纸币碎片拼接的方法及装置与流程

本发明属于图像处理技术领域，尤其涉及一种纸币碎片拼接的方法及装置。

背景技术：

根据有关规定，残币面积需达到票面的一半以上时银行才可以予以兑换，因此在遇到人为或是自然原因而产生的残币，用户往往需要预先对纸币碎片进行手工拼接。

然而当纸币碎片数量很大时，手工拼接不仅费时费力，而且准确率低，甚至会对破损的纸币造成二次损害。

技术实现要素：

鉴于此，本发明实施例提供了一种纸币碎片拼接的方法和装置，以解决现有技术中对纸币进行人工拼接时难度大、准确率和效率低的问题。

本发明实施例的第一方面，提供了一种纸币碎片拼接的方法，所述方法包括：

建立纸币模板；

获取待拼接的纸币碎片图像；

根据所述纸币碎片图像的颜色信息将所述纸币碎片图像划分至对应的面值类别；

针对每一种面值类别的纸币碎片图像，提取所述纸币碎片图像的纹理特征；

根据所述纹理特征和所述纸币模板对所述纸币碎片图像进行拼接。

进一步地，所述获取待拼接的纸币碎片图像包括：

通过扫描的方式获取待拼接的纸币碎片图像，并按照扫描的先后顺序对所述纸币碎片图像进行编号，生成具有编号信息的纸币碎片图像。

进一步地，所述根据所述纸币碎片图像的颜色信息将所述纸币碎片图像划分至对应的面值类别包括：

对所述纸币碎片图像进行色彩空间转换，以将所述纸币碎片图像从rgb色彩空间转换为hsv色彩空间；

在转换为hsv色彩空间后，将所述纸币碎片图像的色调分量与预设的色调分量阈值进行比对，并根据比对结果将所述纸币碎片图像划分至对应的面值类别。

进一步地，所述针对每一种面值类别的纸币碎片图像，提取所述纸币碎片图像的纹理特征包括：

根据预设的边界提取算法提取所述纸币碎片图像的边界信息；

对于每一种面值类别的纸币碎片图像，根据所述纸币碎片图像的边界信息，采用尺度不变特征转换算法提取所述纸币碎片图像的纹理特征。

进一步地，所述根据所述纹理特征和所述纸币模板对所述纸币碎片图像进行拼接包括：

根据所述纹理特征确定所述纸币碎片图像在所述纸币模板中的位置信息；

对所述纸币碎片图像的位置信息进行分类，并根据分类结果对所述纸币碎片图像进行拼接。

本发明实施例的第二方面，提供了一种纸币碎片拼接的装置，所述装置包括：

创建模块，用于建立纸币模板；

获取模块，用于获取待拼接的纸币碎片图像；

分类模块，用于根据所述纸币碎片图像的颜色信息将所述纸币碎片图像划分至对应的面值类别；

提取模块，用于针对每一种面值类别的纸币碎片图像，提取所述纸币碎片图像的纹理特征；

拼接模块，用于根据所述纹理特征和所述纸币模板对所述纸币碎片图像进行拼接。

进一步地，所述获取模块具体用于：

通过扫描的方式获取待拼接的纸币碎片图像，并按照扫描的先后顺序对所述纸币碎片图像进行编号，生成具有编号信息的纸币碎片图像。

进一步地，所述分类模块包括：

转换单元，用于对所述纸币碎片图像进行色彩空间转换，以将所述纸币碎片图像从rgb色彩空间转换为hsv色彩空间；

分类单元，用于在转换为hsv色彩空间后，将所述纸币碎片图像的色调分量与预设的色调分量阈值进行比对，并根据比对结果将所述纸币碎片图像划分至对应的面值类别。

进一步地，所述提取模块包括：

边界信息提取单元，用于根据预设的边界提取算法提取所述纸币碎片图像的边界信息；

纹理特征提取单元，用于对于每一种面值类别的纸币碎片图像，根据所述纸币碎片图像的边界信息，采用尺度不变特征转换算法提取所述纸币碎片图像的纹理特征。

进一步地，所述拼接模块包括：

定位单元，用于根据所述纹理特征确定所述纸币碎片图像在所述纸币模板中的位置信息；

