一种遥感瓦片数据的变化检测方法和装置

技术领域

本发明涉及变化检测的技术领域，尤其是涉及一种遥感瓦片数据的变化检测方法和装置。

背景技术

变化检测是遥感领域的重要技术方法，对于耕地、建筑、道路、园林等地物的变化情况监测提供了重要的技术手段。传统变化检测方法依赖于人工目视判读，即同时观察比对前后时相影像的像素变化来获取地物变化信息，但是这种手段效率低下，受到操作员经验的限制。依托于计算机技术，通过算法编程实现自动化的变化检测逐渐成为了主流的方法。一些学者采用前后时相影像做差，通过差异信息来检测变化，但是检测结果的噪声严重，且受到季相、成像条件的影响，伪变化情况同样严重。随着机器学习算法的发展，一些比较热门的算法，比如支持向量机（SVM），随机森林（RF），人工神经网络（ANN），深度学习（DL）等算法大量地投入到变化检测当中，这些算法通过自主学习变化样本的信息来构建变化检测的模型，自动化程度较高，但是由于样本的数量、影像分辨率、地域与时相限制，模型的泛化能力常常难以满足应用的需求。

另一方面，现有算法大部分都是基于多光谱或高光谱影像来进行变化检测，但是，随着互联网数据服务的逐渐深入，基于遥感瓦片数据的变化检测显得尤为重要，但是现有技术无法对遥感瓦片数据进行变化检测。

针对上述问题，还未提出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种遥感瓦片数据的变化检测方法，以缓解了现有技术无法对遥感瓦片数据进行变化检测的技术问题。

第一方面，本发明实施例提供了一种遥感瓦片数据的变化检测方法，包括：获取预设变化类别的样本遥感瓦片数据对，并为目标区域添加标注矢量，其中，所述目标区域为所述样本遥感瓦片数据对对应的区域中的地物类别发生变化区域，所述标注矢量用于表征所述目标区域的范围和所述目标区域对应的预设变化类别；基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，其中，所述目标参数包括：几何特征和相对颜色特征；基于所述目标参数构建训练集，并利用所述训练集对预设随机森林模型进行训练，得到目标随机森林模型；在获取到待检测遥感瓦片数据对之后，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别。

进一步地，所述遥感瓦片数据对包含前时相遥感瓦片数据和后时相遥感瓦片数据，为目标区域添加标注矢量，包括：分别对所述前时相遥感瓦片数据和所述后时相遥感瓦片数据进行预处理，得到目标前时相遥感瓦片数据和目标后时相遥感瓦片数据，其中，所述预处理包括：空间参考系统一致化处理，配准处理和重采样处理；基于主成分分析算法，确定出所述目标前时相遥感瓦片数据和所述目标后时相遥感瓦片数据之间差异影像；对所述差异影像依次进行阈值分割处理、形态学处理和矢量化处理，得到所述标注矢量；为所述目标区域添加所述标注矢量。

进一步地，基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，包括：确定出所述标注矢量与所述前时相遥感瓦片数据之间的第一重叠区域，以及确定出所述标注矢量与所述后时相遥感瓦片数据之间的第二重叠区域；基于QuickShift分割算法，对所述第二重叠区域进行分割，得到分割掩膜；基于所述分割掩膜、所述第一重叠区域和所述第二重叠区域，计算出所述目标区域对应的目标参数。

进一步地，基于所述分割掩膜、所述第一重叠区域和所述第二重叠区域，计算出所述目标区域对应的目标参数，包括：确定出所述分割掩膜中的中间区域，其中，所述中间区域为所述分割掩膜中大于1的区域；确定出所述中间区域与所述第一重叠区域之间的第三重叠区域，以及确定出所述中间区域与所述第二重叠区域之间的第四重叠区域；计算出所述中间区域的目标参数，其中，所述目标参数包括：所述中间区域的面积与所述中间区域的外接矩形的面积的比值，所述中间区域的外接矩形长宽比；计算出所述第三重叠区域和所述第四重叠区域之间预设波段的均值和标准差；将所述目标参数、所述均值和所述标准差，确定为所述目标区域对应的目标参数。

