图像融合方法、装置、计算机设备和存储介质与流程

本申请涉及计算机视觉领域，尤其涉及一种图像融合方法、装置、计算机设备和存储介质。

背景技术：

随着互联网的发展，计算机视觉不断被应用于到多个技术领域中，尤其是图像融合，在对图像融合进行处理时，经常采用原始图进行处理，随着拍摄设备的更新，图像中包含的内容越来越丰富，在对图像进行处理时，由于图像的内存数据过大导致图像融合速率低。

技术实现要素：

为了解决上述技术问题，本申请提供了一种图像融合方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种图像融合方法、包括：

获取包含有人脸的原图像；

获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像；

获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域；

融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

第二方面，本申请提供了一种图像处理装置，包括：

原图像获取模块，用于获取包含有人脸的原图像；

待融合图像获取模块，用于获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像；

融合模板图像获取模块，用于获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域；

图像融合模块，用于融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

一种计算机设备，包括存储器、处理器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计算机程序时实现以下步骤：

获取包含有人脸的原图像；

获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像；

获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域；

融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

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以下步骤：

获取包含有人脸的原图像；

获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像；

获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域；

融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

上述图像融合方法、装置、计算机设备和存储介质，所述方法包括：获取包含有人脸的原图像，获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像，获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。通过原图像中的人脸生成的待融合人脸图像，根据待融合人脸图像中的人脸关键特征表征人脸，提高图像融合的融合速率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中图像融合方法的应用环境图；

图2为一个实施例中图像融合方法的流程示意图；

图3为一个实施例中图像融合装置的结构框图；

图4为一个实施例中计算机设备的内部结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。

图1为一个实施例中图像融合方法的应用环境图。参照图1，该图像融合方法应用于图像数据系统。该图像数据系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端或服务器获取包含有人脸的原图像，获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像，获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。通过原图像中的人脸生成的待融合人脸图像，根据待融合人脸图像中的人脸关键特征表征人脸，提高图像融合的融合速率。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

如图2所示，在一个实施例中，提供了一种图像融合方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明。参照图2，该图像融合方法具体包括如下步骤：

步骤s201，获取包含有人脸的原图像。

步骤s202，获取原图像中人脸的待融合人脸图像。

在本具体实施例中，待融合人脸图像根据原图像的人脸的关键特征生成的图像。

具体地，原图像是指拍照界面中拍摄的图像，原图像中包含至少一张人脸。通过原图像进行特征提取，并根据提取到的特征生成的人脸图像为待融合人脸图像，。其中原图像中包含一张或多张人脸。人脸关键特征是用于描述人脸的数据特征，提取人脸关键特征的方法可以采用常见的特征提取算法，也可以采用自定义的特征提取算法。根据特征提取算法从原图像中提取到的人脸关键特征生成待融合人脸图像。

步骤s203，获取融合模板图像。

在本具体实施例中，融合模板图像中包含有与人脸对应的融合区域。

步骤s204，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

具体地，融合模板图像是指用于被融合的模板图像，模板图像中包含一个或多个融合区域。融合模板图像可以是用户在终端上保存的图像中选择的图像，也可以是根据待融合人脸的人脸关键特征确定融合模板图像。

在一个实施例中，获取待融合人脸图像中人脸的数量，根据待融合人脸图像中人脸的数量确定融合区域的数量，获取融合模板图像，其中融合模板图像中包含的融合区域的数量与待融合人脸图像中人脸的数量，融合待融合人脸图中的各个人脸至融合模板图像对应的融合区域，得到包含与待融合人脸图像中人脸的数量相同数量的融合区域的模板融合图像。

具体地，检测待融合人脸图像中的人脸的人脸数量，根据待融合人脸图像中的人脸数量确定融合区域的数量，根据融合区域的数量获取融合模板图像，其中融合模板图像中包含的融合区域的数量与待融合人脸图像中的人脸数量相同。每个人脸对应一个融合区域，将每个待融合人脸图像中的人脸的人脸关键特征融合至融合模板图像对应的融合区域中，其中融合区域可以为相同的融合区域也可以为不同的融合区域，得到包含多个不同的人脸关键特征的融合区域。如拍摄的原图像中包含两个人脸，通过人脸检测模型检测到两张人脸，提取两张人脸的人脸关键特征，根据提取到的两张人脸关键特征生成包含两张人脸的待融合人脸图像，融合模板图像中包含两个融合区域，其中一个为一只猫脸，另外一个为一只兔子脸，则将其中的一张人脸融合至猫脸，另外的一张人脸融合至兔子脸，得到一个包含人脸特征的猫脸和兔子脸。