拼接单元，用于对所述纸币碎片图像的位置信息进行分类，并根据分类结果对所述纸币碎片图像进行拼接。

与现有技术相比，本发明实施例依据纸币的颜色信息将纸币碎片图像划分至对应的面值类别中，然后针对同一面值类别的纸币碎片图像提取纹理特征，并根据所述纹理特征和纸币模板对所述纸币碎片图像进行拼接，从而实现了对纸币碎片的自动拼接，降低了拼接的复杂度和匹配的难度，有效地避免了人工拼接过程中对纸币碎片造成的二次损害；即使在改变纸币碎片图像的扫描角度、图像亮度和扫描视角的情况下，依然能够得到较好的纸币碎片图像特征，有效地提高了拼接的准确率和效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例一提供的纸币碎片拼接的方法的实现流程图；

图2是本发明实施例一提供的纸币碎片拼接的方法中步骤s103的具体实现流程图；

图3是本发明实施例一提供的纸币碎片拼接的方法中步骤s104的具体实现流程图；

图4是本发明实施例一提供的纸币碎片拼接的方法中步骤s105的具体实现流程图

图5是本发明实施例二提供的纸币碎片拼接的装置的结构框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

本发明实施例依据纸币的颜色信息将纸币碎片图像划分至对应的面值类别中，然后针对同一面值类别的纸币碎片图像提取纹理特征，并根据所述纹理特征和纸币模板对所述纸币碎片图像进行拼接，从而实现了对纸币碎片的自动拼接，降低了拼接的复杂度和匹配的难度，有效地避免了人工拼接过程中对纸币碎片造成的二次损害；即使在改变纸币碎片图像的扫描角度、图像亮度和扫描视角的情况下，依然能够得到较好的纸币碎片图像特征，有效地提高了拼接的准确度和效率。本发明实施例还提供了相应的装置，以下分别进行详细的说明。

图1示出了本发明实施例一提供的纸币碎片拼接的方法的实现流程。参阅图1，所述方法包括：

在步骤s101中，建立纸币模板。

在这里，所述纸币为由国家或者地区发行的、强制使用的价值符号。本发明实施例中的所述纸币模板包括现行的不同面值纸币的模板图像。

在步骤s102中，获取待拼接的纸币碎片图像。

可选地，本发明实施例通过扫描的方式获取待拼接的纸币碎片图像，并按照扫描的先后顺序对所述纸币碎片图像进行编号，生成具有编号信息的纸币碎片图像。其中，所使用的扫描设备包括但不限于扫描仪或高拍仪。为保证纸币碎片图像的细节清晰、完整，本发明实施例在获取到纸币碎片图像后，还可以根据图像清晰状况对该纸币碎片图像的分辨率进行调整。

本发明实施例通过在扫描过程中自动对纸币碎片图像进行编号，有利于后续根据编号检索对应的纸币碎片图像，在面对大量纸币碎片的复原工作时，可提高对碎片图像查找的效率，进而提高拼接的效率。

在步骤s103中，根据所述纸币碎片图像的颜色信息将所述纸币碎片图像划分至对应的面值类别。

可选地，本发明实施例采用纸币碎片图像的色调信息来划分面值类别。图2示出了本发明实施例一提供的纸币碎片拼接的方法中步骤s103的具体实现流程。参阅图2，所述步骤s103包括：

在步骤s201中，对所述纸币碎片图像进行色彩空间转换，以将所述纸币碎片图像从rgb色彩空间转换为hsv色彩空间。

在步骤s202中，在转换为hsv色彩空间后，将所述纸币碎片图像的色调分量与预设的色调分量阈值进行比对，并根据比对结果将所述纸币碎片图像划分至对应的面值类别。

在这里，本发明实施例色调分量阈值进行面值类别划分，而通过扫描的方式获取的纸币碎片图像通常为rgb格式，因此，需要先将所述纸币碎片图像由rgb色彩空间转换至hsv色彩空间，然后再根据预设的不同色调分量阈值对所述纸币碎片图像依照面值进行分类。

