图像降噪方法、装置及电子设备

技术领域

本申请涉及但不限于图像处理技术领域，尤其涉及一种图像降噪方法、装置及电子设备。

背景技术

数字全息显微(Digital holographic microscopy，DHM)是一种先进的定量相位成像技术，通过数值记录全息图，恢复振幅分布和相位分布，但是，由于样品特性、高相干激光和实验环境的影响，导致在全息图采样的过程中带来各种随机噪点。

近年来，数字全息显微成像技术不断提升，相位降噪算法是数字全息显微成像技术研究的新热点之一，例如基于过完备分块离散余弦变换稀疏字典的数字全息显微镜相位噪点抑制和基于自适应全变分的数字全息显微相位降噪，但是，传统的图像降噪方法存在因过度降噪而导致全息图像丧失原有边界信息和纹理信息的情况，降噪效果较差。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供了一种图像降噪方法、装置及电子设备，能够在去除全息图像上的噪声和不必要的细节的同时，保留图像中边界信息和纹理信息，从而提高降噪效果。

为实现上述目的，本申请实施例的第一方面提出了一种图像降噪方法，包括：获取全息图像；对所述全息图像进行自适应滤波，得到初步降噪图像；计算所述初步降噪图像中各个像素点的梯度向量，将所述梯度向量分解为多个方向的梯度分量；根据所述梯度分量确定各个所述方向的方向场，根据所述梯度向量计算所述初步降噪图像的平滑矩阵，基于所述平滑矩阵对各个所述方向场分别进行平滑处理；根据平滑处理后的所述方向场，对所述初步降噪图像进行重构处理，得到目标降噪图像。

在一些实施例中，所述根据所述梯度向量计算所述初步降噪图像的平滑矩阵，基于所述平滑矩阵对各个所述方向场分别进行平滑处理，包括：根据所述梯度向量，构建所述初步降噪图像的结构张量，其中，所述结构张量包括多个特征向量，任意两个所述特征向量是相互正交的；根据所述特征向量确定平滑矩阵；根据所述平滑矩阵对各个所述方向场分别进行平滑处理。

在一些实施例中，所述根据平滑处理后的所述方向场，对所述初步降噪图像进行重构处理，得到目标降噪图像，包括：将所述平滑处理后的所述方向场和所述初步降噪图像输入联合降噪模型，对所述初步降噪图像进行重构处理，得到与所述初步降噪图像对应的重构图像；将所述重构图像作为新的所述初步降噪图像，基于所述联合降噪模型再次得到与当前的所述初步降噪图像对应的所述重构图像，直至达到预设条件，将当前得到的所述重构图像作为所述目标降噪图像。

在一些实施例中，所述联合降噪模型的模型公式为：

其中，

在一些实施例中，所述对所述全息图像进行自适应滤波，得到初步降噪图像，包括：对所述全息图像中的各个像素点进行聚类，根据聚类结果将所述全息图像划分为多个目标图像斑块；分别对各个所述目标图像斑块进行降噪处理，得到各个所述目标图像斑块的降噪结果；通过滑动窗口在所述全息图像中进行多次滑动，得到多个子区域；分别在各个所述子区域中，对所述子区域内的各个所述目标图像斑块的降噪结果进行平均处理，得到所述子区域对应的区域图像；根据各个所述区域图像，确定与所述全息图像对应的初步降噪图像。

在一些实施例中，所述对所述全息图像中的各个像素点进行聚类，根据聚类结果将所述全息图像划分为多个目标图像斑块，包括：对所述全息图像中的各个像素点进行初步聚类，根据初步聚类的结果将所述全息图像划分为多个初级图像斑块；对所述初级图像斑块中的各个像素点进行第二次聚类，根据第二次聚类的结果将所述初级图像斑块划分为多个目标图像斑块。

