權(quán)利要求書： 1.一種無人機非制冷型熱像儀測溫結(jié)果漂移去除方法，其特征在于，包括下列步驟：步驟1：提取無人機在飛行目標區(qū)域的熱紅外圖像的采集圖像序列；

步驟2：對采集圖像序列進行初步校正處理：

根據(jù)指定的DN值閾值，獲取采集圖像序列中每幅圖像的DN值頻數(shù)分布直方圖；查找DN值頻數(shù)分布直方圖中高度最高的條形圖對應(yīng)的區(qū)間，將該區(qū)間的所有像元的平均DN值作為各幅圖像的“代表DN值”；

從提取的采集圖像序列中選取一幅參考圖像，對于采集圖像序列的所有非參考圖像，計算各圖像與參考圖像之間的“代表DN值”的差值，并作為各圖像與參考圖像之間的溫度漂移值；即以DN值對圖像與參考圖像之間的溫度漂移值進行量化；

對所有非參考圖像，將各圖像的DN值矩陣減去該溫度漂移值得到各圖像校正后的DN值矩陣，并將參考圖像的DN值矩陣直接作為校正后的DN值矩陣；

提取采集圖像序列的可交換的圖像文件格式數(shù)據(jù)，并基于各圖像校正后的DN值矩陣，得到初步校正處理后的圖像序列；

步驟3：基于拼圖軟件對初步校正后的各幅圖像進行拼接，并進行波段運算處理，將校正后的DN值轉(zhuǎn)換為亮溫值，得到無人機在飛行目標區(qū)域的完整熱紅外亮溫圖像；

步驟4：利用地面實測溫度數(shù)據(jù)并將其模擬到無人機飛行高度后，對拼接后的完整熱紅外圖像進行第二次校正處理，以去除參考圖像的溫度漂移值，從而獲得充分去除溫度漂移后的完整的飛行目標區(qū)域的熱紅外亮溫圖像。

2.如權(quán)利要求1所述的方法，其特征在于，步驟2中，所述DN值閾值為表征0.5°的DN值。

3.如權(quán)利要求1所述的方法，其特征在于，步驟2中，參考圖像為包含目標任務(wù)對象最多的圖像。

4.如權(quán)利要求1至3任一項所述的方法，其特征在于，步驟3中，波段運算處理為：Tb＝a·DN+b，其中，Tb表示圖像的亮溫矩陣，a和b表示熱像儀廠商提供的DN值與亮溫的轉(zhuǎn)換系數(shù)，a表示轉(zhuǎn)換的增益值，b表示轉(zhuǎn)換的偏移量。

