身时，即两个机翼位于两个连通区域时，可以根据飞机的对称性找到飞机的对称轴，然后补全机身，也就是说将缺少的机身补全到飞机所在的连通区域(两个机翼所在的连通区域)，使得飞机所在的连通区域扩大，扩大的部分即为缺少的机身部分。
步骤s400：将飞机所在的连通区域在遥感图像上标记出来，完成飞机分割。
飞机完整不需要补全的情况下，飞机所在的连通区域包括完整的飞机，执行第一补全操作和第二补全操作补全飞机后，补全后得到的飞机所在的连通区域包括了完整的飞机。将飞机所在的连通区域在原始遥感图像上标记出来，即可在原始遥感图像上标记出完整的飞机，得到飞机分割图像，如图，就完成了飞机分割，根据在原始遥感图像上标记出的完整飞机，即可直观的确定出遥感图像中飞机的数量、位置、大小以及方向。
本发明对遥感图像进行二值化处理，并定位出飞机候选框，通过飞机候选框内高亮的连通区域的比例找出飞机所在的连通区域并判断飞机的形态，如果飞机的形态为缺少一个机翼或缺少机身时，执行第一补全操作或第二补全操作，利用飞机的对称性将飞机缺少的部分补全到飞机所在的连通区域，补全后的飞机所在的连通区域包括完整的飞机，将飞机所在的连通区域在遥感图像上标记出来，即可得到飞机分割图像，完成飞机分割。
与现有技术的基于图像匹配算法的飞机识别方法相比，本发明无需模板库，即可对图片中的飞机进行分割，并且可以在飞机分割图像上确定遥感图像中飞机的数量、位置、大小以及方向，分割方法简单，分割结果准确。并且，本发明根据飞机的对称性补全飞机，还原较暗的机身和被遮挡的机翼，解决了机身较暗，阴影遮挡等情况对飞机分割的影响，其拥有较强的泛化性，和精确的分割结果。
飞机完整不需要补全的情况下，或者执行第一补全操作和第二补全操作补全飞机后，飞机所在的连通区域包括完整的飞机，此时飞机所在的连通区域是飞机候选框内的最大的连通区域。但是飞机候选框内并不仅仅包括飞机所在的连通区域，还包括其他的连通区域，这些其他的连通区域并不包括飞机部分，是不需要的。为了在将飞机所在的连通区域在遥感图像上标记出来时更加方便，避免其他连通区域对标记的影响，还可以去除飞机所在的连通区域之外的连通区域，由于飞机所在的连通区域是飞机候选框内的最大的连通区域，即去除小于飞机所在的连通区域的连通区域。去除后飞机候选框内仅仅只剩余飞机所在的连通区域，将这些剩余的所有连通区域在遥感图像上标记出来即可，这样在标记时不需要筛选判断连通区域是否是飞机所在的连通区域，标记更加方便，方便飞机分割。
本发明实施例还可以对飞机所在的连通区域(去除飞机所在的连通区域之外的连通区域后)进行先膨胀再腐蚀操作，即形态学闭运算，填充飞机所在的连通区域中小的黑洞(黑色区域)，使得飞机形态更加完整。
在本发明实施例中，对遥感图像进行包括二值化的预处理，预处理后的图像包括多个高亮的连通区域，并在预处理后的图像上得到飞机候选框(步骤s100)，包括：
步骤s110：对所述遥感图像进行二值化操作，得到二值化图像，所述二值化图像包括多个高亮的连通区域。
本发明首先将遥感图像转化为灰度图，然后进行二值化操作。遥感图像有全色图像和多光谱彩色图像等多种格式，全色图像就是灰度图，多光谱彩色图像有rgb三个通道，需要转化为灰度图。
步骤s120：对二值化图像进行腐蚀操作。
步骤s130：去除腐蚀操作后占整个二值化图像的比例小于第一设定比值的连通区域。
步骤s140：对得到的图像进行膨胀操作。
步骤s150：去除膨胀操作后占整个二值化图像的比例大于第二设定比值的连通区域，得到预处理后的图像。
本发明实施例得到二值化图像以后，会有许多噪声点(即噪声连通区域)，本发明实施例通过先后进行的形态学腐蚀操作和膨胀操作，去掉噪声点。并且因为飞机所在的连通区域具有合适的大小，较大或较小的连通区域都不是飞机区域，因此将占整个二值化图像的比例小于第一设定比值的连通区域(小连通区域)去除掉，将占整个二值化图像的比例大于第二设定比值的连通区域(大连通区域)也去除掉，即可得到预处理后的图像。