在一些实施例中，所述分别对各个所述目标图像斑块进行降噪处理，得到各个所述目标图像斑块的降噪结果，包括：分别对各个所述目标图像斑块进行主成分分析，根据分析结果对所述目标图像斑块进行目标域变换，将所述目标图像斑块图像中的像素点从原始域映射至目标变换域，其中，所述目标变换域的维度小于所述原始域的维度；在所述目标变换域中对所述目标图像斑块图像进行自适应滤波；基于所述目标域变换的逆变换，分别将各个所述目标图像斑块图像中的像素点从对应的所述目标变换域复原至对应的所述原始域，得到各个所述目标图像斑块的降噪结果。

为实现上述目的，本申请实施例的第二方面提出了一种图像降噪装置，包括：输入模块，用于获取全息图像；第一降噪模块，用于对所述全息图像进行自适应滤波，得到初步降噪图像；第一处理模块，用于计算所述初步降噪图像中各个像素点的梯度向量，将所述梯度向量分解为多个方向的梯度分量；第二处理模块，根据所述梯度分量确定各个所述方向的方向场，根据所述梯度向量计算所述初步降噪图像的平滑矩阵，基于所述平滑矩阵对各个所述方向场分别进行平滑处理；第二降噪模块，用于对平滑处理后的所述方向场进行重构处理，确定目标降噪图像。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的图像降噪方法。

为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的图像降噪方法。

本申请实施例至少包括以下有益效果：通过对全息图像进行自适应滤波，能够减少全息图像上的噪点，进而减弱噪点上的梯度，然后，通过获取初步降噪图像的梯度场，并将梯度场分解为不同方向上的梯度分量，通过梯度分量确定不同的方向场，方向场的变化与梯度场呈正相关变化，即梯度向量越大，其方向场的变化就越大，然后通过计算得到初步降噪图像的平滑矩阵，利用平滑矩阵对各个方向场分别进行平滑处理，由于自适应滤波能够减弱噪点上的梯度，所以能够降低平滑处理的计算量，然后将不同方向场重构回梯度向量，得到的图像的像素点在每个方向都会变得平滑，即消除了初步降噪图像的噪点，由于初步降噪图像的边界信息和纹理信息通常在某些的方向上会有显著变化，噪点则通常表现为高频随机变化，噪点在所有方向上均有较大的梯度，而平滑矩阵在包含边界信息和纹理信息的像素点和在噪点上分别设置有不同的系数，因此，通过计算初步降噪图像上的各个方向场并使用平滑矩阵对方向场进行平滑处理，能够有效地保留初步降噪图像的原有边界信息和纹理信息，从而达到良好的降噪效果。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1为本申请实施例提供的图像降噪方法的一种可选的流程示意图；

图2为本申请实施例提供的方向场平滑处理方法的一种可选的流程示意图；

图3为本申请实施例提供的初步降噪图像重构处理方法的一种可选的流程示意图；

图4为本申请实施例提供的自适应滤波方法的一种可选的流程示意图；

图5为本申请实施例提供的聚类方法的一种可选的流程示意图；

图6为本申请实施例提供的目标图像斑块降噪处理方法的一种可选的流程示意图；

图7为本申请实施例提供的离轴数字全息显微装置的一种可选的结构示意图；

图8为本申请实施例提供的图像降噪装置的一种可选的架构示意图；

图9为本申请实施例提供的电子设备的一种可选的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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用以解释本申请，并不用于限定本申请。

在本申请的描述中，若干个的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据目标对象属性信息或属性信息集合等与目标对象特性相关的数据进行相关处理时，都会先获得目标对象的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关法律法规和标准。其中，目标对象可以是用户。此外，当本申请实施例需要获取目标对象属性信息时，会通过弹窗或者跳转到确认页面等方式获得目标对象的单独许可或者单独同意，在明确获得目标对象的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的目标对象相关数据。

近年来，数字全息显微成像技术不断提升，相位降噪算法是数字全息显微成像技术研究的新热点之一，例如基于过完备分块离散余弦变换稀疏字典的数字全息显微镜相位噪点抑制和基于自适应全变分的数字全息显微相位降噪，但是，传统的图像降噪方法存在因过度降噪而导致全息图像丧失原有边界信息和纹理信息的情况，降噪效果较差。