其中，所述色调分量阈值包括每一种面值的纸币对应的色调分量阈值。

示例性地，对于新版第五套人民币，共有1元、5元、10元、20元、50元、100元共6种面值。其中，1元主要表现颜色为青色、5元主要表现颜色为紫色、10元主要表现颜色为蓝色、20元主要表现颜色为黄色、50元主要表现颜色为绿色、100元主要表现颜色红色。而在hsv色彩空间中，色调分量是通过角度来度量不同色彩，取值范围为0°至360°，从红色开始按逆时针方向计算，比如，红色为0°，绿色为120°，蓝色为240°，及其补色：黄色为60°，青色为180°，品红为300°。基于此，可以将所述色调分量阈值分别设置为：用于划分1元面值的第一色调分量阈值180°，用于划分10元面值的第二色调分量阈值240°，用于划分20元面值的第三色调分量阈值60°，用于划分50元面值的第四色调分量阈值120°，用于划分100元面值的第五色调分量阈值0°等。在实际划分操作中，可以采用比对的方式，根据纸币碎片图像的色调分量是否落在上述色调分量阈值及其附近范围来确定该纸币碎片图像对应的面值类别，并将所述纸币碎片图像划分至所述面值类别。

可见，在所述rgb色彩空间中，色彩由r(红)、g(绿)、b(蓝)三个分量表示；而在所述hsv色彩空间中，色彩仅由色调(h)分量表示。本发明实施例通过将纸币碎片图像由rgb色彩空间转换至hsv色彩空间再进行分类，大大减少了纸币碎片图像的色彩数据量，有利于降低算法的复杂度，减少面值确认的时间，进而提高拼接的效率。

在步骤s104中，针对每一种面值类别的纸币碎片图像，提取所述纸币碎片图像的纹理特征。

可选地，本发明实施例根据纸币碎片图像的边界信息来提取纹理特征，且采用尺度不变特征转换算法来提取所述纹理特征。图3示出了本发明实施例一提供的纸币碎片拼接的方法中步骤s104的具体实现流程。参阅图3，所述步骤s104包括：

在步骤s301中，根据预设的边界提取算法提取所述纸币碎片图像的边界信息。

本发明实施例预先采用边界提取算法提取所述纸币碎片图像的边界信息，剔除纸币碎片图像的背景区域和噪声信息，有利于方便后续提取纹理特征。

在步骤s302中，对于每一种面值类别的纸币碎片图像，根据所述纸币碎片图像的边界信息，采用尺度不变特征转换算法提取所述纸币碎片图像的纹理特征。

在本发明实施例中，所述尺度不变特征转换算法的英文全称是scale-invariantfeaturetransform，缩写为sift算法。sift算法是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，得到图像的纹理特征。由于sift算法是在多尺度高斯差分空间下求得纸币碎片图像的纹理特征，所述纹理特征不仅具有尺度不变性，即使在改变旋转角度、图像亮度或扫描视角，仍然能够得到较好的检测效果，从而为模板匹配提供了稳健的特征标准，降低了特征匹配的难度，有利于提高纸币碎片拼接的准确度。

在步骤s105中，根据所述纹理特征和所述纸币模板对所述纸币碎片图像进行拼接。

本发明实施例通过比对所述纹理特征与所述纸币模板来对所述纸币碎片图像进行拼接。可选地，图4示出了本发明实施例一提供的纸币碎片拼接的方法中步骤s105的具体实现流程。参阅图4，所述步骤s105包括：

在步骤s401中，根据所述纹理特征确定所述纸币碎片图像在所述纸币模板中的位置信息。

在这里，本发明实施例根据所述纹理特征，结合所述纸币模板，使用预设的模板匹配法对所述纸币碎片图像进行初步定位，以降低图像拼接的难度。在得到所述纸币碎片图像在所述纸币模板中的位置信息后，标记所述碎片图像的位置坐标，求取位置的曲线函数，得到所述纸币碎片图像的位置信息。

在步骤s402中，对所述纸币碎片图像的位置信息进行分类，并根据分类结果对所述纸币碎片图像进行拼接。

本发明实施例遍历每一个纸币碎片图像，得到其对应的位置信息。然后使用聚类分析的方法对所述位置信息进行分类。该分类能够将相同或者相近的位置信息集中起来，基于该分类的结果进行拼接，能够进一步降低拼接的难度，提高拼接的效率及准确度。