步骤s160：获取预处理后的图像上的各个连通区域的最小外接矩形，得到飞机候选框。
如图2所示，为了使得飞机候选框包括的飞机更加完整，还可以适当将最小外接矩形向外扩展若干合适的像素。
为了进一步提高飞机候选框的精确性，对于缺少机身的情况，可以通过人工对该种情况的飞机候选框进行修正，或者直接人工标定飞机候选框。
前述的二值化操作包括：
步骤s111：利用otsu算法对遥感图像进行第一次二值化，并得到该次二值化的阈值，作为第一阈值。
otsu算法是一种对图像进行二值化的高效算法，利用阈值将原图像分成前景和背景两个图像，当取最佳阈值时，背景图像与前景图像差别最大。
步骤s112：判断第一阈值是否大于设定阈值，若是，第一次二值化后的图像即为二值化图像，否则，将遥感图像各个像素的灰度值均减去第一阈值，得到相减后的图像，并利用otsu算法对相减后的图像进行第二次二值化，第二次二值化后的图像即为二值化图像。
发明人通过研究发现：将灰度图像的灰度值g置于0到1之间，然后对大量的飞机图片进行了灰度值统计，得到大部分飞机的灰度值大于一个数值，优选为0.55，这个数值即为设定阈值。在利用otsu二值化遥感图像时，由于有些图像背景复杂，otsu方法很容易将与飞机相近的背景判为前景，故在对遥感图像进行第一次二值化以后，得到第一阈值t(0≤t≤1))。
然后判断第一阈值t的大小，如果t>0.55，那么第一次二值化之后的图像就是最终的二值化图像，此时二值化图像的逻辑值为：
其中，p为二值化图像各个像素点的值，g为(灰度化之后的)遥感图像各个像素点的值。
如果第一阈值t不满足条件t>0.55，则将遥感图像g减去第一阈值t，更新遥感图像灰度值为g′＝g-t，再利用otsu二值化相减后的图像，并得到第二阈值t′，第二次二值化之后的图像就是最终的二值化图像，此时最终阈值为t*＝t+t′，一般会大于0.55，二值化图像的逻辑值为：
这样做的目的是，在处理拥有复杂背景的图像时，首先可以去掉与飞机和复杂背景灰度值相差太多的像素点(即得到的g′)，然后otsu算法就可以得到区分飞机和复杂背景的阈值t*，否则otsu算法得到的阈值t不能将飞机与复杂背景区分开。
飞机形态对应的连通区域的比例特性不同，本发明通过连通区域比例判断出飞机的形态以及确定飞机所在的连通区域，此处给出一个判断示例：
步骤s210：判断飞机候选框内所有连通区域包含的像素个数占飞机候选框包含的像素个数的比例是否大于设定比例，若是，则判定飞机候选框内无飞机，否则，进行下一步(步骤s220)。
飞机候选框内所有连通区域即为图像的前景，因为飞机特有的形状会使得矩形框中背景的像素个数大于前景的像素个数，因此判断前景的比例p，如果p大于所选设定比例p’，则判断该矩形框中无飞机，否则，初步判断矩形框中有飞机，并且进一步判断飞机的形态。
步骤s220：判断飞机候选框内第一大连通区域包含的像素个数与第二大连通区域包含的像素个数的比值是否小于等于第一设定比值，若是，则找出两个机翼所在的连通区域作为飞机所在的连通区域，并判定飞机的形态为缺少机身，否则，确定第一大连通区域为飞机所在的连通区域，并进行下一步(步骤s230)。
具体判断方式为：获取飞机候选框中的所有连通区域，并按照连通区域从大到小的顺序进行排序，得到排序后的连通区域像素个数为{p1，，p2，...，pn}，其中，n为连通区域的个数，p1为飞机候选框内第一大连通区域包含的像素个数，p2为飞机候选框内第二大连通区域包含的像素个数，第一大连通区域和第二大连通区域分别指的是飞机候选框内包含像素个数最多和次多的两个连通区域。
计算p1和p2的比值p1,2，并根据p1,2判断飞机的形态：
其中，判定飞机所在的连通区域包括的飞机的形态为缺少机身时，可以初步确定第一大连通区域和第二大连通区域是两个机翼所在的连通区域，然后进行人工修正，找出两个机翼所在的连通区域，即为飞机所在的连通区域。
