基于成对比较的图像主观质量的评价方法和装置

摘要

本发明实施例提供了一种基于成对比较的图像主观质量的评价的方法和装置。所述方法包括：利用图像客观质量评价算法，生成待评价的所有图像的客观质量分数；根据所述所有图像的客观质量分数，生成所述所有图像的图像对的初始化的成对比较结果，作为当前成对比较结果；根据所述当前成对比较结果，生成所述所有图像的当前全局排序结果；根据所述图像对的再进行一次主观比较的价值，从所述图像组的图像对中，选择一个第一图像对，获取观测者对所述第一图像对的相对质量的判断结果；根据观测者对所述第一图像对的相对质量的判断结果，更新图像的当前成对比较结果；更新所述当前全局排序结果；判断是否满足以下任一条件；当满足以下任一条件时，则结束。

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于成对比较的图像主观质量 的评价方法和装置。

背景技术

随着多媒体技术的发展，图像、视频等多媒体产品的产量越来越大，在 人们的日常生活中的作用也越来越大。而在图像等多媒体产品从生成到应用 的各个环节，包括采集、显示、存储、传输、压缩、增强等，都需要进行质 量评价。质量评价技术在理论研究和实际应用中都具有很大的研究价值。

质量评价一般分为主观质量评价和客观质量评价。客观质量评价方法一 般通过对图像等的数据进行处理和分析，预测其质量分数，包括全参考、半 参考、无参考质量评价方法。但是，客观质量评价得到的质量分数毕竟只是 质量的预测值，要获得最真实的质量分数还是需要对图像进行主观质量评 价，即由真实的人作为观测者来给出图像的质量分数。

主要的主观质量评价方法包括平均分数法(MeanOpinionScore,MOS) 和成对比较法。MOS打分法中，观测者对观测的每一个图像给出一个五分制的 质量分数(最差-1分，较差-2分，一般-3分，较好-4分，最好-5分)来表示 对图像质量的主观感受，若干个观测者对一个图像的质量分数的平均值为该 图像的最终质量分数。MOS方法是最广泛使用的主观质量评价方法。但是， MOS方法有其缺点，即各个级别的界限难以判定，以及观测者的认知存在差 异，导致MOS方法得到的主观质量准确度有限。

为了获得更准确的主观质量，采用基于成对比较的主观质量评价方法是 一个好的选择。在基于成对比较的主观质量评价方法中，观测者每次观察两 个图像，并给出这两个图像的相对质量(即两个图像中，哪一个相对质量更 好)。一对图像由若干个观测者进行相对质量的判断后，由大多数人的意见 决定其最终相对质量。最后综合所有图像对的相对质量，通过聚合算法得到 各个图像的全局质量分数。

相比MOS方法中的给出一个图像的质量分数的方法来说，比较两个图像的 相对质量不需要判定各个级别的界限，任务要求简单，对观测者的要求更 低，获得的结果的准确度也更高。

然而，假设要对n个图像进行主观质量评价，如果对所有的图像对进行主 观比较，需要比较$\left(\begin{array}{c}n\\ 2\end{array}\right)$个图像对，相比MOS方法，主观测试的人力和时间成本 大大提高。