在一个实施例中，当融合区域不同，待融合人脸图像中的人脸也不同时，可以自定义人脸与融合区域的对应关系，如可以随机设置对应关系，也可以按照待融合人脸与融合区域的位置确定对应关系、还可以待融合人脸对应的按照性别确定对应关系等等。

在一个实施例中，融合待融合人脸的人脸关键特征与对应的融合区域，得到融合图像，包括：采用待融合人脸图像的人脸关键特征替换对应的融合区域，得到目标融合图像。按照融合区域的区域参数确定待融合人脸图像的人脸关键特征的融合比例，按照对应的融合比例实现人脸的融合。当融合比例为1时，直接用人脸关键特征对应的像素点的像素值替换对应的融合区域的像素点的像素值，实现过程简单、实现效果佳。

在一个实施例中，获取融合区域的数量，根据预设自定义规则确定待融合人脸图像中的人脸与融合区域的数量的对应关系，根据对应关系实现对待融合人脸与对应的融合区域的融合。

在一个实施例中，融合待融合人脸的人脸关键特征与对应的融合区域，得到融合图像，包括：获取融合区域的数量，复制待融合人脸图像，得到与融合区域的数量相同数量的待融合人脸图像，融合各个待融合人脸图像至融合模板中对应的融合区域，得到目标融合图像。

具体地，当融合区域为多个，待融合人脸为一个时，检测融合图像中包含的融合区域的数量，根据融合区域的数量复制待融合人脸图像，得到与融合区域的数量相同数量的待融合人脸图像，根据各个融合区域确定对应的待融合人脸的融合数据，采用融合数据替换融合区域中的对应的像素点的像素值。

上述图像融合方法，获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像，获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。在对人脸进行融合时，利用原始图像会导致处理速度慢，效率低，无法满足用户的快速、便捷的需求。采用生成的待融合人脸作为基础，在待融合人脸的基础上进行融合可以提高处理速度和效率。

步骤s301，通过人脸检测模型检测原图像中的人脸，检测得到中间人脸。

步骤s302，提取中间人脸的人脸特征，得到人脸关键特征。

步骤s303，根据人脸关键特征生成包含待融合人脸图像。

在本具体实施例中，待融合人脸图像中的人脸与对应的中间人脸的维度相同。

具体地，人脸检测模型是用于对图像中的人脸进行定位的数学模型，该数学模型包括但不限于深度学习网络模型、卷积网络模型等，数学模型的模型参数可以通过机器自动学习得到，也可以是人工根据需求自定义设置。中间人脸是指通过人脸检测模型检测得到的人脸，人脸检测模型能够将原图像中存在的人脸检测出来，即确定人脸在原图像中的位置区域，将原图像中检测出的人脸的区域作为中间人脸，得到包含中间人脸的中间人脸图像。

通过特征提起算法提取中间人员的人脸关键特征，人脸关键特征可以是指人脸的五官特征、五官的位置特征、面部轮廓特征等等。根据提取的人脸关键特征和预先设置的生成规则生成与中间人脸相同维度的人脸。相同维度是指生成的待融合人脸图像中的人脸的维度信息与对应的中间人脸的维度相同。

在一个实施例中，原图像中包含多张人脸，检测到的中间人脸包含多张，提取各个中间人脸的人脸关键特征，根据各个人脸关键特征生成与各个中间人脸相同维度的人脸。

具体地，当人脸检测模型中检测到多个人脸时，通过特征提取算法提取检测到的各个人脸的人脸关键特征，根据各个人脸检测到的人脸关键特征生成与各个人脸对应的人脸。

在一个实施例中，根据人脸关键特征生成与中间人脸相同维度的人脸，包括：保留与人脸关键特征相关的像素点的像素值，采用预设像素值替代与人脸关键特征相关的像素点的像素值。其中预设像素值为自定义的像素值，该像素值的计算可以为图像中的其中一个区域的像素均值、或各个区域的像素均值或特定区域的特定像素值等等。

在一个实施例中，根据像素值计算规则，和与人脸关键特征相关的像素点的像素值计算得到目标像素均值，采用目标像素均值替代与人脸关键特征相关的像素点的像素值。其中像素计算规则为预先自定义的计算规则，如对像素值进行加权求和，或者从预设像素中选取特征位置的像素值作为目标像素等等。

通过人脸检测模型对原图像中的人脸进行检测，实现人脸的自动检测，提取检测到的人脸关键特征，根据人脸关键特征生成与原图相同维度的人脸，由于人脸关键特征能够代表人脸的主要特征，人脸关键特征是通过对人脸进行数据筛选得到的数据特征，故采用人脸关键生产生成的人脸能够有效的提高数据处理效率。