有机身包括飞机所在的连通区域包括的飞机的形态为完整和缺少一个机翼的情况，这两种情况下第一大连通区域为飞机所在的连通区域，这两种情况需要通过步骤s230进一步判断出来。
步骤s230：判断飞机候选框内第一大连通区域的最小外接凸多边形包含的像素个数与该第一大连通区域包含的像素个数的比值是否小于第二设定比值，若是，则判定飞机的形态为缺少一个机翼，否则，判定飞机的形态为完整，第二设定比值优选为1.4。
具体判断方式为：构造飞机候选框内第一大连通区域的最小外接凸多边形，统计该最小外接凸多边形的像素个数p1’，计算第一大连通区域包含的像素个数p1和第一大连通区域的最小外接凸多边形包含的像素个数p1’的比值，若该比值小于1.4，则认为飞机缺少一个机翼，否则，认为飞机完整。
当飞机所在的连通区域包括的飞机的形态为缺少一个机翼时，执行第一补全操作，利用飞机的对称性将缺少的机翼补全到飞机所在的连通区域，第一补全操作的补全方法有多种，本实施例给出如下两个示例：
示例一：
步骤s310：将飞机候选框内的预处理后的图像细化成骨架图和膨胀成边缘图，并将所述骨架图和边缘图混合得到混合图。
本步骤将飞机预处理后的图像p细化成骨架图p1，将飞机预处理后的图像p进行形态学膨胀操作得到膨胀后的边缘图p2，并将上述骨架图和边缘图合并得到混合图p’，其中：
如图4所示，(a)为遥感图像，(b)为骨架图，(c)为边缘图，(d)为混合图。
需要说明的是，上述对预处理后的图像p进行细化处理获得骨架图p1，对预处理后的图像p进行膨胀操作获得膨胀后的边缘图p2，以及将骨架图p1和边缘图p2混合获得混合图p’可以采用现有技术中的任何方式来实现，此处不再赘述。
步骤s320：对混合图进行直线检测，得到多条中心线段和多条边缘线段。
对混合图进行直线检测，主要是因为单用骨架图或者边缘图得到的线段误差较大，而混合图得到的线段更多，线段融合以后可以更好的代表机身以及机翼的轴线。
直线检测优选为霍夫变换直线检测，霍夫变换直线检测得到的线段可以分为三类，机身和机翼中心的线段为一类，机身和机翼两侧边缘的线段为两类，将所有满足合并条件的线段进行合并，并选择一条线段作为机身轴线。合并步骤如下：
步骤s330：先将多条边缘线段中满足合并条件的边缘线段进行合并，再与多条中心线段中满足合并条件的中心线段进行合并，选择合并后最长的线段以及因不满足合并条件而未合并的中心线段作为候选线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件。
具体合并方法包括：
(1)计算每条线段上属于前景的点的个数p1，属于背景的点的个数p2，选定阈值t，当p1/p2<t时，该线段有较多点并不属于前景，不能代表飞机轴线，故删掉该线段。
(2)设要合并的两条线段分别为l1，l2，两条线段的端点分别为p11，p12，p21，p22，其中pij＝[xij，yij]。记两点之间的距离为
线段距离：首先计算一条线段的两个端点到另一条线段的垂直距离为
遍历i,j得到四个点到线段的距离，取得其中最小的距离作为两条线段的距离
线段合并方式：由于直线检测得到的边缘线段和骨架线段应该合并在一起来代表机身轴线和机翼轴线，为了使得线段合并以后仍然处于中心位置，首先应将边缘线段进行合并，然后再和骨架线段进行合并。对于线段li，记其与y轴的夹角为
其中mean()代表取平均值。合并后的线段(包括不满足条件而未合并的线段)为候选线段，包括机身轴线段和机翼轴线段，接下来从中选出机身轴线段即可。
在确定候选线段时，首先按照(1)的方法对合并后的线段进行处理，舍去有较多点并不属于前景的线段，然后选择一条最长的线段，将该线段与不满足合并条件的线段作为候选线段。
步骤s340：根据候选线段的两两夹角和两两距离找出候选机身轴线段，将候选机身轴线段中最长的线段作为机身轴线段，如图4中(e)所示。
步骤s340得到的候选线段分为机身轴线段和机翼轴线段，机翼轴线段为不需要的线段，去掉机翼轴线段后得到选机身轴线段，去掉机翼轴线段的方法为：