基于此，本申请实施例提供了一种图像降噪方法、装置及电子设备，该方法包括：获取全息图像；对全息图像进行自适应滤波，得到初步降噪图像；计算初步降噪图像中各个像素点的梯度向量，将梯度向量分解为多个方向的梯度分量；根据梯度分量确定各个方向的方向场，根据梯度向量计算初步降噪图像的平滑矩阵，基于平滑矩阵对各个方向场分别进行平滑处理；根据平滑处理后的方向场，对初步降噪图像进行重构处理，得到目标降噪图像；根据本申请实施例提供的方案，通过对全息图像进行自适应滤波，能够减少全息图像上的噪点，进而减弱噪点上的梯度，然后，通过获取初步降噪图像的梯度场，并将梯度场分解为不同方向上的梯度分量，通过梯度分量确定不同的方向场，方向场的变化与梯度场呈正相关变化，即梯度向量越大，其方向场的变化就越大，然后通过计算得到初步降噪图像的平滑矩阵，利用平滑矩阵对各个方向场分别进行平滑处理，由于自适应滤波能够减弱噪点上的梯度，所以能够降低平滑处理的计算量，然后将不同方向场重构回梯度向量，得到的图像的像素点在每个方向都会变得平滑，即消除了初步降噪图像的噪点，由于初步降噪图像的边界信息和纹理信息通常在某些的方向上会有显著变化，噪点则通常表现为高频随机变化，噪点在所有方向上均有较大的梯度，而平滑矩阵在包含边界信息和纹理信息的像素点和在噪点上分别设置有不同的系数，因此，通过计算初步降噪图像上的各个方向场并使用平滑矩阵对方向场进行平滑处理，能够有效地保留初步降噪图像的原有边界信息和纹理信息，从而达到良好的降噪效果。

本申请实施例提供的图像降噪方法、装置及电子设备，具体通过如下实施例进行说明，首先描述本申请实施例中的图像降噪方法。

下面结合附图，对本申请实施例作进一步阐述。

如图1所示，图1为本申请实施例提供的图像降噪方法的一种可选的流程示意图，该图像降噪方法可以由服务器执行，或者也可以由终端执行，或者也可以由服务器配合终端执行，该图像降噪方法包括但不限于以下步骤S110至步骤S150：

步骤S110，获取全息图像；

步骤S120，对全息图像进行自适应滤波，得到初步降噪图像；

步骤S130，计算初步降噪图像中各个像素点的梯度向量，将梯度向量分解为多个方向的梯度分量；

步骤S140，根据梯度分量确定各个方向的方向场，根据梯度向量计算初步降噪图像的平滑矩阵，基于平滑矩阵对各个方向场分别进行平滑处理；

步骤S150，根据平滑处理后的方向场，对初步降噪图像进行重构处理，得到目标降噪图像。

基于此，通过对全息图像进行自适应滤波，能够减少全息图像上的噪点，进而减弱噪点上的梯度，然后，通过获取初步降噪图像的梯度场，并将梯度场分解为不同方向上的梯度分量，通过梯度分量确定不同的方向场，方向场的变化与梯度场呈正相关变化，即梯度向量越大，其方向场的变化就越大，然后通过计算得到初步降噪图像的平滑矩阵，利用平滑矩阵对各个方向场分别进行平滑处理，由于自适应滤波能够减弱噪点上的梯度，所以能够降低平滑处理的计算量，然后将不同方向场重构回梯度向量，得到的图像的像素点在每个方向都会变得平滑，即消除了初步降噪图像的噪点，由于初步降噪图像的边界信息和纹理信息通常在某些的方向上会有显著变化，噪点则通常表现为高频随机变化，噪点在所有方向上均有较大的梯度，而平滑矩阵在包含边界信息和纹理信息的像素点和在噪点上分别设置有不同的系数，因此，通过计算初步降噪图像上的各个方向场并使用平滑矩阵对方向场进行平滑处理，能够有效地保留初步降噪图像的原有边界信息和纹理信息，从而达到良好的降噪效果。