說明書： 一種無人機非制冷型熱像儀測溫結(jié)果漂移去除方法技術(shù)領(lǐng)域[0001] 本發(fā)明涉及無人機熱紅外遙感領(lǐng)域，具體涉及一種無人機非制冷型熱像儀測溫結(jié)果漂移去除方法。背景技術(shù)[0002] 無人機熱紅外遙感是獲取高時間、高空間分辨率地表溫度數(shù)據(jù)的一種重要技術(shù)手段。高精度的地表溫度數(shù)據(jù)將為地表蒸散發(fā)、作物水分脅迫監(jiān)測、作物估產(chǎn)等應(yīng)用領(lǐng)域提供有力的數(shù)據(jù)支撐。[0003] 由于受到無人機載重能力、能耗、作業(yè)成本等條件的限制，目前廣泛使用的各類無人機載熱像儀基本都是非制冷型熱像儀，即在飛行過程中，此類熱像儀機身不能維持一個穩(wěn)定的溫度；但穩(wěn)定的儀器溫度對最終獲取精確的地表溫度是十分重要的。然而，在實際的野外作業(yè)任務(wù)中，無人機熱像儀往往會受到飛行中的風、光照、環(huán)境溫度等因素的影響，導致其機身溫度發(fā)生改變；即使多數(shù)熱像儀帶有自動校正功能，但是這種校正能力有限，不能很好地消除由于外界條件變化所導致的測溫結(jié)果漂移(視覺上會導致拼接后的溫度圖像出現(xiàn)異常的明暗變化)，這會使得獲取的亮溫數(shù)據(jù)產(chǎn)生很大誤差，從而無法獲取精確的地表溫度，制約了數(shù)據(jù)的進一步應(yīng)用。發(fā)明內(nèi)容[0004] 本發(fā)明的發(fā)明目的在于：針對現(xiàn)有的廣泛存在于無人機非制冷型熱像儀測溫結(jié)果漂移問題，提供一種漂移去除方法，從而獲得可靠的亮溫數(shù)據(jù)。[0005] 本發(fā)明提供一種無人機非制冷型熱像儀測溫結(jié)果漂移去除方法，包括下列步驟：[0006] 步驟1：提取無人機在飛行目標區(qū)域的熱紅外圖像的采集圖像序列；[0007] 步驟2：對采集圖像序列進行初步校正處理：[0008] 根據(jù)指定的DN(digitalnumber)值(數(shù)字值，即像素值)閾值，獲取采集圖像序列中每幅圖像的DN值頻數(shù)分布直方圖；查找DN值頻數(shù)分布直方圖中高度最高的條形圖對應(yīng)的區(qū)間，將該區(qū)間的所有像元(即該區(qū)間以內(nèi)和該區(qū)間的區(qū)間端點所對應(yīng)的像元)的平均DN值作為各幅圖像的“代表DN值”；[0009] 從提取的采集圖像序列中選取一幅參考圖像，對于采集圖像序列的所有非參考圖像，計算各圖像與參考圖像之間的“代表DN值”的差值，并作為各圖像與參考圖像之間的溫度漂移值；即以DN值對圖像與參考圖像之間的溫度漂移值進行量化；[0010] 對所有非參考圖像，將各圖像的DN值矩陣減去該溫度漂移值得到各圖像校正后的DN值矩陣，并將參考圖像的DN值矩陣直接作為校正后的DN值矩陣，從而將各圖像的溫度漂移水平歸一化到參考圖像的水平，以使得各圖像與參考圖像具有相同的溫度漂移水平；[0011] 提取采集圖像序列的EXIF(exchangeableimagefileformat)數(shù)據(jù)，并基于各圖像校正后的DN值矩陣，得到初步校正處理后的圖像序列，即得到初步校正后的熱紅外圖像序列，其保留了原始拍攝裝置的EXIF數(shù)據(jù)；[0012] 步驟3：基于拼圖軟件對初步校正后的各幅圖像進行拼接，并進行波段運算處理，將校正后的DN值轉(zhuǎn)換為亮溫值，得到無人機在飛行目標區(qū)域飛行目標區(qū)域的完整熱紅外亮溫圖像；[0013] 步驟4：利用地面實測溫度數(shù)據(jù)并將其模擬到無人機飛行高度后，對拼接后的完整熱紅外圖像進行第二次校正處理，以去除參考圖像的溫度漂移值，從而獲得充分去除溫度漂移后的完整的飛行目標區(qū)域的熱紅外亮溫圖像。[0014] 進一步的，步驟3中，波段運算處理為：Tb＝a·DN+b，其中，Tb表示圖像的亮溫矩陣，a和b表示熱像儀廠商提供的DN值與亮溫的轉(zhuǎn)換系數(shù)，a表示增益值(gain)，b表示偏移量(offset)。[0015] 本發(fā)明提供的技術(shù)方案至少帶來如下有益效果：[0016] 本發(fā)明可去除無人機非制冷型熱像儀測溫結(jié)果漂移造成的亮溫異常以及圖像明暗變化不自然的問題，從而為無人機熱紅外數(shù)據(jù)的進一步應(yīng)用提供保障。