由于机翼轴线段的一个端点应该在机身轴线段的中点附近。假设剩下n条线段，那么记线段li的中点为mi,其中i＝{1，2，...，n}。对于任意两条线段li，lj,计算其锐角夹角θ，以及线段li的端点与线段lj的中点的距离。如果满足以下两个条件，则线段li为机翼轴线段，线段lj为机身轴线段：
将所有满足上述条件的第i条线段删除，则剩下的候选线段为机身轴线段。去掉机翼轴线段后。在剩下的线段中选择一条最长的线段即可作为机身轴线段。
步骤s350：将飞机所在的连通区域按照机身轴线段对称，将缺少的机翼补全到飞机所在的连通区域。
由于在图像预处理时，机翼尖端容易被腐蚀，或者当做小连通区域舍掉。所以得到机身轴线段以后，可以通过机身轴线段得到机翼的大体位置，然后将预处理后图片的机翼部分替换为二值化图像的机翼部分。记机身轴线段为l，其端点为p1，p2，按如图3所示的方法进行替换，其中，替换的像素点如图3(a)中两条横线之间的部分，图3中(b)为预处理后的图像，(c)为替换后的图像。
然后，将替换图关于机身轴线段对称，即可得到完整的飞机，如图4中(f)所示。
示例二：
本示例与示例一相比，只使用骨架图，不使用边缘图。
步骤s310’：将飞机候选框内的预处理后的图像细化成骨架图。
步骤s320’：对骨架图进行直线检测，得到多条线段，这些线段为机身的中心线段和机翼的中心线段。
步骤s330’：将多条线段中满足合并条件的线段进行合并，即可得倒机身轴线段和机翼轴线段，即为候选线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件，具体的合并条件和合并方式如示例一。
步骤s340’：根据候选线段的两两夹角和两两距离找出候选机身轴线段，将候选机身轴线段中最长的线段作为机身轴线段。
步骤s350’：将飞机所在的连通区域按照机身轴线段对称，将缺少的机翼补全到飞机所在的连通区域。
本示例与示例一相比，只使用骨架图，不使用边缘图，与示例一相比处理方法简单，速度快，但是线段融合得到的机身以及机翼的轴线不如示例一的代表性好。
当飞机所在的连通区域包括的飞机的形态为缺少机身时，执行第二补全操作，利用飞机的对称性将缺少的机身补全到飞机所在的连通区域，第二补全操作的补全方法有多种，本实施例给出如下一个示例：
步骤s310”：将飞机候选框内的预处理后的图像细化成骨架图。由于预处理以后的图像，飞机边缘并不平整，所以可以先得到每个连通区域的最小凸多边形，再把最小凸多边形细化成骨架图，得到的骨架可能更加平直，有利于霍夫变换检测直线。如图5所示，(a)为遥感图像，(b)为连通区域的最小凸多边形，(c)为骨架图。
步骤s320”：对所述骨架图进行直线检测，得到两个机翼对应的两组线段。
步骤s330”：将每组线段中满足合并条件的线段进行合并，得到两组候选机翼轴线段，将每组候选机翼轴线段中最长的线段作为该机翼的机翼轴线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件。
本步骤中在合并后的线段中选取一条最长的线段，作为一个机翼的轴线段。如果一个机翼对应的最长的线段有两条，则判断最长线段由几条初始线段合并，选择初始线段多的一条合并线段作为机翼轴线段，如图5中(d)所示，为机翼轴线段。
步骤s340”：根据两个机翼的机翼轴线段的夹角、长度和交叉点计算得到机身轴线段，如图5中(e)所示，为机身轴线段。
在每个飞机候选框中，可以得到两个机翼轴线段l1，l2，由于两个轴线段应关于机身轴线段l对称。并且两个轴线段的交点q应在机身轴线段上。则要想得到机身轴线段l，只需再得到l的斜率即可，步骤如下：
由于机身轴线段应该处于机翼轴线段所在直线的钝角平分线上，所以首先需要找到钝角平分线的斜率。可分两种情况进行考虑：
其中只有一条机翼轴线段所在直线与y轴夹角θ1＝0，另一条线段与y轴夹角
两条机翼轴线段所在直线与y轴的夹角均不为0，即