具体地，参考图7，图7为离轴数字全息显微装置的一种可选的结构示意图，离轴数字全息显微装置用于获取采集样本750的全息图像，离轴数字全息显微装置具体包括：激光发射器710、扩束镜720、凸透镜730、反射镜740、物镜760、菲涅尔双棱镜770和电荷耦合器件780，采集样品750放置于反射镜740和物镜760之间。

具体地，不同降噪算法的指标对比情况，如下表1所示：

表1

可见，本申请的图像降噪方法在ENL、NC、SSIM、FSIM和PSNR的指标数据均为各个降噪算法中的最大值，本申请的图像降噪方法在SSI的指标数据为各个降噪算法中的最小值，由于本申请的图像降噪方法能够有效地保留全息图像的原有边界信息和纹理信息，所以本申请的图像降噪方法在上述各个指标上都能取得很好的效果，从而达到良好的降噪效果。

另外，参照图2，在一实施例中，图1所示实施例中的步骤S140，包括但不限于有以下步骤：

步骤S210，根据梯度向量，构建初步降噪图像的结构张量，其中，结构张量包括多个特征向量，任意两个特征向量是相互正交的；

步骤S220，根据特征向量确定平滑矩阵；

步骤S230，根据平滑矩阵对各个方向场分别进行平滑处理。

基于此，通过计算初步降噪图像的结构张量，根据结构张量能够区分初步降噪图像的平坦区域、边界区域和角点区域，结构张量可以很好地将结构信息突出的部分和结构信息微弱的部分进行区分，通过结构张量中特征向量构建平滑矩阵，并使用平滑矩阵对每个方向场进行平滑处理，能够在保留边界的同时平滑低对比度区域，在平滑噪点的同时，能够较好地保留了全息图像的边界信息和纹理信息。

另外，参照图3，在一实施例中，图1所示实施例中的步骤S150，包括但不限于有以下步骤：

步骤S310，将平滑处理后的方向场和初步降噪图像输入联合降噪模型，对初步降噪图像进行重构处理，得到与初步降噪图像对应的重构图像；

步骤S320，将重构图像作为新的初步降噪图像，基于联合降噪模型再次得到与当前的初步降噪图像对应的重构图像，直至达到预设条件，将当前得到的重构图像作为目标降噪图像。

基于此，将重构图像作为新的初步降噪图像，对重构图像再次进行迭代的方向场平滑处理，对初步降噪图像进行多次的迭代平滑处理后，能够得到更好的平滑和降噪效果。

在一实施例中，联合降噪模型的模型公式为：

其中，

具体地，

其中，K

其中，x表示像素点，权重

另外，参照图4，在一实施例中，图1所示实施例中的步骤S120，包括但不限于有以下步骤：

步骤S410,对全息图像中的各个像素点进行聚类，根据聚类结果将全息图像划分为多个目标图像斑块；

步骤S420,分别对各个目标图像斑块进行降噪处理，得到各个目标图像斑块的降噪结果；

步骤S430,通过滑动窗口在全息图像中进行多次滑动，得到多个子区域；

步骤S440,分别在各个子区域中，对子区域内的各个目标图像斑块的降噪结果进行平均处理，得到子区域对应的区域图像；

步骤S450,根据各个区域图像，确定与全息图像对应的初步降噪图像。

基于此，通过聚类方法将全息图像分割开多个目标图像斑块，分割得到的各个目标图像斑块内的像素点都比较相近，再使用滑动窗口算法遍历各个目标图像斑块，对滑动窗口内的子区域进行降噪处理，能够使目标图像斑块中平坦的相邻像素点保持光滑，而视为边界的像素点得到保护而不模糊，并且视为纹理的像素点也能够被保留下来。