附圖說明[0017] 為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。[0018] 圖1為本發(fā)明實施例提供的一種面向無人機非制冷型熱像儀測溫結(jié)果漂移去除方法的流程示意圖；[0019] 圖2為本發(fā)明實施例提供的部分相鄰熱紅外圖像經(jīng)過SIFT(Scale?InvariantFeatureTransform)特征匹配尋找對應(yīng)特征點并經(jīng)過連續(xù)線性擬合校正結(jié)果示意圖，(a)?(d)表示不同時刻獲取的相鄰圖像對；[0020] 圖3為本發(fā)明實施例提供的部分相鄰圖像對SIFT特征點匹配連線結(jié)果，(a)?(b)表示不同時刻獲取的相鄰圖像對；[0021] 圖4為本發(fā)明實施例提供的2020年7月13日大滿站飛行目標區(qū)域某條航帶的熱紅外數(shù)據(jù)進行連續(xù)線性相對歸一化后的比較結(jié)果，其中，(a)為未經(jīng)過處理的熱紅外圖像的拼接結(jié)果圖；(b)為經(jīng)過連續(xù)線性相對歸一化處理后的拼接結(jié)果圖；[0022] 圖5為本發(fā)明實施例提供的部分相鄰熱紅外圖像經(jīng)過SIFT特征匹配尋找對應(yīng)特征點并進行線性擬合的結(jié)果示意圖，(a)?(d)表示不同時刻獲取的相鄰圖像對；[0023] 圖6為本發(fā)明實施例提供的一條航帶中相鄰圖像對經(jīng)過SIFT特征匹配尋找對應(yīng)特征點并進行線性擬合得到的一次項系數(shù)的散點折線圖；[0024] 圖7為本發(fā)明實施例提供的2020年7月13日大滿站飛行目標區(qū)域某條航帶的熱紅外數(shù)據(jù)進行連續(xù)去加性噪聲相對歸一化后的比較結(jié)果，其中，(a)為未經(jīng)過處理的熱紅外圖像的拼接結(jié)果圖；(b)為經(jīng)過連續(xù)去加性噪聲相對歸一化處理后的拼接結(jié)果圖；[0025] 圖8為本發(fā)明實施例提供的部分熱紅外圖像的DN值頻數(shù)分布直方圖，其中，(a)?(d)表示不同時刻獲取的熱紅外圖像；[0026] 圖9為本發(fā)明實施例提供的部分熱紅外圖像“代表DN值”的示意圖，其中，(a)?(d)表示不同時刻獲取的熱紅外圖像；[0027] 圖10為本發(fā)明實施例提供的2020年7月13日大滿站完整飛行目標區(qū)域熱紅外數(shù)據(jù)溫度漂移去除的效果對比圖，其中，(a)為未經(jīng)過處理的熱紅外圖像的拼接結(jié)果圖；(b)為去除溫度漂移后的拼接結(jié)果圖；[0028] 圖11為本發(fā)明實施例提供的2020年7月14日花寨子站完整飛行目標區(qū)域熱紅外數(shù)據(jù)溫度漂移去除的效果對比圖，其中，(a)為未經(jīng)過處理的熱紅外圖像的拼接結(jié)果圖；(b)為去除溫度漂移后的拼接結(jié)果圖；[0029] 圖12為本發(fā)明實施例提供的2020年7月14日濕地站完整飛行目標區(qū)域熱紅外數(shù)據(jù)溫度漂移去除的效果對比圖，其中，(a)為未經(jīng)過處理的熱紅外圖像的拼接結(jié)果圖；(b)為去除溫度漂移后的拼接結(jié)果圖。具體實施方式[0030] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。[0031] 參見圖1所示，本發(fā)明實施例提供的無人機非制冷型熱像儀觀測數(shù)據(jù)溫度漂移去除方法，包括七個部分：冗余圖像剔除，參考圖像選取，DN值頻數(shù)分布直方圖計算，“代表DN值”計算，生成新的熱紅外圖像，圖像拼接與波段運算，去除參考圖像溫度漂移值。[0032] 當前，無人機非制冷型熱像儀觀測數(shù)據(jù)的溫度漂移通常使得不同時刻獲取的熱紅外圖像表現(xiàn)出異常的明暗變化；本發(fā)明實施例通過分析兩兩相鄰熱紅外圖像之間的同名點來確定溫度漂移的變化模式，如公式(1)所示。本實施例中，為了簡化處理，在選取參考圖像時，直接將第1幅圖像作為選定的參考圖像，當然也可以是其它圖像。由圖2(圖2中，“y＝x”所對應(yīng)的斜線位于“擬合函數(shù)線”的上方；)所示的結(jié)果可發(fā)現(xiàn)相鄰熱紅外圖像的同名點對應(yīng)的DN值之間存在顯著的線性關(guān)系，故公式(1)可具體表達為公式(2)。