将两个机翼轴线段所在直线的交点q＝[x，y]作为机身轴线段的中点，又求得机身轴线段的斜率k。记两条机翼轴线段的长度分别为d1，d2，则机身轴线段的两个端点为
得到机身轴线段的斜率k，机身轴线段上的一点p＝[x，y]，以及机身轴线段的两个端点，即可唯一确定机身轴线段。
步骤s350”：根据两个机翼的机翼轴线段的端点到机身轴线段的距离计算得到机身宽度。
记两个机翼轴线段的端点分别为p11，p12，p21，p22，计算四点到机身轴线段l的垂直距离d11，d12，d21，d22,则机身的宽度为d＝min{d11，d12，d21，d22}。
步骤s360”：根据机身轴线段和机身宽度将缺少的机身补全到两个机翼所在的连通区域。
将与机身轴线段的距离小于
前述的当飞机形态为缺少一个机翼或缺少机身时，有些飞机候选框中找不到机身轴线段，说明该候选框中无飞机，则去掉候选框，不需要继续补全操作。
补全飞机以后，进行去除小连通区域，膨胀腐蚀等一系列操作，得到最终的飞机所在的连通区域，将飞机所在的连通区域在遥感图像上标记出来，得到飞机分割图像，完成飞机分割。
实施例2：
本发明实施例提供了一种遥感图像的飞机分割装置，如图6所示，该装置包括：
预处理模块10，用于对遥感图像进行包括二值化的预处理，预处理后的图像包括多个高亮的连通区域，并在预处理后的图像上得到飞机候选框。
形态判断模块20，用于根据飞机候选框内的连通区域的比例找出飞机所在的连通区域并判断飞机所在的连通区域包括的飞机的形态，飞机的形态包括完整、缺少一个机翼和缺少机身。
补全模块30，用于当飞机所在的连通区域包括的飞机的形态为缺少一个机翼时，执行第一补全操作，利用飞机的对称性将缺少的机翼补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为缺少机身时，执行第二补全操作，利用飞机的对称性将缺少的机身补全到飞机所在的连通区域；当飞机所在的连通区域包括的飞机的形态为完整时，不执行补全操作。
分割模块40，用于将飞机所在的连通区域在遥感图像上标记出来，完成飞机分割。
本发明对遥感图像进行二值化处理，并定位出飞机候选框，通过飞机候选框内高亮的连通区域的比例找出飞机所在的连通区域并判断飞机的形态，如果飞机的形态为缺少一个机翼或缺少机身时，执行第一补全操作或第二补全操作，利用飞机的对称性将飞机缺少的部分补全到飞机所在的连通区域，补全后的飞机所在的连通区域包括完整的飞机，将飞机所在的连通区域在遥感图像上标记出来，即可得到飞机分割图像，完成飞机分割。
与现有技术的基于图像匹配算法的飞机识别方法相比，本发明无需模板库，即可对图片中的飞机进行分割，并且可以在飞机分割图像上确定遥感图像中飞机的数量、位置、大小以及方向，分割方法简单，分割结果准确。并且，本发明根据飞机的对称性补全飞机，还原较暗的机身和被遮挡的机翼，解决了机身较暗，阴影遮挡等情况对飞机分割的影响，其拥有较强的泛化性，和精确的分割结果。
本实施例中，预处理模块包括：
二值化单元，用于对所述遥感图像进行二值化操作，得到二值化图像，所述二值化图像包括多个高亮的连通区域。
腐蚀单元，用于对所述二值化图像进行腐蚀操作。
第一去除单元，用于去除腐蚀操作后占整个二值化图像的比例小于第一设定比值的连通区域。
膨胀单元，用于对得到的图像进行膨胀操作。
第二去除单元，用于去除膨胀操作后占整个二值化图像的比例大于第二设定比值的连通区域，得到预处理后的图像。
候选框获取单元，用于获取预处理后的图像上的各个连通区域的最小外接矩形，得到飞机候选框。
本发明实施例得到二值化图像以后，会有许多噪声点，本发明实施例通过先后进行的形态学腐蚀操作和膨胀操作，去掉噪声点。并且因为飞机所在的连通区域具有合适的大小，较大或较小的连通区域都不是飞机区域，因此将占整个二值化图像的比例小于第一设定比值的连通区域(小连通区域)去除掉，将占整个二值化图像的比例大于第二设定比值的连通区域(大连通区域)也去除掉，即可得到预处理后的图像。
其中，所述二值化操作包括：