发明内容

本发明的实施例提供了一种基于成对比较的图像主观质量的评价方法和 装置，能够减少主观图像评价的规模。

为了实现上述目的，本发明采取了如下技术方案。

一种基于成对比较的图像主观质量的评价方法，包括：

步骤一，利用图像客观质量评价算法，生成待评价的所有图像的客观质 量分数；

步骤二，根据所述所有图像的客观质量分数，生成所述所有图像的图像 对的初始化的成对比较结果，作为当前成对比较结果；所述图像对包括两个 图像；

步骤三，根据所述当前成对比较结果，生成所述所有图像的当前全局排 序结果；

步骤四，根据所述图像对的再进行一次主观比较的价值，从所述图像组 的图像对中，选择一个第一图像对，

步骤五，获取观测者对所述第一图像对的相对质量的判断结果；

步骤六，根据所述观测者对所述第一图像对的相对质量的判断结果，更 新所述图像的当前成对比较结果；

步骤七，根据更新后的所述成对比较结果,更新所述当前全局排序结果， 更新后的所述当前全局排序结果作为当次比较的当前全局排序结果；

步骤八，判断是否满足以下任一条件；当满足以下任一条件时，则结 束；否则，跳到所述步骤四；

所述条件为：

所述图像的当前全局排序结果的被更新次数大于比较次数阈值；或者

所述图像的当前全局排序结果与前面预订比较次数的全局排序结果均相 同。

所述步骤二包括：

根据所述图像的客观质量分数，计算所述图像对的客观质量分数的相对 大小；

根据所述图像对的客观质量分数的相对大小，从所述图像对中，选取预 定个数的第二图像对；

根据所述第二图像对的客观质量分数的相对大小，生成所述第二图像对 的初始化的成对比较结果，作为所述所有图像对的的初始化的成对比较结 果。

所述步骤三包括：

通过将成对比较结果转化为全局排序的聚合算法，根据所述所有图像的 当前成对比较结果，得到所述所有图像的当前全局排序结果；

获取所述聚合算法中给每个所述图像标记的数值或者所述图像在所述当 前全局排序结果中的序号，作为所述图像的当前全局质量分数。

所述图像对的再进行一次主观比较的价值由以下因素的一个或者多个决 定：

观测者有能力判断图像对的相对质量的概率；

图像对的正确比较结果所包含的信息量；

增加一次图像对的主观比较对比较结果可靠性的增加量。

所述图像对的再进行一次主观比较的价值根据以下步骤获取：

根据所述观测者有能力判断图像对相对质量的概率P、图像对的正确比较 结果所包含的信息量I、增加一次图像对的主观比较对比较结果可靠性的增加 量ΔR之间的乘积，计算所述图像对再进行一次主观比较的价值。

所述观测者有能力判断图像对的相对质量的概率根据以下步骤获取：

获取根据已有的图像的主观评价数据生成的图像对的概率分布模型；所 述概率分布模型表示所述观测者有能力判断图像对相对质量的概率和图像对 的质量分数差之间的对应关系；

根据所述当前成对比较结果，更新所述概率分布模型；或者

所述图像对的正确比较结果所包含的信息量根据以下步骤获取：根据所 述观测者有能力判断图像对相对质量的概率，确定图像对的正确比较结果所 包含的信息量；或者

所述增加一次图像对的主观比较对比较结果可靠性的增加量根据以下步 骤获取：根据所述图像对当前已被主观比较次数n和所有图像当前已被主观比 较总数t，确定增加一次图像对的主观比较对比较结果可靠性的增加量。

所述根据所述观测者有能力判断图像对相对质量的概率，确定图像对的 正确比较结果所包含的信息量具体为根据以下函数计算：

$I=-\frac{1+P}{2}log\frac{1+P}{2}-\frac{1-P}{2}log\frac{1-P}{2};$

其中，I为图像对的正确比较结果所包含的信息量；P为观测者有能力判断 图像对相对质量的概率。

所述根据所述图像对当前已被主观比较次数n和所有图像当前已被主观比 较总数t，确定增加一次图像对的主观比较对比较结果可靠性的增加量ΔR(n,t) 根据以下函数计算：