另外，参照图5，在一实施例中，图4所示实施例中的步骤S410，包括但不限于有以下步骤：

步骤S510，对全息图像中的各个像素点进行初步聚类，根据初步聚类的结果将全息图像划分为多个初级图像斑块；

步骤S520，对初级图像斑块中的各个像素点进行第二次聚类，根据第二次聚类的结果将初级图像斑块划分为多个目标图像斑块。

基于此，将全息图像进行两步的聚类算法，先对全息图像进行初步的聚类，分割开具有明显差别的多个初级图像斑块，再在每个初级图像斑块中进行一次聚类，得到多个目标图像斑块，从而得到数量足够多的目标图像斑块，每个目标图像斑块内的差异也会较少，从而简化了后续的降噪的难度，并且，经过两次聚类的目标图像斑块中几乎不再存在明显的高对比区域，也能防止高对比度的图像边界被降噪处理而被去除，并有效保留全息图像中高对比度而又非噪点的图像特征。

具体地，上述的两步聚类算法均为自适应聚类算法，首先使用K-means聚类出少量的聚类，随后在每个聚类内再次进行K-means聚类，以进一步增加聚类的数量，在第一次K-means聚类过程中，通过计算聚类初级图像斑块之间的合并阈值调节第一次K-means聚类算法的参数，在第二次K-means聚类中，通过计算目标图像斑块之间的合并阈值调节第二次K-means聚类算法的参数。

具体地，合并阈值的计算公式为

其中，D(B，A)

另外，参照图6，在一实施例中，图4所示实施例中的步骤S420，包括但不限于有以下步骤：

步骤S610，分别对各个目标图像斑块进行主成分分析，根据分析结果对目标图像斑块进行目标域变换，将目标图像斑块图像中的像素点从原始域映射至目标变换域，其中，目标变换域的维度小于原始域的维度；

步骤S620，在目标变换域中对目标图像斑块图像进行自适应滤波；

步骤S630，基于目标域变换的逆变换，分别将各个目标图像斑块图像中的像素点从对应的目标变换域复原至对应的原始域，得到各个目标图像斑块的降噪结果。

基于此，将目标图像斑块从原始域变换到目标变换域，并且目标变换域的维度小于原始域的维度，因此在变换的过程中，目标图像斑块内的像素点的一些对整体目标图像斑块影响较弱的信息会被滤除，即进行了一次较小的降噪处理，对目标图像斑块进行降维，也降低了后续的计算难度；使用自适应滤波对在目标变换域中的目标图像斑块进行滤波处理，根据较前的滤波调整较后的滤波计算的参数，能够使参数更符合当前目标图像斑块的噪点特点。

具体地，γ＝I/L是一个常数，设L→∞和

其中，

其中，

并且，低秩估计值Y

P

其中，

另外，参考图8，本申请还提供了一种图像降噪装置，包括：

输入模块801，用于获取全息图像；

第一降噪模块802，用于对全息图像进行自适应滤波，得到初步降噪图像；

第一处理模块803，用于计算初步降噪图像中各个像素点的梯度向量，将梯度向量分解为多个方向的梯度分量；

第二处理模块804，根据梯度分量确定各个方向的方向场，根据梯度向量计算初步降噪图像的平滑矩阵，基于平滑矩阵对各个方向场分别进行平滑处理；

第二降噪模块805，用于对平滑处理后的方向场进行重构处理，确定目标降噪图像。

上述图像降噪装置与图像降噪方法基于相同的发明构思，在此不再赘述。

另外，参照图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器901，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器902，可以采用只读存储器(Read Only Memory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的图像降噪方法，例如，执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S230，图3中的方法步骤S310至步骤S320，图4中的方法步骤S410至步骤S450，图5中的方法步骤S510至步骤S520，图6中的方法步骤S610至步骤S630；

输入/输出接口903，用于实现信息输入及输出；

通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；

其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述图像降噪方法，例如，执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S230，图3中的方法步骤S310至步骤S320，图4中的方法步骤S410至步骤S450，图5中的方法步骤S510至步骤S520，图6中的方法步骤S610至步骤S630。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图1至图6中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中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，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模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，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，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，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。

上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，在本申请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。

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，本申请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，包括多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)执行本申请各个实施例的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(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。