基于低频序列生成的异源图像融合夜视抗晕光方法

1.本发明属于夜视抗晕光技术领域，主要涉及一种基于低频序列生成的异源图像融合夜视抗晕光方法。


背景技术：

2.据统计，夜间会车滥用远光灯导致驾驶员眩目进而引发的交通事故，约占夜间总交通事故的近半数左右。异源图像融合的夜视抗晕光技术，结合了红外图像无晕光和可见光图像色彩细节信息丰富的优点，融合后的图像晕光消除较为彻底、色彩和细节信息丰富，能有效提高夜间驾驶的安全性。
3.文献《红外与可见光图像融合的汽车抗晕光系统》将小波变换得到的低频分量加权融合，降低了晕光干扰，但小波变换缺乏对边缘信息的保留，融合图像清晰度欠佳，且采用的加权策略，晕光信息仍参与融合，在强晕光场景存在晕光消除不足的问题。文献《改进ihs-curvelet变换融合可见光与红外图像抗晕光方法》利用curvelet变换的各向异性特点，提高了融合图像的清晰度，通过设计低频系数权值自动调节策略，对融合图像高亮度区域分配更高的红外低频权值，较为彻底地消除了晕光，但同时也将一些重要、有用的高亮度信息消除，在消除晕光的同时也造成了新的交通隐患，不利于驾驶员夜间安全行车。


技术实现要素：

4.本发明的目的在于提供一种基于低频序列生成的异源图像融合夜视抗晕光方法，用于解决现有异源图像融合抗晕光技术对高亮度重要、有用信息的误消除问题，能在保留高亮度重要、有用信息的同时合理消除高亮度的晕光信息，提高融合图像视觉效果。
5.为实现上述目的，本发明采用的技术方案为：一种基于低频序列生成的异源图像融合夜视抗晕光方法，包括以下步骤
6.步骤1、对同时采集的夜间晕光场景的可见光和红外图像进行配准，得到预处理图像；
7.步骤2、对预处理图像进行yuv色彩空间变换得到亮度y、色度u和饱和度v三个分量；
8.步骤3、对亮度分量y与红外图像进行curvelet分解，得到亮度分量y的低频分量ly与高频分量红外图像的低频分量l
ir
与高频分量
9.步骤4、构造低频序列生成模型，将亮度低频分量ly与红外低频分量l
ir
融合为晕光消除程度不同的亮度低频序列
10.步骤5、采用模值取大的策略融合亮度分量y与红外图像的高频分量和得到融合后的高频分量
11.步骤6、将低频序列中的每一分量分别与融合后高频分量进行curvelet重构，得到一组晕光消除程度不同的抗晕光亮度分量序列；
12.步骤7、通过多尺度高斯核函数与抗晕光亮度分量序列卷积进行光照估计，得到的光照分量序列{i
(0)
,i
(1)
,...,i
(n)
}；
13.步骤8、设计视觉信息最大化隶属度函数，根据光照分量序列{i
(0)
,i
(1)
,...,i
(n)
}为适合人眼观察的区域赋予更大的权值，从而确定抗晕光亮度分量序列中每个分量参与融合的权重，进而对序列加权求和得到新的亮度分量y'；
14.步骤9、将新的亮度分量y'和原始的色调u、饱和度v分量进行yuv逆变换，输出融合图像。
15.进一步的，上述步骤4的具体步骤是
16.步骤4.1、计算第n次迭代的约束因子
17.步骤4.2：计算第n次的晕光阈值βn，并通过βn将低频分量ly划分为晕光与非晕光区域；
18.若低频分量ly中某一点ly(x,y)≥βn，则像素(x,y)在第n个生成的低频分量中处于晕光区域；
19.若ly(x,y)《βn，则该像素处于非晕光区域；
20.步骤4.3、在非晕光区域，设计像素均值先验策略，计算第n次迭代的红外低频系数权值
21.步骤4.4、在晕光区域，设计非线性红外低频权值调节策略，计算第n次迭代的红外低频系数权值
22.步骤4.5、生成第n个融合低频分量
[0023][0024]
式中，l
ir
(x,y)为红外低频分量在(x,y)处的像素值。ω
ir
(n)为第n次迭代的红外低频权值矩阵，表示为：
[0025][0026]
步骤4.6、判断约束因子是否满足
[0027]
若不满足，重复步骤4.1～4.5生成新的低频分量；
[0028]
若满足，则停止迭代并输出低频序列