进一步地，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别，包括：为所述待检测遥感瓦片数据对的变化区域添加标注矢量；基于所述待检测遥感瓦片数据和所述待检测遥感瓦片数据对的变化区域的标注矢量，确定出所述变化区域对应的目标参数；将所述变化区域对应的目标参数输入所述目标随机森林模型，得到所述变化区域对应的概率向量，其中，所述概率向量用于表征所述变化区域的变化类型为各个预设变化类型的概率；若所述概率向量中的最大值大于预设阈值，则将所述最大值对应的预设变化类型确定为所述变化区域的变化类型。

第二方面，本发明实施例还提供了一种遥感瓦片数据的变化检测装置，包括：获取单元，用于获取预设变化类别的样本遥感瓦片数据对，并为目标区域添加标注矢量，其中，所述目标区域为所述样本遥感瓦片数据对对应的区域中的地物类别发生变化区域，所述标注矢量用于表征所述目标区域的范围和所述目标区域对应的预设变化类别；确定单元，用于基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，其中，所述目标参数包括：几何特征和相对颜色特征；训练单元，用于基于所述目标参数构建训练集，并利用所述训练集对预设随机森林模型进行训练，得到目标随机森林模型；检测单元，用于在获取到待检测遥感瓦片数据对之后，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别。

进一步地，所述遥感瓦片数据对包含前时相遥感瓦片数据和后时相遥感瓦片数据，所述获取单元，用于：分别对所述前时相遥感瓦片数据和所述后时相遥感瓦片数据进行预处理，得到目标前时相遥感瓦片数据和目标后时相遥感瓦片数据，其中，所述预处理包括：空间参考系统一致化处理，配准处理和重采样处理；基于主成分分析算法，确定出所述目标前时相遥感瓦片数据和所述目标后时相遥感瓦片数据之间差异影像；对所述差异影像依次进行阈值分割处理、形态学处理和矢量化处理，得到所述标注矢量；为所述目标区域添加所述标注矢量。

进一步地，所述确定单元，用于：确定出所述标注矢量与所述前时相遥感瓦片数据之间的第一重叠区域，以及确定出所述标注矢量与所述后时相遥感瓦片数据之间的第二重叠区域；基于QuickShift分割算法，对所述第二重叠区域进行分割，得到分割掩膜；基于所述分割掩膜、所述第一重叠区域和所述第二重叠区域，计算出所述目标区域对应的目标参数。

第三方面，本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序。

在本发明实施例中，通过获取预设变化类别的样本遥感瓦片数据对，并为目标区域添加标注矢量，其中，所述目标区域为所述样本遥感瓦片数据对对应的区域中的地物类别发生变化区域，所述标注矢量用于表征所述目标区域的范围和所述目标区域对应的预设变化类别；基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，其中，所述目标参数包括：几何特征和相对颜色特征；基于所述目标参数构建训练集，并利用所述训练集对预设随机森林模型进行训练，得到目标随机森林模型；在获取到待检测遥感瓦片数据对之后，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别，达到了对遥感瓦片数据进行变化检测的目的，进而解决了现有技术无法对遥感瓦片数据进行变化检测的技术问题，从而实现了为变换检测提供新的检测方式的技术效果。

本发明的其他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，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种遥感瓦片数据的变化检测方法的流程图；

图2为本发明实施例提供的一种遥感瓦片数据的变化检测装置的示意图；

图3为本发明实施例提供的一种电子设备的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

根据本发明实施例，提供了一种遥感瓦片数据的变化检测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种遥感瓦片数据的变化检测方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取预设变化类别的样本遥感瓦片数据对，并为目标区域添加标注矢量，其中，所述目标区域为所述样本遥感瓦片数据对对应的区域中的地物类别发生变化区域，所述标注矢量用于表征所述目标区域的范围和所述目标区域对应的预设变化类别；