利用otsu算法对所述遥感图像进行第一次二值化，并得到第一阈值。
判断所述第一阈值是否大于设定阈值，若是，第一次二值化后的图像即为二值化图像，否则，将所述遥感图像各个像素的灰度值均减去第一阈值，得到相减后的图像，并利用otsu算法对相减后的图像进行第二次二值化，第二次二值化后的图像即为二值化图像。
本发明实施例的二值化操作在处理拥有复杂背景的图像时，首先可以去掉与飞机和复杂背景灰度值相差太多的像素点，然后otsu算法就可以得到区分飞机和复杂背景的阈值，否则otsu算法得到的阈值t不能将飞机与复杂背景区分开。
本实施例中，形态判断模块包括：
第一判断单元，用于判判断所述飞机候选框内所有连通区域包含的像素个数占所述飞机候选框包含的像素个数的比例是否大于设定比例，若是，则判定所述飞机候选框内无飞机，否则，进行第二判断单元。
第二判断单元，用于判断所述飞机候选框内第一大连通区域包含的像素个数与第二大连通区域包含的像素个数的比值是否小于等于第一设定比值，若是，则找出两个机翼所在的连通区域作为飞机所在的连通区域，并判定所述飞机的形态为缺少机身，否则，确定所述第一大连通区域为飞机所在的连通区域，并进行第三判断单元。
第三判断单元，用于判断所述飞机候选框内第一大连通区域的最小外接凸多边形包含的像素个数与该第一大连通区域包含的像素个数的比值是否小于第二设定比值，若是，则判定所述飞机的形态为缺少一个机翼，否则，判定所述飞机的形态为完整。
本实施例中，执行第一补全操作的补全模块包括：
第一获取单元，用于将飞机候选框内的预处理后的图像细化成骨架图和膨胀成边缘图，并将所述骨架图和边缘图混合得到混合图。
第一直线检测取单元，用于对所述混合图进行直线检测，得到多条中心线段和多条边缘线段。
第一合并单元，用于先将多条边缘线段中满足合并条件的边缘线段进行合并，再与多条中心线段中满足合并条件的中心线段进行合并，选择合并后最长的线段以及因不满足合并条件而未合并的中心线段作为候选线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件。
第一机身轴线段获取单元，用于根据所述候选线段的两两夹角和两两距离找出候选机身轴线段，将候选机身轴线段中最长的线段作为机身轴线段。
第一补全单元，用于将飞机所在的连通区域按照机身轴线段对称，将缺少的机翼补全到飞机所在的连通区域。
本实施例中，执行第二补全操作的补全模块包括：
第二获取单元，用于将飞机候选框内的预处理后的图像细化成骨架图。
第二直线检测取单元，用于对所述骨架图进行直线检测，得到两个机翼对应的两组线段。
第二合并单元，用于将每组线段中满足合并条件的线段进行合并，得到两组候选机翼轴线段，将每组候选机翼轴线段中最长的线段作为该机翼的机翼轴线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件。
第二机身轴线段获取单元，用于根据两个机翼的机翼轴线段的夹角、长度和交叉点计算得到机身轴线段。
机身宽度获取单元，用于根据两个机翼的机翼轴线段的端点到机身轴线段的距离计算得到机身宽度。
第二补全单元，用于根据机身轴线段和机身宽度将缺少的机身补全到两个机翼所在的连通区域。
本实施例中，执行第一补全操作的补全模块还可以包括：
第三获取单元，用于将飞机候选框内的预处理后的图像细化成骨架图。
第二直线检测取单元，用于对所述骨架图进行直线检测，得到多条线段。
第二合并单元，用于将多条线段中满足合并条件的线段进行合并，得到候选线段；其中，当要合并的两条线段所在直线的锐角夹角小于设定角度，并且当该要合并的两条线段的距离小于设定距离时，满足合并条件。
第三机身轴线段获取单元，用于根据所述候选线段的两两夹角和两两距离找出候选机身轴线段，将候选机身轴线段中最长的线段作为机身轴线段。