[0029]
进一步的，上述步骤8的具体步骤是
[0030]
步骤8.1、计算抗晕光序列中第n个分量的权值矩阵wn(x,y)为：
[0031][0032]
步骤8.2、新的亮度分量y'为：
[0033][0034]
式中，m表示抗晕光序列y
ah
的分量个数。
[0035]
进一步的，上述步骤4.1中，计算第n次迭代的约束因子
[0036][0037]
式中，n表示亮度低频分量ly的像素数，n
*
表示ly中大于其像素均值的像素数。
[0038]
进一步的，上述步骤4.2中，计算第n次的晕光阈值βn：
[0039][0040]
式中，与分别表示ly的像素均值与最大值，为初始的约束因子。
[0041]
进一步的，上述步骤4.3中，在非晕光区域，计算第n次迭代的红外低频系数权值
[0042][0043]
式中，分别表示非晕光区域的亮度低频分量ly、红外低频分量l
ir
的像素均值，为非晕光区域的初始低频系数权值。
[0044]
进一步的，上述取0.3。
[0045]
进一步的，上述步骤4.4中，在晕光区域，计算第n次迭代的红外低频系数权值
[0046][0047]
式中，p为亮度低频分量ly在(x,y)处的像素值，r为调节因子。
[0048]
以晕光临界阈值为基准，将亮度低频分量ly的像素值映射到区间[a,b]，映射后的亮度低频分量ly′
(x,y)为：
[0049][0050]
进一步的，上述r取75；映射区间为[0,5]。
[0051]
与现有技术相比，本发明具有的优点和效果是：
[0052]
1、本发明能够有效保留高亮度的有用信息，并合理消除高亮度的晕光信息，提高了夜视晕光场景中融合图像有用信息的完整性及整体视觉效果。
[0053]
2、本发明所构造的低频序列生成模型，能够依据亮度分量的低频信息输出晕光信
息消除程度不同、有用信息互补性强的图像序列，有利于提高融合图像的信息丰富度并消除晕光。其中，设计的迭代约束因子，能够根据可见光图像的整体亮度动态调整生成低频序列的数量，在保证融合图像质量的前提下，减少生成序列的数量，提高处理效率；设计的低频分量晕光阈值，能够为低频序列的每个分量生成不同的晕光阈值，动态划分晕光与非晕光区域，更好地包含了真实晕光临界的范围，保证了融合图像晕光与非晕光区域衔接自然；设计的像素均值先验策略，能够使生成的低频分量在非晕光区所包含的较亮分量在整个序列中占比更多，保证了融合图像在非晕光区的亮度更高、有效信息更显著；设计的非线性红外低频权值调节策略，能够随着迭代次数适时调整红外低频权值的变化曲线，且在晕光区红外低频分量权值随亮度低频分量非线性调整，保证了生成的低频序列中每一分量的晕光消除程度不同。
[0054]
3、本发明所设计的视觉信息最大化隶属度函数，能够依据光照估计结果对图像序列中适合人眼观察的区域赋予较大的权值，保证了融合图像的整体视觉效果。
附图说明：
[0055]
图1是夜间晕光场景的可见光图像；
[0056]
图2是夜间晕光场景的红外图像；
[0057]
图3是yuv-wavelet变换方法得到的融合图像；
[0058]
图4是改进ihs-curvelet变换方法得到的融合图像；
[0059]
图5是图1可见光图像的聚类图；
[0060]
图6是低频序列生成模型的工作流程图；
[0061]
图7是晕光区域红外低频系数权值曲线；
[0062]
图8抗晕光亮度分量序列；
[0063]
图9新亮度分量；
[0064]
图10是视觉信息最大化隶属度函数；
[0065]
图11是本发明得到的融合图像；
[0066]
图12是本发明的工作流程框图。
具体实施方式：
[0067]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0068]
下面结合附图和实施例对本发明作详细说明。
[0069]