在本发明实施例中，遥感瓦片数据的变化检测主要针对建筑物、线状地物（道路与沟渠）、裸土这三类地物进行变化检测，考虑这三类地物的相向变化的可能性，确定的检测类别包括裸土变为建筑物（记为1类变化）、建筑物变为裸土（记为2类变化）、裸土变为线状地物（记为3类变化）、线状地物变为裸土（记为4类变化），上述四类变化即为预设变化类别。

步骤S104，基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，其中，所述目标参数包括：几何特征和相对颜色特征；

步骤S106，基于所述目标参数构建训练集，并利用所述训练集对预设随机森林模型进行训练，得到目标随机森林模型；

步骤S108，在获取到待检测遥感瓦片数据对之后，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别。

在本发明实施例中，通过获取预设变化类别的样本遥感瓦片数据对，并为目标区域添加标注矢量，其中，所述目标区域为所述样本遥感瓦片数据对对应的区域中的地物类别发生变化区域，所述标注矢量用于表征所述目标区域的范围和所述目标区域对应的预设变化类别；基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，其中，所述目标参数包括：几何特征和相对颜色特征；基于所述目标参数构建训练集，并利用所述训练集对预设随机森林模型进行训练，得到目标随机森林模型；在获取到待检测遥感瓦片数据对之后，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别，达到了对遥感瓦片数据进行变化检测的目的，进而解决了现有技术无法对遥感瓦片数据进行变化检测的技术问题，从而实现了为变换检测提供新的检测方式的技术效果。

在本发明实施例中，步骤S102包括如下步骤：

分别对所述前时相遥感瓦片数据和所述后时相遥感瓦片数据进行预处理，得到目标前时相遥感瓦片数据和目标后时相遥感瓦片数据，其中，所述预处理包括：空间参考系统一致化处理，配准处理和重采样处理；

基于主成分分析算法，确定出所述目标前时相遥感瓦片数据和所述目标后时相遥感瓦片数据之间差异影像；

对所述差异影像依次进行阈值分割处理、形态学处理和矢量化处理，得到所述标注矢量；

为所述目标区域添加所述标注矢量。

对前后时相遥感瓦片数据A、B分别进行主成分分析（PCA），提取A、B的第一主成分进行降维，得到前时相遥感瓦片数据对应的第一主成分数据C1和后时相遥感瓦片数据对应的第一主成分数据C2。

将影像C1、C2做差，得到差异影像C3。

接着，通过计算C3的均值m与标准差s，设置阈值y = m + 2 * s，对影像C3进行二分类，将C3中大于阈值y的位置，赋值为1，反之赋值为0，得到二分影像C4。影像C4中每个像素的值为0或1，为0的位置表明无变化可能性，为1的位置表明存在变化的可能。

进一步采用形态学腐蚀与膨胀的方法，去除噪声与消除空洞，得到影像C5，其中形态学腐蚀与膨胀的方法已集成到Skimage库的morphology模块中。将影像C5矢量化，得到标注矢量D，标注矢量D的每个图斑即为影像C5中毗邻的值为1的影像块位置，记录了存在变化可能性的位置与范围信息。

在本发明实施例中，步骤S104包括如下步骤：

确定出所述标注矢量与所述前时相遥感瓦片数据之间的第一重叠区域，以及确定出所述标注矢量与所述后时相遥感瓦片数据之间的第二重叠区域；

基于QuickShift分割算法，对所述第二重叠区域进行分割，得到分割掩膜；

基于所述分割掩膜、所述第一重叠区域和所述第二重叠区域，计算出所述目标区域对应的目标参数。

在本发明实施例中，将前时相遥感瓦片A与后时相遥感瓦片B分别与标注矢量D进行空间匹配，遍历标注矢量D中的每个图斑，当前图斑为D1，获取D1分别在遥感瓦片A与遥感瓦片B中所覆盖的影像块E与F（即，第一重叠区域和第二重叠区域）。