[0033][0034] 式中，i表示圖像編號， 表示第i幅熱紅外圖像經(jīng)溫度漂移校正后的DN值矩陣；fi()表示第i幅熱紅外圖像與第i?1幅熱紅外圖像之間的校正函數(shù)； 表示第i?1幅熱紅外圖像經(jīng)溫度漂移校正后的DN值矩陣；DN1表示第1幅圖像(即選定的參考圖像)的DN值矩陣。[0035][0036] 式中，ki表示第i幅熱紅外圖像與第i?1幅熱紅外圖像之間線性校正函數(shù)的一次項系數(shù)；bi表示第i幅熱紅外圖像與第i?1幅熱紅外圖像之間線性校正函數(shù)的常數(shù)項。[0037] 如圖3所示，本發(fā)明通過SIFT特征匹配尋找相鄰熱紅外圖像重疊區(qū)域之間的同名點，通過用線段連接匹配到的同名點，發(fā)現(xiàn)SIFT對熱紅外圖像進行匹配正確率非常高，很少有明顯的匹配錯誤；故，使用該方式尋找同名點的結(jié)果是可靠的。[0038] 如圖4所示，展示了2020年7月13日大滿站飛行目標區(qū)域某條航帶的熱紅外數(shù)據(jù)進行連續(xù)線性相對歸一化(校正)后的結(jié)果(即采用公式(2)的方式進行校正)；由結(jié)果可發(fā)現(xiàn)，若直接對獲取的圖像進行連續(xù)處理，則拼接后的圖像會出現(xiàn)較大偏差；故本發(fā)明將進一步推導改進過程。[0039] 如圖5所示，展示了通過SIFT(Scale?invariantfeaturetransform)特征匹配尋找未經(jīng)過連續(xù)線性歸一化相鄰熱紅外圖像重疊區(qū)域之間的同名點，圖5中，“y＝x”所對應(yīng)的斜線位于“擬合函數(shù)線”的下方；并對DN值的關(guān)系進行線性擬合的部分結(jié)果(使用公式(3))，發(fā)現(xiàn)其一次項系數(shù)十分接近于1；如圖6所示，統(tǒng)計一條航帶中相鄰圖像對經(jīng)過SIFT特征匹配尋找對應(yīng)特征點并進行線性擬合得到的一次項系數(shù)，并繪制成散點折線圖，發(fā)現(xiàn)其平均值為0.9985，標準差為0.0152，確實在1附近分布。所以，本發(fā)明將溫度漂移進一步視為加性噪聲，線性關(guān)系從而可轉(zhuǎn)換為常數(shù)差異關(guān)系，如公式(4)所示。[0040] DNm＝km·DNn+bm(3)[0041] 式中，DNm、DNn表示任意兩幅相鄰的熱紅外圖像DN值矩陣；km表示兩者之間同名點DN值線性擬合的一次項系數(shù)；bm表示擬合結(jié)果的常數(shù)項。[0042] DNm＝DNn+bm(4)[0043] 如圖7所示，為2020年7月13日大滿站飛行目標區(qū)域某條航帶的熱紅外數(shù)據(jù)將溫度漂移視為加性噪聲后相對歸一化后的結(jié)果(即采用公式(4)的方式進行校正)，可發(fā)現(xiàn)由于擬合誤差的不斷累積，拼接后的圖像也會出現(xiàn)首尾明暗差異過大的現(xiàn)象。因此結(jié)合無人機飛行作業(yè)的特點，本發(fā)明利用計算DN值頻數(shù)分布直方圖求“代表DN值”的方式來控制誤差傳遞，進而實現(xiàn)溫度漂移去除，具體步驟如下：[0044] 步驟S1，提取無人機在飛行目標區(qū)域的采集圖像序列(冗余圖像剔除)。[0045] 由于無人機電池續(xù)航時間有限，在飛行一定時間后會返回起飛點更換電池，這會造成熱像儀在往返途中以及地面拍攝大量無用的圖片，這些圖片會影響方法的執(zhí)行效率以及圖像拼接的質(zhì)量。在處理之前需要利用熱像儀同步記錄的jpg格式圖像來排除這類冗余圖像。即對于完成某個采集任務(wù)的所獲取的圖像序列，剔除不相關(guān)的圖像(無人機從起飛點到飛行任務(wù)開始點路徑上拍攝的圖像，以及無人機結(jié)束該航次任務(wù)返回至起飛點路徑上拍攝的圖像)，而保留所需的圖像序列。[0046] 步驟S2，參考圖像選取：由于無人機拍攝的每景圖像的獲取時間不同，故基準圖像(參考圖像)的選取涉及到最終拼接圖像的對應(yīng)時刻；若對最終拼接圖像的獲取時刻無具體要求，則無需選擇特定時刻的圖像作為基準圖像，通常選擇包含目標任務(wù)對象最多的圖像。例如，對于目標任務(wù)為地上附作物的情況，推薦選擇包含飛行目標區(qū)域內(nèi)主要地物(如農(nóng)田、裸地等)較多的一景圖像作為參考圖像。