在一个实施例中，根据人脸关键特征生成与中间人脸相同维度的待融合人脸，包括：

步骤s401，按照预设划分规则对中间人脸进行区域划分，得到多个子区域。

具体地，预设划分规则是指预先设置用于对中间人脸进行划分的图像划分规则，如设置滑动窗口，根据滑动窗口的窗口大小和滑动步长确定划分划分区域，得到多个子区域，各个子区域的大小与滑动窗口的大小相同。其中各个子区域之间不存在重叠区域，以100*100的图像为例，窗口大小为10*10，滑动步长为10，则图像被划分为100个10*10的图像区域。

步骤s402，根据人脸关键特征，确定各个子区域中与人脸关键特征无关的像素点。

具体地，由于人脸关键特征是从中间人脸中提取到的图像特征，根据人脸关键特征与中间人脸之间的对应的关系，确定各个子区域中与人脸关键特征相关和无关的像素点。如在其中一个子区域中，人脸关键特征为用户的眼睛，则与在眼睛无关的像素点为与人脸关键特征无关的像素点。

步骤s403，计算各个子区域的像素点的第一像素均值。

步骤s404，采用各个子区域的第一像素均值，替代与各个子区域对应的无关的像素点的像素值。

具体地，各个子区域的第一像素均值为对应的各个子区域的全部像素点的像素均值，第一像素均值可以是对对应的子区域的全部像素点的像素值进行加权平均得到的，加权平均时各个像素的加权系数可以根据需求自定义。采用各个子区域的第一像素均值替代对应的各个子区域中无关的像素点的像素值。如子区域a中包含与人脸关键特征无关的像素点为a1、a2、a3等，子区域a的像素均值为70，则将像素点a1、a2、a3的像素值设置为70。通过像素均值替代无关的像素点的像素值可以减少用于表达图像的数据，从而提高图像的处理效率。

在一个实施例中，与人体关键特征对应的相关的像素点的加权系数小于人体关键特征对应的无关的像素点。

在另一个实施例中，子区域中的全部像素点的加权系数相同。

在又一个实施例中，根据各个子区域中无关的像素点与相关的像素点的距离确定加权系数。如距离相关的像素点越远的无关的像素点的加权系数越大。

图2为一个实施例中图像融合方法的流程示意图。应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图3所示，提供了一种图像处理装置200，包括：

原图像获取模块201，用于获取包含有人脸的原图像。

待融合图像获取模块202，用于获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像。

融合模板图像获取模块203，用于获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域。

图像融合模块204，用于融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

在一个实施例中，上述图像处理装置200，还包括：

人脸检测模块，用于通过人脸检测模型检测原图像中的人脸，检测得到中间人脸。

特征提取模块，用于提取中间人脸的人脸特征，得到人脸关键特征。

人脸生成模块，用于根据人脸关键特征生成待融合人脸图像，待融合人脸图像中的人脸的与对应的中间人脸的维度相同。

在一个实施例中，人脸生成模块，包括：

图像划分单元，用于按照预设划分规则对中间人脸进行区域划分，得到多个子区域。

像素点确定单元，用于根据人脸关键特征，确定各个子区域中与人脸关键特征无关的像素点。

第一均值计算单元，用于计算各个子区域的像素点的第一像素均值。

像素值更新单元，用于采用各个子区域的第一像素均值，替代与各个子区域对应的无关的像素点的像素值。

在一个实施例中，图像融合模块还用于获取融合区域的数量，复制待融合人脸图像，得到与融合区域的数量相同数量的待融合人脸图像，融合各个待融合人脸图像至对应的融合模板图像中的融合区域，得到目标融合图像。

在一个实施例中，上述图像融合装置，还包括：

融合区域确定模块，用于获取待融合人脸图像中人脸的数量，根据待融合人脸图像中人脸的数量确定融合区域的数量。

目标融合区域获取模块还用于获取包含与待融合区域相同数量的融合区域的融合模板图像。

图像融合模块还用于融合待融合人脸图中各个人脸至所述融合模板中对应的融合区域，得到目标融合图像。

在一个实施例中，图像融合模块还用于采用待融合人脸图像的人脸关键特征替换对应的融合区域，得到目标融合图像。

图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图4所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现图像融合方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行图像融合方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的图像数据处理装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该图像数据处理装置的各个程序模块，比如，图3所示的原图像获取模块201、待融合图像获取模块202、融合模板图像获取模块203和图像融合模块204。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的图像融合方法中的步骤。