所获取的影像块E与F大小相等，空间位置与范围一致，是可能存在地物类别变化的待定区域，并且可能存在多种地物间的相互变化。

因此，进一步采用QuickShift分割算法对后时相影像块F进行分割，得到分割掩膜H。分割掩膜H为从0开始的连续整数，0为背景区域，从1开始的每个数字对应掩膜上的一块连通的区域，即一个分割块，每个分割块在影像块F上所覆盖的地物类型单一，是接下来赋予变化类别的基本单位。

QuickShift分割算法是一种基于核均值漂移算法近似的二维图像分割算法，可以同时在多个尺度上计算分层分段，其核心算法集成到Skimage库的Segmentation模块中，易于调用，且分割效果能够保持地物的连续性，不会破坏地物的几何特征。

在本发明实施例中，基于所述分割掩膜、所述第一重叠区域和所述第二重叠区域，计算出所述目标区域对应的目标参数，包括如下步骤：

确定出所述分割掩膜中的中间区域，其中，所述中间区域为所述分割掩膜中大于1的区域；

确定出所述中间区域与所述第一重叠区域之间的第三重叠区域，以及确定出所述中间区域与所述第二重叠区域之间的第四重叠区域；

计算出所述中间区域的目标参数，其中，所述目标参数包括：所述中间区域的面积与所述中间区域的外接矩形的面积的比值，所述中间区域的外接矩形长宽比；

计算出所述第三重叠区域和所述第四重叠区域之间预设波段的均值和标准差；

将所述目标参数、所述均值和所述标准差，确定为所述目标区域对应的目标参数。

在本发明实施例中，以每个分割块为基本单位，计算分割块的几何特征与相对颜色特征。

遍历分割掩膜H中大于1的所有区域（即，中间区域），当前中间区域为H1，获取H1在影像块E与F中所覆盖分割块E1、F1（即，第三重叠区域和第四重叠区域），分割块E1与F1大小相同，位置与范围一致。分割块E1与F1的几何特征由H1计算得到，具体步骤为：

首先，计算H1的外接矩形；

然后，获取外接矩形的长L和宽W，计算长宽比L/W，得到外接矩形的长宽比特征；

最后，获取H1的面积area1，以及外接矩形的面积area2，计算面积比area1/area2，作为第二个几何特征。

分割块E1与F1的相对颜色特征计算步骤为：

首先，计算F1与E1的差FE = F1 - E1

然后，计算FE的均值和标准差，mean

所得的长宽比与面积比特征，对于线状地物与块状地物有很好的表征能力，且较少受到影像的分辨率、时相、地域等因素的影响。而基于分割块E1与F1做差求得的每个波段的均值与标准差特征，减弱了绝对DN值的影响，有利于提高泛化能力，统计特征也能提高噪声容忍度，对于地物间的相对变化有很好的表征力。最后，对于遥感瓦片数据，每对分割块E1与F1获得的特征为{mean