综上所述，本发明实施例依据纸币的颜色信息将纸币碎片图像划分至对应的面值类别中，然后针对同一面值类别的纸币碎片图像提取纹理特征，并根据所述纹理特征和纸币模板对所述纸币碎片图像进行拼接，从而实现了对纸币碎片的自动拼接，降低了拼接的复杂度和匹配的难度，有效地避免了人工拼接过程中对纸币碎片造成的二次损害；即使在改变纸币碎片图像的扫描角度、图像亮度和扫描视角的情况下，依然能够得到较好的纸币碎片图像特征，有效地提高了拼接的准确度和效率。

应理解，上述实施例中步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图5示出了本发明实施例二提供的纸币碎片拼接的装置的结构框图，为了便于说明，仅示出了与本实施例相关的部分。

在本发明实施例中，该装置用于实现上述图1至图4实施例中所述的纸币碎片拼接的方法，可以是内置于计算机、服务器、笔记本电脑中软件单元、硬件单元或者软硬件结合的单元。参照图5，所述装置包括：

创建模块51，用于建立纸币模板；

获取模块52，用于获取待拼接的纸币碎片图像；

分类模块53，用于根据所述纸币碎片图像的颜色信息将所述纸币碎片图像划分至对应的面值类别；

提取模块54，用于针对每一种面值类别的纸币碎片图像，提取所述纸币碎片图像的纹理特征；

拼接模块55，用于根据所述纹理特征和所述纸币模板对所述纸币碎片图像进行拼接。

进一步地，所述获取模块52具体用于：

通过扫描的方式获取待拼接的纸币碎片图像，并按照扫描的先后顺序对所述纸币碎片图像进行编号，生成具有编号信息的纸币碎片图像。

其中，所使用的扫描设备包括但不限于扫描仪或高拍仪。为保证纸币碎片图像的细节清晰、完整，本发明实施例在获取到纸币碎片图像后，所述获取模块52还可以根据图像清晰状况对该纸币碎片图像的分辨率进行调整。

本发明实施例通过在扫描过程中自动对纸币碎片图像进行编号，有利于后续根据编号检索对应的纸币碎片图像，在面对大量纸币碎片的复原工作时，可提高对碎片图像查找的效率，进而提高拼接的效率。

进一步地，所述分类模块53包括：

转换单元531，用于对所述纸币碎片图像进行色彩空间转换，以将所述纸币碎片图像从rgb色彩空间转换为hsv色彩空间；

分类单元532，用于在转换为hsv色彩空间后，将所述纸币碎片图像的色调分量与预设的色调分量阈值进行比对，并根据比对结果将所述纸币碎片图像划分至对应的面值类别。

在这里，通过扫描的方式获取的纸币碎片图像通常为rgb格式，因此，本发明实施例先由所述转换单元531将所述纸币碎片图像由rgb色彩空间转换至hsv色彩空间，然后再由所述分类单元532根据预设的不同色调分量阈值对所述纸币碎片图像依照面值进行分类。

其中，所述色调分量阈值包括每一种面值的纸币对应的色调分量阈值。色调分量阈值的设置示例具体请参见上述实施例的叙述，此处不再赘述。在实际划分操作中，可以采用比对方式，根据纸币碎片图像的色调分量是否落在上述色调分量阈值及其附近范围来确定该纸币碎片图像对应的面值类别，并将所述纸币碎片图像划分至所述面值类别。

可见，在所述rgb色彩空间中，色彩由r(红)、g(绿)、b(蓝)三个分量表示；而在所述hsv色彩空间中，色彩仅由色调(h)分量表示。本发明实施例通过将纸币碎片图像由rgb色彩空间转换至hsv色彩空间再进行分类，大大减少了纸币碎片图像的色彩数据量，有利于降低算法的复杂度，减少面值确认的时间，进而提高拼接的效率。