例如，图4所示的计算机设备可以通过如图3所示的图像数据处理装置中的原图像获取模块201执行获取包含有人脸的原图像。计算机设备可通过待融合图像获取模块202执行获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像。计算机设备可通过融合模板图像获取模块203执行融合模板图像获取模块，用于获取融合模板图像，所述融合模板图像中包含有与人脸对应的融合区域。计算机设备可通过图像融合模块204执行融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像，获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

在一个实施例中，获取原图像中人脸的待融合人脸图像之前，处理器执行计算机程序时还实现以下步骤：通过人脸检测模型检测原图像中的人脸，检测得到中间人脸，提取中间人脸的人脸特征，得到人脸关键特征，根据人脸关键特征生成待融合人脸图像，待融合人脸图像中的人脸与对应的中间人脸的维度相同。

在一个实施例中，根据人脸关键特征生成待融合人脸图像，包括：按照预设划分规则对中间人脸进行区域划分，得到多个子区域，根据人脸关键特征，确定各个子区域中与人脸关键特征无关的像素点，计算各个子区域的像素点的第一像素均值，采用各个子区域的第一像素均值，替代与各个子区域对应的无关的像素点的像素值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据人脸关键特征，确定各个子区域中与人脸关键特征相关的像素点，计算各个子区域中相关的像素点的第二像素均值，采用第二像素均值，替代与各个子区域对应的相关的像素点的像素值。

在一个实施例中，融合区域为多个，待融合人脸为一个时，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像，包括：获取融合区域的数量，复制待融合人脸图像，得到与融合区域的数量相同数量的待融合人脸图像。融合各个待融合人脸图像至对应的融合模板图像中的融合区域，得到目标融合图像。

在一个实施例中，待融合人脸图像中包含的人脸为多个时，处理器执行计算机程序时还实现以下步骤：获取待融合人脸图像中人脸的数量，根据待融合人脸图像中人脸的数量确定融合区域的数量，获取融合模板图像，包括：获取包含与待融合区域相同数量的融合区域的融合模板图像，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像，包括：融合待融合人脸图中各个人脸至融合模板中对应的融合区域，得到目标融合图像。

在一个实施例中，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像，包括：采用待融合人脸图像的人脸关键特征替换对应的融合区域，得到目标融合图像。

在一个实施例中，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以下步骤：获取原图像中人脸的待融合人脸图像，待融合人脸图像根据原图像的人脸的关键特征生成的图像，获取融合模板图像，融合模板图像中包含有与人脸对应的融合区域，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像。

在一个实施例中，获取原图像中人脸的待融合人脸图像之前，处理器执行计算机程序时还实现以下步骤：通过人脸检测模型检测原图像中的人脸，检测得到中间人脸，提取中间人脸的人脸特征，得到人脸关键特征，根据人脸关键特征生成待融合人脸图像，待融合人脸图像中的人脸与对应的中间人脸的维度相同。

在一个实施例中，根据人脸关键特征生成待融合人脸图像，包括：按照预设划分规则对中间人脸进行区域划分，得到多个子区域，根据人脸关键特征，确定各个子区域中与人脸关键特征无关的像素点，计算各个子区域的像素点的第一像素均值，采用各个子区域的第一像素均值，替代与各个子区域对应的无关的像素点的像素值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据人脸关键特征，确定各个子区域中与人脸关键特征相关的像素点，计算各个子区域中相关的像素点的第二像素均值，采用第二像素均值，替代与各个子区域对应的相关的像素点的像素值。

在一个实施例中，融合区域为多个，待融合人脸为一个时，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像，包括：获取融合区域的数量，复制待融合人脸图像，得到与融合区域的数量相同数量的待融合人脸图像。融合各个待融合人脸图像至对应的融合模板图像中的融合区域，得到目标融合图像。

在一个实施例中，待融合人脸图像中包含的人脸为多个时，处理器执行计算机程序时还实现以下步骤：获取待融合人脸图像中人脸的数量，根据待融合人脸图像中人脸的数量确定融合区域的数量，获取融合模板图像，包括：获取包含与待融合区域相同数量的融合区域的融合模板图像，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像，包括：融合待融合人脸图中各个人脸至融合模板中对应的融合区域，得到目标融合图像。

在一个实施例中，融合待融合人脸图像至融合模板图像中的融合区域，得到目标融合图像，包括：采用待融合人脸图像的人脸关键特征替换对应的融合区域，得到目标融合图像。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

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。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。