本发明的设计思路在于将可见光亮度分量与红外图像融合为晕光消除程度不同、背景亮度不同的图像序列，利用图像序列之间的互补性，通过构造的低频序列生成模型，将可见光亮度分量与红外图像的低频分量融合为晕光消除程度不同的亮度低频分量图像序列；设计视觉信息最大化隶属度函数，依据光照估计结果对亮度符合人眼视觉的区域赋予较大的权值，将融合图像不同亮度区域均调节到适合人眼观察的范围，使所有的高亮度区域不再晕光，既解决了晕光消除问题，又达到有效保留高亮度重要信息的目的。
[0070]
参见图12，本发明提供一种基于低频序列生成的异源图像融合夜视抗晕光方法，
该方法包括以下步骤：
[0071]
步骤1、对同时采集的夜间晕光场景的可见光和红外图像进行配准，得到预处理图像，配准后的图像具有高的时间空一致性；
[0072]
步骤2、对预处理图像进行yuv色彩空间变换得到亮度y、色度u和饱和度v三个分量。从rgb模型到yuv模型的转换公式如下：
[0073][0074]
步骤3、对亮度分量y与红外图像进行curvelet分解，即：
[0075][0076]
式中，f[t1,t2]表示输入，表示分解尺度为j、方向为l与位置为k的curvelet函数。通过curvelet分解得到亮度分量y的低频分量ly与高频分量红外图像的低频分量l
ir
与高频分量
[0077]
步骤4、构造低频序列生成模型，将亮度低频分量ly与红外低频分量l
ir
融合为晕光消除程度不同的亮度低频序列
[0078]
首先通过晕光阈值βn将亮度低频分量ly划分为晕光与非晕光区域，并根据两个区域各自的低频权值调节策略，生成相应区域的低频分量，再与红外低频分量l
ir
加权生成融合图像的低频分量lf，然后判断是否满足约束条件，若不满足，继续迭代生成新的低频分量，直到满足约束条件时停止迭代，输出晕光消除程度不同的低频序列。其工作流程(见图6)具体包括以下6个步骤：
[0079]
步骤4.1、计算第n次迭代的约束因子
[0080][0081]
式中，n表示亮度低频分量ly的像素数，n
*
表示ly中大于其像素均值的像素数。
[0082]
由式(3)可知，随着迭代次数n递增而递减。当可见光图像整体越亮时，n
*
越大则越小，生成的低频分量序列越少，即当可见光图像视觉效果较好时，仅需要较少的不同晕光消除程度的低频分量序列可合成高质量的图像。反之，图像整体较暗时，n
*
较小则较大，往往需要更多包含信息程度不同的图像才能合成高质量图像，故需要生成较多的不同晕光消除程度的低频分量序列。
[0083]
步骤4.2、计算第n次的晕光阈值βn，并通过βn将低频分量ly划分为晕光与非晕光区域。βn表示为：
[0084][0085]
式中，与分别表示ly的像素均值与最大值，为初始的约束因子。
[0086]
由于晕光与非晕光区域交界处的像素值连续变化、没有明显的边界，因此本发明
选取晕光阈值的思想是：通过迭代使约束因子递减变化，使每次生成低频分量的晕光阈值不同，则区域划分的范围也就不同，能够较好地包含真实晕光临界的范围。由式(4)可知，βn与成反比关系。随着迭代次数n递增，减小βn变大，划分出的晕光区面积逐渐变小。
[0087]
若低频分量ly中某一点ly(x,y)≥βn，则像素(x,y)在第n个生成的低频分量中处于晕光区域；反之，若ly(x,y)＜βn，则该像素处于非晕光区域。
[0088]
步骤4.3、在非晕光区域，设计像素均值先验策略，计算第n次迭代的红外低频系数权值表示为：
[0089][0090]
式中，分别表示非晕光区域的亮度低频分量ly、红外低频分量l
ir
的像素均值，为非晕光区域的初始低频系数权值。
[0091]
生成的低频序列中，每一低频分量在非晕光区所包含的可见光与红外信息不同，整体趋向于较亮的图像。通常，像素均值较高的图像参与低频融合的权值越高，融合图像的视觉效果越好，但仅以像素均值决定融合图像的权值会造成一些局部信息缺失。因此，生成的低频序列需要包含不同权值的低频分量，且在总体数量上较亮分量占比应相对较多。基于这个思想，本发明通过比较非晕光区域的亮度低频分量ly与红外低频分量l
ir