进一步地，所述提取模块54包括：

边界信息提取单元541，用于根据预设的边界提取算法提取所述纸币碎片图像的边界信息；

纹理特征提取单元542，用于对于每一种面值类别的纸币碎片图像，根据所述纸币碎片图像的边界信息，采用尺度不变特征转换算法提取所述纸币碎片图像的纹理特征。

本发明实施例通过采用边界提取算法提取所述纸币碎片图像的边界信息，剔除纸币碎片图像的背景区域和噪声信息，有利于方便后续提取纹理特征。

上述的尺度不变特征转换算法是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，得到图像的纹理特征。由于sift算法是在多尺度高斯差分空间下求得纸币碎片图像的纹理特征，所述纹理特征不仅具有尺度不变性，即使在改变旋转角度、图像亮度或扫描视角，仍然能够得到较好的检测效果，从而为模板匹配提供了稳健的特征标准，降低了特征匹配的难度，有利于提高纸币碎片拼接的准确度。

进一步地，所述拼接模块55包括：

定位单元551，用于根据所述纹理特征确定所述纸币碎片图像在所述纸币模板中的位置信息；

拼接单元552，用于对所述纸币碎片图像的位置信息进行分类，并根据分类结果对所述纸币碎片图像进行拼接。

在这里，所述定位单元551根据所述纹理特征，结合所述纸币模板，使用预设的模板匹配法对所述纸币碎片图像进行初步定位，以提高碎片图像定位的准确度。在得到所述纸币碎片图像在所述纸币模板中的位置信息后，标记所述碎片图像的位置坐标，求取位置的曲线函数，得到所述纸币碎片图像的位置信息。

遍历每一个纸币碎片图像，得到其对应的位置信息。然后由所述拼接单元552使用聚类分析的方法对所述位置信息进行分类。该分类能够将相同或者相近的位置信息集中起来，基于该分类的结果进行拼接，有利于降低拼接的难度，提高拼接的效率及准确度。

综上所述，本发明实施例依据纸币的颜色信息将纸币碎片图像划分至对应的面值类别中，然后针对同一面值类别的纸币碎片图像提取纹理特征，并根据所述纹理特征和纸币模板对所述纸币碎片图像进行拼接，从而实现了对纸币碎片的自动拼接，降低了拼接的复杂度和匹配的难度，有效地避免了人工拼接过程中对纸币碎片造成的二次损害；即使在改变纸币碎片图像的扫描角度、图像亮度和扫描视角的情况下，依然能够得到较好的纸币碎片图像特征，有效地提高了拼接的准确率和效率。

需要说明的是，本发明实施例中的装置可以用于实现上述方法实施例中的全部技术方案，其各个功能模块的功能可以根据上述方法实施例中的方法具体实现，其具体实现过程可参照上述实例中的相关描述，此处不再赘述。

本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储可由一个或多个处理器执行的指令以执行操作，所述操作包括：

建立纸币模板；

获取待拼接的纸币碎片图像；

根据所述纸币碎片图像的颜色信息将所述纸币碎片图像划分至对应的面值类别；

针对每一种面值类别的纸币碎片图像，提取所述纸币碎片图像的纹理特征；

根据所述纹理特征和所述纸币模板对所述纸币碎片图像进行拼接。

可选地，所述获取待拼接的纸币碎片图像包括：

通过扫描的方式获取待拼接的纸币碎片图像，并按照扫描的先后顺序对所述纸币碎片图像进行编号，生成具有编号信息的纸币碎片图像。

可选地，所述根据所述纸币碎片图像的颜色信息将所述纸币碎片图像划分至对应的面值类别包括：

对所述纸币碎片图像进行色彩空间转换，以将所述纸币碎片图像从rgb色彩空间转换为hsv色彩空间数据；

在转换为hsv色彩空间后，将所述纸币碎片图像的色调分量与预设的色调分量阈值进行比对，并根据比对结果将所述纸币碎片图像划分至对应的面值类别。

可选地，所述针对每一种面值类别的纸币碎片图像，提取所述纸币碎片图像的纹理特征包括：

根据预设的边界提取算法提取所述纸币碎片图像的边界信息；

对于每一种面值类别的纸币碎片图像，根据所述纸币碎片图像的边界信息，采用尺度不变特征转换算法提取所述纸币碎片图像的纹理特征。

可选地，所述根据所述纹理特征和所述纸币模板对所述纸币碎片图像进行拼接包括：

根据所述纹理特征确定所述纸币碎片图像在所述纸币模板中的位置信息；

对所述纸币碎片图像的位置信息进行分类，并根据分类结果对所述纸币碎片图像进行拼接。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。