[0047] 步驟S3，DN值頻數(shù)分布直方圖計算：根據(jù)飛行目標區(qū)域的代表性地物溫度波動范圍，將其設(shè)置為直方圖的間隔；本發(fā)明實施例中默認20DN值(對應(yīng)0.5℃)，實際實施過程中，可根據(jù)飛行區(qū)的實際情況適當增大間隔。根據(jù)所選間隔計算出參考圖像的DN值頻數(shù)分布直方圖。[0048] 步驟S4，“代表DN值”計算：參考圖像DN值頻數(shù)分布直方圖中像元數(shù)量分布最多的區(qū)間作為參考區(qū)間，其下限值為 上限為 計算參考圖像中DN值位于區(qū)間內(nèi)所有像元的平均值，如公式(5)所示：

[0049][0050] 式中， 表示參考圖像的“代表DN值”；n0表示參考圖像位于區(qū)間內(nèi)的像元個數(shù)；x為累加變量。

[0051] 根據(jù)步驟S3和S4的方式，依次繪制其余待處理圖像的DN值頻數(shù)分布直方圖，并計算出其“代表DN值”，如公式(7)所示：[0052][0053] 式中， 表示第i幅圖像的“代表DN值”； 表示第i幅圖像頻數(shù)分布直方圖中像元數(shù)量分布最多的區(qū)間下限； 表示第i幅圖像頻數(shù)分布直方圖中像元數(shù)量分布最多的區(qū)間上限；ni表示位于區(qū)間 內(nèi)的像元個數(shù)。圖8展示了部分拍攝于不同時刻的示例圖像的DN值頻數(shù)分布直方圖；圖9展示了對應(yīng)于圖8結(jié)果確定的“代表DN值”。