的像素均值，确定较亮的图像，并使后续生成的低频分量所包含的较亮图像信息逐渐递增。经多次计算优化，本发明取0.3。
[0092]
步骤4.4、在晕光区域，设计非线性红外低频权值调节策略，计算第n次迭代的红外低频系数权值表示为：
[0093][0094]
式中，p为亮度低频分量ly在(x,y)处的像素值。r为调节因子，用于调节红外低频权值曲线的形状。
[0095]
为了保证生成的低频序列中每一低频分量在晕光区域的晕光消除程度不同，低频系数权值调节的基本思想是：红外低频分量l
ir
的权值随亮度低频分量ly的像素值增大而增大，用于更好地消除晕光；在晕光临界处变化平缓，建立晕光与非晕光区域的缓冲区，避免明暗分裂现象；在接近晕光中心时，l
ir
的权值取较大值，以彻底消除晕光。另一方面，随着迭代次数的变化，适时调整红外低频权值的变化曲线，生成的晕光消除程度不同的低频分量。经实际测试，r取75时，曲线各处斜率满足设计要求。当p一定时，与成正比关系，随着迭代次数n递增，和均递减变化。
[0096]
为了使红外低频权值从非晕光区域平滑过度到晕光区，以晕光临界阈值为基准，将亮度低频分量ly的像素值映射到区间[a,b]。映射后的亮度低频分量ly′
(x,y)为：
[0097][0098]
经实际测试，本发明选择映射区间为[0,5]，即a＝0，即晕光临界处；b＝5，为ly最亮的像素。由的变化趋势(见图7)可以看出，不同的曲线变化趋势一致，晕光临界处变化平缓，随着ly′
(x,y)的增大而增大，接近晕光中心时值较大，表明在融合低频分量中可见光亮度越高的区域红外低频权值越高，晕光消除度越高；对确定的ly′
(x,y)，随着迭代次数n递增，减小，也越小，表明生成的低频融合分量序列的晕光消除程度由大到小。将式(7)得到的ly′
(x,y)替代式(6)中的p，可得到第n次迭代的晕光区红外低频权值矩阵
[0099]
步骤4.5、生成第n个融合低频分量
[0100][0101]
式中，l
ir
(x,y)为红外低频分量在(x,y)处的像素值。ω
ir
(n)为第n次迭代的红外低频权值矩阵，表示为：
[0102][0103]
步骤4.6、判断约束因子是否满足：若不满足，重复步骤4.1～4.5生成新的低频分量；若满足，则停止迭代并输出低频序列
[0104]
步骤5、采用模值取大策略融合高频分量，获得融合后的高频分量保留更多更清晰的纹理细节信息。融合的高频分量可表示为：
[0105][0106]
步骤6、将低频序列中的每一分量分别与融合后高频分量进行curvelet重构，得到一组晕光消除程度不同的抗晕光亮度分量序列频域的离散curvelet变换表式为：
[0107][0108]
式中，表示频域的输入，为频域curvelet函数。
[0109]
抗晕光亮度分量序列(见图8)中，晕光消除程度高的分量晕光消除彻底，但高亮度有用信息被误消除；晕光消除程度低的分量虽然晕光消除不足，但较好地保留了高亮度的有用信息，且受益晕光的暗处区域视觉效果较好。
[0110]
步骤7、通过多尺度高斯核函数与抗晕光亮度分量序列卷积进行光照估计，得到的光照分量序列{i
(0)
,i
(1)
,...,i
(n)
}。第n次光照分量i
(n)
(x,y)为：
[0111][0112]
式中，k为尺度数，gk(x,y)表示第k个尺度高斯函数，表示为：
[0113][0114]
式中，μ为归一化常数，σ为尺度因子，“*”表示卷积运算。考虑到光照分量提取的精度与运算均衡，本发明取k＝3，所选的尺度因子分别为σ＝50,150,200。
[0115]
步骤8、参见图10设计视觉信息最大化隶属度函数，根据光照分量序列{i
(0)
,i
(1)
,...,i
(n)
}为适合人眼观察的区域赋予更大的权值，从而确定抗晕光亮度分量序列中每个分量参与融合的权重，进而对序列加权求和得到新的亮度分量y'。具体包括2个步骤：
[0116]
步骤8.1、计算抗晕光序列中第n个分量的权值矩阵wn(x,y)为：