下面对步骤S106进行说明。

基于样本遥感瓦片数据对和标注矢量计算出目标区域对应的目标参数之后，将目标参数作为输入，对应的变化类别作为输出，采用随机森林模型进行训练，得到目标随机森林模型。

利用预测模型，对每个分割块E1与F1的特征向量进行类别概率预测，得到一个1*4的概率向量P，每个元素表示分割块分别属于4种变化类别的概率。

在本发明实施例中，步骤S108包括如下步骤：

为所述待检测遥感瓦片数据对的变化区域添加标注矢量；

基于所述待检测遥感瓦片数据和所述待检测遥感瓦片数据对的变化区域的标注矢量，确定出所述变化区域对应的目标参数；

将所述变化区域对应的目标参数输入所述目标随机森林模型，得到所述变化区域对应的概率向量，其中，所述概率向量用于表征所述变化区域的变化类型为各个预设变化类型的概率；

若所述概率向量中的最大值大于预设阈值，则将所述最大值对应的预设变化类型确定为所述变化区域的变化类型。

在本发明实施例中，在计算出变化区域对应的目标参数之后，将变化区域对应的目标参数输入目标随机森林模型，遍历所有分割块，当前分割块的概率向量为P，计算P的最大值P

根据实际应用需求，确定阈值t，t值相当于一个置信度，t值越大，则检测的变化图斑越少，检测的变化图斑的可信度更高，而t值越低，则相反。一般选取80%的置信度，即t值为0.8。

当P

本发明实施例基于前后时相遥感瓦片数据进行地物的变化检测，填补了遥感瓦片数据变化检测方法的空白，对于遥感瓦片数据变化检测的工程化应用提供了算法支持。

同时，采用的几何特征与相对颜色特征，减弱了绝对DN值、影像分辨率的影响，也一定程度上弱化了地域与时相的限制，提高了算法的泛化能力，对于大范围、多时相的变化检测提供了一套可行方案。

实施例二：

本发明实施例还提供了一种遥感瓦片数据的变化检测装置，该遥感瓦片数据的变化检测装置用于执行本发明实施例上述内容所提供的遥感瓦片数据的变化检测方法，以下是本发明实施例提供的遥感瓦片数据的变化检测装置的具体介绍。

如图2所示，图2为上述装置的示意图，该遥感瓦片数据的变化检测装置包括：

获取单元10，用于获取预设变化类别的样本遥感瓦片数据对，并为目标区域添加标注矢量，其中，所述目标区域为所述样本遥感瓦片数据对对应的区域中的地物类别发生变化区域，所述标注矢量用于表征所述目标区域的范围和所述目标区域对应的预设变化类别；

确定单元20，用于基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，其中，所述目标参数包括：几何特征和相对颜色特征；

训练单元30，用于基于所述目标参数构建训练集，并利用所述训练集对预设随机森林模型进行训练，得到目标随机森林模型；

检测单元40，用于在获取到待检测遥感瓦片数据对之后，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别。

在本发明实施例中，通过获取预设变化类别的样本遥感瓦片数据对，并为目标区域添加标注矢量，其中，所述目标区域为所述样本遥感瓦片数据对对应的区域中的地物类别发生变化区域，所述标注矢量用于表征所述目标区域的范围和所述目标区域对应的预设变化类别；基于所述样本遥感瓦片数据对和所述标注矢量，确定出所述目标区域对应的目标参数，其中，所述目标参数包括：几何特征和相对颜色特征；基于所述目标参数构建训练集，并利用所述训练集对预设随机森林模型进行训练，得到目标随机森林模型；在获取到待检测遥感瓦片数据对之后，利用所述目标随机森林模型和所述待检测遥感瓦片数据对，确定出所述待检测遥感瓦片数据对对应的区域中变化区域对应的变化类别，达到了对遥感瓦片数据进行变化检测的目的，进而解决了现有技术无法对遥感瓦片数据进行变化检测的技术问题，从而实现了为变换检测提供新的检测方式的技术效果。

实施例三：

本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

参见图3，本发明实施例还提供一种电子设备100，包括：处理器50，存储器51，总线52和通信接口53，所述处理器50、通信接口53和存储器51通过总线52连接；处理器50用于执行存储器51中存储的可执行模块，例如计算机程序。

其中，存储器51可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口53（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器51用于存储程序，所述处理器50在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中，或者由处理器50实现。

处理器50可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-ProgrammableGate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51，处理器50读取存储器51中的信息，结合其硬件完成上述方法的步骤。

实施例四：

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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通信接口，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。

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。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。