$\Delta R(n,t)=\frac{1}{1+\exp \left(\alpha \right(n-\beta )/t)},$

其中，α和β为调节参数。

一种基于成对比较的图像主观质量的评价装置，包括：

第一生成单元，利用图像客观质量评价算法，生成所有图像的客观质量 分数；

第二生成单元，根据所述所有图像的客观质量分数，生成所述所有图像 的图像对的初始化的成对比较结果，作为当前成对比较结果；所述图像对包 括两个图像；

第三生成单元，根据所述当前成对比较结果，生成所述所有图像的当前 全局排序结果；

选择单元，根据所述图像对的再进行一次主观比较的价值，从所述图像 组的图像对中，选择一个第一图像对，

获取单元，获取观测者对所述第一图像对的相对质量的判断结果；

第一更新单元，根据所述观测者对所述第一图像对的相对质量的判断结 果，更新所述图像的当前成对比较结果；

第二更新单元，根据更新后的成对比较结果,更新所述当前全局排序结 果；

判断单元，判断是否满足以下任一条件；当满足时，则结束；否则，继 续启动所述选择单元；

所述条件为：

所述图像的当前全局排序结果的被更新次数大于比较次数阈值；或者

所述图像的当前全局排序结果与上次的全局排序结果相同。

所述第二生成单元包括；

计算子单元，根据所述图像的客观质量分数，计算所述图像对的客观质 量分数的相对大小；

选择子单元，根据所述图像对的客观质量分数的相对大小，从所述图像 对中，选取预定个数的第二图像对；

生成子单元，根据所述第二图像对的客观质量分数的相对大小，生成所 述第二图像对的初始化的成对比较结果，作为所述所有图像对的的初始化的 成对比较结果。；为图像对的，。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例采取策 略来选择最具比较价值的图像对进行主观比较，解决了基于成对比较的图像 主观质量评价方法测试规模过大，测试成本高的问题。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的 描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所 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为本发明实施例提供的基于成对比较的图像主观质量的评价方法的处 理流程图；

图2为本发明实施例提供的基于成对比较的图像主观质量的评价装置的连 接示意图；

图3为本发明实施例提供的基于成对比较的图像主观质量的评价方法的原 理示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出， 其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功 能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发 明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式 “一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解 的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步 骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、 整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被 “连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或 者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无 线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项 的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语 (包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一 般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该 被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一 样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例 做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

如图1所示，为本发明所述的一种基于成对比较的图像主观质量的评价方 法，包括：

步骤11，利用图像客观质量评价算法，生成待评价的所有图像的客观质 量分数；

步骤12，根据所述所有图像的客观质量分数，生成所述所有图像的图像 对的初始化的成对比较结果，作为当前成对比较结果；所述图像对包括两个 图像；

步骤13，根据所述当前成对比较结果，生成所述所有图像的当前全局排 序结果；

步骤14，根据所述图像对的再进行一次主观比较的价值，从所述图像组 的图像对中，选择一个第一图像对，第一图像对为当前最值得比较的图像 对；

步骤15，获取观测者对所述第一图像对的相对质量的判断结果；

步骤16，根据所述观测者对所述第一图像对的相对质量的判断结果，更 新所述图像的当前成对比较结果；

步骤17，根据更新后的所述成对比较结果,更新所述当前全局排序结果， 更新后的所述当前全局排序结果作为当次比较的当前全局排序结果；

步骤18，判断是否满足以下任一条件；当满足以下任一条件时，则结 束；否则，跳到所述步骤14；

所述条件为：

所述图像的当前全局排序结果的被更新次数大于比较次数阈值；或者

所述图像的当前全局排序结果与前面预订比较次数的全局排序结果均相 同。

所述步骤12包括：

根据所述图像的客观质量分数，计算所述图像对的客观质量分数的相对 大小；

根据所述图像对的客观质量分数的相对大小，从所述图像对中，选取预 定个数的第二图像对；

根据所述第二图像对的客观质量分数的相对大小，生成所述第二图像对 的初始化的成对比较结果，作为所述所有图像对的的初始化的成对比较结 果。

所述步骤13包括：

通过将成对比较结果转化为全局排序的聚合算法，根据所述所有图像的 当前成对比较结果，得到所述所有图像的当前全局排序结果；

获取所述聚合算法中给每个所述图像标记的数值或者所述图像在所述当 前全局排序结果中的序号，作为所述图像的当前全局质量分数。

所述图像对的再进行一次主观比较的价值由以下因素的一个或者多个决 定：

观测者有能力判断图像对的相对质量的概率；

图像对的正确比较结果所包含的信息量；

增加一次图像对的主观比较对比较结果可靠性的增加量。

所述图像对的再进行一次主观比较的价值根据以下步骤获取：

根据所述观测者有能力判断图像对相对质量的概率P、图像对的正确比较 结果所包含的信息量I、增加一次图像对的主观比较对比较结果可靠性的增加 量ΔR之间的乘积，计算所述图像对再进行一次主观比较的价值。