[0117][0118]
像素点曝光度是否良好的一个简单定义是该像素与亮度分量中间值的距离。像素值越接近中间值，曝光度越符合人眼视觉观察。本发明设计三角形的视觉信息最大化隶属度函数，其定义域为[0,255]，值域为[0,1]，以定义域的中间值为对称轴，对像素值接近128的像素点赋予更大的权值，隶属度函数如图8所示。
[0119]
步骤8.2、新的亮度分量y'为：
[0120][0121]
式中，m表示抗晕光序列y
ah
的分量个数。
[0122]
本发明利用晕光消除程度不同的分量之间信息存在互补性，通过设计的视觉信息最大化隶属度函数对抗晕光亮度分量中符合人眼视觉观察的像素赋予较大权值，使合成的新亮度分量y'(见图9)的各区域均适合人眼观察。
[0123]
步骤9、将新的亮度分量y'和原始的色调u、饱和度v分量进行yuv逆变换，输出高亮度有用信息完整、高亮度晕光信息消除彻底、暗处色彩细节信息丰富等符合人眼视觉效果的融合图像。yuv模型到rgb模型的转换公式为：
[0124][0125]
下面给出一个具体仿真的实例，本实施例仿真条件：windows10操作系统、matlab软件。
[0126]
主要内容：对夜间晕光场景的可见光和红外图像进行配准；并对配准后的可见光图像进行yuv色彩空间变换得到亮度y、色度u和饱和度v三个分量；再对亮度分量y与红外图像进行curvelet分解，得到各自的低频分量与高频分量；通过低频序列生成模型输出晕光消除程度不同的亮度低频序列；采用模值取大策略获得融合的高频分量；将亮度低频序列
中的每一分量分别与融合的高频分量进行curvelet重构，得到一组晕光消除程度不同的亮度分量序列；通过光照估计得到与抗晕光亮度分量序列对应的光照分量序列；通过视觉信息最大化隶属度函数确定抗晕光亮度分量序列中每个分量参与融合的权重，进而对序列加权求和得到新的亮度分量；将新的亮度分量y'和原始的色调u、饱和度v分量进行yuv逆变换得到融合图像。具体的步骤是：
[0127]
一、图像配准：
[0128]
(1)使用imread函数读取夜间晕光场景的可见光图像和红外图像；
[0129]
(2)使用cpselect函数从两幅图像中选取4对特征点，保存在base_points和input_points中；
[0130]
(4)使用cp2tform函数通过获得的特征点及所使用的变换类型求出变换矩阵；
[0131]
(5)使用imtransform函数对待配准图像应用变换矩阵进行仿射变换；
[0132]
(6)使用imcrop函数将可见光图片裁剪至与红外图像相同的大小。
[0133]
二、yuv变换：
[0134]
按照公式(1)将可见光图像从rgb模型转换到yuv模型，得到可见光图像的亮度分量y、色度分量u、浓度分量v。
[0135]
三、curvelet分解：
[0136]
按照公式(2)将亮度分量y与红外图像分别进行curvelet分解，得到亮度分量y与红外图像各自的低频分量与高频分量。
[0137]
四、抗晕光亮度分量序列生成：根据低频序列生成模型的工作流程，执行公式(3)～公式(9)获得晕光消除程度不同的亮度低频序列
[0138]
五、按照公式(10)将亮度分量y与红外图像的高频分量与融合，得到融合后的高频分量
[0139]
六、按照公式(11)将亮度低频序列的每一分量与融合后的高频分量进行curvelet重构，得到抗晕光亮度分量序列
[0140]
七、按照公式(12)和(13)对抗晕光亮度分量序列进行光照估计，得到光照分量序列{i
(0)
,i
(1)
,...,i
(n)
}。
[0141]
八、按照公式(14)求解抗晕光亮度分量序列{i
(0)
,i
(1)
,...,i
(n)
}每一分量的权值矩阵；按照公式(15)将图像序列合成，得到新的亮度分量y'；
[0142]
九、按照公式(16)将新亮度分量y'与原始的u、v分量进行yuv逆变换获得最终的融合图像。
[0143]