第三补全单元，用于将飞机所在的连通区域按照机身轴线段对称，将缺少的机翼补全到飞机所在的连通区域。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。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，前述描述的装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
实施例3：
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。因此，本发明还提供用于遥感图像的飞机分割的计算机可读存储介质，包括处理器及用于存储处理器可执行指令的存储器，指令被处理器执行时实现包括实施例1的遥感图像的飞机分割方法的步骤。
与现有技术的基于图像匹配算法的飞机识别方法相比，本发明无需模板库，即可对图片中的飞机进行分割，并且可以在飞机分割图像上确定遥感图像中飞机的数量、位置、大小以及方向，分割方法简单，分割结果准确。并且，本发明根据飞机的对称性补全飞机，还原较暗的机身和被遮挡的机翼，解决了机身较暗，阴影遮挡等情况对飞机分割的影响，其拥有较强的泛化性，和精确的分割结果。
所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如ram、rom等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、u盘；利用光学方式存储信息的装置如，cd或dvd。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
实施例4：
本发明还提供一种用于遥感图像的飞机分割的设备，所述的设备可以为单独的计算机，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的实际操作装置等。所述用于遥感图像的飞机分割的设备可以包括至少一个处理器以及存储计算机可执行指令的存储器，处理器执行所述指令时实现上述任意一个或者多个实施例中所述遥感图像的飞机分割方法的步骤。
上述所述的设备根据方法或者装置实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
与现有技术的基于图像匹配算法的飞机识别方法相比，本发明无需模板库，即可对图片中的飞机进行分割，并且可以在飞机分割图像上确定遥感图像中飞机的数量、位置、大小以及方向，分割方法简单，分割结果准确。并且，本发明根据飞机的对称性补全飞机，还原较暗的机身和被遮挡的机翼，解决了机身较暗，阴影遮挡等情况对飞机分割的影响，其拥有较强的泛化性，和精确的分割结果。
需要说明的是，本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述，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，对于硬件+程序类、存储介质+程序实施例而言，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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
还需要说明的是，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、商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、商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、方法或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，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。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！