[0054] 步驟S5，生成新的熱紅外圖像：設(shè)參考圖像自身具有溫度漂移值δ0，其余圖像相對于參考圖像的溫度漂移值(此處以DN值量化)可通過公式(8)計算。進而，可通過公式(9)將各圖像的溫度漂移水平歸一化到和參考圖像同樣的水平：[0055][0056] 式中，δi表示第i幅圖像相對于參考圖像的溫度漂移值(以DN值量化)。[0057][0058] 式中，DNi表示第i幅圖像的原始DN值矩陣。[0059] 各幅圖像經(jīng)過公式(8)、公式(9)的計算處理后，再將其輸出為指定格式(如tiff格式)的圖像(需保留原始EXIF信息)，到此初步完成了原始數(shù)據(jù)的溫度漂移去除。[0060] 步驟S6，圖像拼接與波段運算：利用圖像拼接軟件(如Pix4D)對步驟S5獲取的各單景熱紅外圖像(包括參考圖像)進行拼接，則可獲取飛行目標區(qū)域完整的熱紅外圖像。通過公式(10)可以進一步將DN值圖像轉(zhuǎn)換為亮溫圖像：[0061] Tb＝a·DN+b(10)[0062] 式中，Tb表示圖像的亮溫矩陣，該矩陣元素的單位為℃；a和b表示熱像儀廠商提供的DN值與亮溫的轉(zhuǎn)換系數(shù)。[0063] 步驟S7，去除參考圖像溫度漂移值：由前述步驟可知，拼接完成后的熱紅外亮溫圖像整體還具有溫度漂移常量δ0，這可通過地面儀器(如SI?111紅外輻射計)的觀測數(shù)據(jù)進行校正。校正之前可通過MODTRAN模型(一種輻射傳輸模型)進行簡單的輻射傳輸模擬，將地面儀器在參考圖像獲取時刻(圖像EXIF數(shù)據(jù)里面記錄有獲取時間)記錄的亮溫數(shù)據(jù)模擬到無人機飛行高度處的亮溫數(shù)據(jù)，如公式(11)所示：[0064][0065] 式中， 表示地面觀測儀器在參考圖像獲取時刻的亮溫值模擬到無人機飛行高度處對應(yīng)的值，單位為℃；g表示MODTRAN模型構(gòu)造的地表亮溫與無人機飛行高度處亮溫的映射關(guān)系； 表示地面觀測儀器在參考圖像獲取時刻記錄的亮溫值，單位為℃。[0066] 通過公式(12)可計算出由步驟S6獲取的亮溫圖像包含的溫度漂移值δ0，進而可通過公式(13)獲取完全去除溫度漂移后的飛行區(qū)亮溫圖像。[0067][0068] 式中， 表示與地面觀測儀器GPS位置對應(yīng)的無人機圖像上像元的亮溫值。[0069] Tb?change＝Tb?origin?δ0(13)[0070] 式中，Tb?change表示完全去除溫度漂移后的飛行目標區(qū)域熱紅外亮溫圖像矩陣，單位為℃；Tb?origin表示步驟S6獲取的原始熱紅外亮溫圖像矩陣，單位為℃。[0071] 如圖10–12所示，本發(fā)明實施例對不同地理位置的3個飛行目標區(qū)域(即：大滿站、花寨子站和濕地站)的熱紅外圖像進行了溫度漂移去除處理，可以發(fā)現(xiàn)在溫度漂移去除之前，各區(qū)域整體的圖像都有不均勻的明暗斑塊分布；而使用本發(fā)明的方法進行溫度漂移去除之后，3個站點亮溫圖像的質(zhì)量都有了明顯的提高，從視覺上幾乎看不出不合理的明暗變化，且亮溫值的分布范圍也與飛行目標區(qū)域的實際情況更加符合。[0072] 在本發(fā)明實施例所提供的一種面向無人機非制冷型熱像儀測溫結(jié)果漂移去除方法中，通過選取無人機飛行區(qū)內(nèi)的一景圖像作為參考圖像，并計算其DN值頻數(shù)分布直方圖，求得其“代表DN值”；然后對剔除冗余圖像之后的飛行區(qū)剩余圖像同樣求得DN值頻數(shù)分布直方圖和對應(yīng)的“代表DN值”，并求得它們相對于參考圖像的“代表DN值”之差；同時，這些圖像減去求得的差值可獲取初步去除溫度漂移之后的熱紅外圖像，并將它們保存為新的指定格式的圖像；最后，利用拼圖軟件拼接各景校正后的圖像并進行波段運算，可獲取飛行目標區(qū)域的熱紅外亮溫圖像，結(jié)合地面儀器的亮溫觀測數(shù)據(jù)和輻射傳輸模擬，可實現(xiàn)溫度漂移的完全去除。本發(fā)明從圖像后處理的角度，利用極少的地面觀測數(shù)據(jù)，去除了無人機非制冷型熱像儀測溫結(jié)果漂移，提高了亮溫數(shù)據(jù)的精度和一致性；此外，由于本發(fā)明是基于后處理的實施方式，這克服了傳統(tǒng)方法野外布設(shè)多個參考溫度板進行溫度漂移粗校正的缺陷，故本發(fā)明方法在保證高精度溫度漂移去除效果的同時，又極大地提高了人員野外作業(yè)效率。[0073] 最后應(yīng)說明的是：以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。

[0074] 以上所述的僅是本發(fā)明的一些實施方式。對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明創(chuàng)造構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。