为了验证本发明在保留高亮度有用信息、消除高亮度晕光方面的有效性，对采集的夜视晕光场景可见光图像与红外图像，分别采用yuv-wavelet变换、改进ihs-curvelet变换与本发明方法进行图像融合抗晕光实验对比，并依据文献《夜视抗晕光融合图像自适应分区质量评价》方法对融合图像进行客观评价，选取晕光消除度(d
he
)对晕光区域进行抗晕光效果评价，d
he
越大表明图像晕光消除越彻底；选取平均梯度(ag)、空间频率(sf)、边缘强度(ei)、灰度均值(μ)、边缘保持度(q
ab/f
)等指标对非晕光区域进行视觉效果评价。ag反映图像细节反差的变化速率，值越大表明非晕光区图像包含的细节信息越多。sf反映图像空
间域的变化，值越大表明图像越清晰。ei反映图像边缘梯度的幅值，值越大表明图像边缘细节越明显。μ表示图像平均灰度值，值越大表明非晕光区域的亮度越高。q
ab/f
反映融合图像对原图像边缘的保持程度，值越大表明对原图像边缘的保持度越好。
[0144]
由夜视晕光场景可见光图像(见图1)与红外图像(见图2)可知，可见光图像中晕光现象较为严重，但一些有用信息如车道线等受益于晕光变得更加明显，前排行人等信息较为显著；红外图像中行人与车辆轮廓清晰，但缺乏一些重要信息(如车道线等)和其它细节信息。yuv-wavelet、改进ihs-curvelet变换以及本发明方法得到的融合图像(见图3、图4、图11)的客观评价指标如表1所示。
[0145]
表1夜间晕光场景融合图像的客观评价指标
[0146][0147]
由图3可知，yuv-wavelet的融合图像虽然削弱了晕光，但晕光依然明显，图像清晰度整体欠佳，行人、车辆周围树木、背景建筑物等较为模糊。由图4可知，改进ihs-curvelet变换的融合图像消除晕光较为彻底，但因高亮度信息消除过度，导致部分车道线信息被误消除，带来新的交通隐患，同时在晕光与非晕光交界处明暗分裂严重，整体视觉效果欠佳。由夜视晕光场景可见光图像的聚类图(见图5)可知，高亮度区域包含了大量的晕光信息与少量的重要有用信息(如车道线等)，现有可见光与红外图像融合的夜视抗晕光方法是以亮度区分晕光与非晕光信息，难以避免高亮度有用信息被误消除。
[0148]
从图11可以看出，本发明的融合图像较好地保留了高亮度的车道线，高亮度晕光消除效果较好，图像整体亮度适中，适合人眼视觉观察。与图3相比，本发明融合图像明显降低了晕光干扰，车辆轮廓、行人清晰可见，且非晕光区亮度较高，表明本发明方法在有效消除晕光的同时，能提高图像的清晰度及暗处区域亮度。与图4相比，本发明融合图像的高亮度车道线保留较好，晕光与非晕光区域衔接自然，图像亮度适中，表明本发明能有效保留高亮度有用信息、合理消除高亮度晕光，图像有用信息完整，视觉效果较好，较好地解决了夜间行车时的晕光问题，有利于夜间行车安全。
[0149]
由表1可知，在晕光区域，虽然本发明的d
he
稍低于改进ihs-curvelet变换方法，但这是因为改进ihs-curvelet变换方法对高亮度信息过度消除，导致d
he
指标虚高，同时导致非晕光区变暗，图像像素值变化率变小，非晕光区各项指标较本发明的低。在非晕光区域，本发明融合图像的客观指标，除了均值μ低于yuv-wavelet，其余指标高于其它两种方法，这是因为yuv-wavelet变换方法消除晕光不彻底，导致反映图像亮度的均值虚高，验证了本发明方法能有效提高融合图像在非晕光区域的整体亮度，丰富细节信息，使边缘纹理更清晰。
[0150]
由以上分析可知，本发明提出的基于低频序列生成的异源图像融合夜视抗晕光方法，能在保留高亮度有用信息的同时合理消除高亮度晕光信息，提高图像暗处区域的亮度，并增强色彩纹理等细节信息，提高融合图像整体视觉效果，有利于提高夜间行车安全性。
[0151]
上述实施例仅例示性说明本发明的原理及其功效，对于本领域的普通技术人员来
说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。