所述观测者有能力判断图像对的相对质量的概率根据以下步骤获取：

获取根据已有的图像的主观评价数据生成的图像对的概率分布模型；所 述概率分布模型表示所述观测者有能力判断图像对相对质量的概率和图像对 的质量分数差之间的对应关系；

根据所述当前成对比较结果，更新所述概率分布模型；或者

所述图像对的正确比较结果所包含的信息量根据以下步骤获取：根据所 述观测者有能力判断图像对相对质量的概率，确定图像对的正确比较结果所 包含的信息量；或者

所述增加一次图像对的主观比较对比较结果可靠性的增加量根据以下步 骤获取：根据所述图像对当前已被主观比较次数n和所有图像当前已被主观比 较总数t，确定增加一次图像对的主观比较对比较结果可靠性的增加量。

所述根据所述观测者有能力判断图像对相对质量的概率，确定图像对的 正确比较结果所包含的信息量具体为根据以下函数计算：

$I=-\frac{1+P}{2}log\frac{1+P}{2}-\frac{1-P}{2}log\frac{1-P}{2};$

其中，I为图像对的正确比较结果所包含的信息量；P为观测者有能力判断 图像对相对质量的概率。

所述根据所述图像对当前已被主观比较次数n和所有图像当前已被主观比 较总数t，确定增加一次图像对的主观比较对比较结果可靠性的增加量ΔR(n,t) 根据以下函数计算：

$\Delta R(n,t)=\frac{1}{1+\exp \left(\alpha \right(n-\beta )/t)},$

其中，α和β为调节参数。

所述图像对当前已被主观比较次数n可以根据一图像对作为第一图像对被 选择出的次数确定；所有图像当前已被主观比较总数t可以根据循环次数确 定，或者根据当前全局排序结果被更新次数确定。

如图2所示，为本发明所述的一种基于成对比较的图像主观质量的评价装 置，包括：

第一生成单元21，利用图像客观质量评价算法，生成所有图像的客观质 量分数；

第二生成单元22，根据所述所有图像的客观质量分数，生成所述所有图 像的图像对的初始化的成对比较结果，作为当前成对比较结果；所述图像对 包括两个图像；

第三生成单元23，根据所述当前成对比较结果，生成所述所有图像的当 前全局排序结果；

选择单元24，根据所述图像对的再进行一次主观比较的价值，从所述图 像组的图像对中，选择一个第一图像对，

获取单元25，获取观测者对所述第一图像对的相对质量的判断结果；

第一更新单元26，根据所述观测者对所述第一图像对的相对质量的判断 结果，更新所述图像的当前成对比较结果；

第二更新单元27，根据更新后的成对比较结果,更新所述当前全局排序结 果；

判断单元28，判断是否满足以下任一条件；当满足时，则结束；否则， 继续启动所述选择单元；

所述条件为：

所述图像的当前全局排序结果的被更新次数大于比较次数阈值；或者

所述图像的当前全局排序结果与上次的全局排序结果相同。

所述第二生成单元21包括；

计算子单元，根据所述图像的客观质量分数，计算所述图像对的客观质 量分数的相对大小；

选择子单元，根据所述图像对的客观质量分数的相对大小，从所述图像 对中，选取预定个数的第二图像对；

生成子单元，根据所述第二图像对的客观质量分数的相对大小，生成所 述第二图像对的初始化的成对比较结果，作为所述所有图像对的的初始化的 成对比较结果。

以下描述本发明的设计思想。

如图3所示，本发明的一种基于成对比较的图像主观质量的评价方法，包 括三个阶段，分别是初始化阶段、选择图像对阶段和主观测试阶段。

在初始化阶段，主观测试前得到对图像质量粗略的估计；

在选择图像对阶段，通过选取包含的信息量大且观测者有能力区分的图 像对进行主观测试，避免了低效的测试；

在主观测试阶段，选取当前最值得比较的图像对进行主观测试，观测者 对选出的图像对进行主观质量评价，并更新图像的成对比较结果和全局质量 分数。

以下具体描述。

一种基于成对比较的图像主观质量的评价方法，包括：

步骤1，利用图像客观质量评价算法，初始化图像的成对比较结果和全局 质量分数；

所述步骤1包括：

步骤11，利用客观质量评价算法，例如结构相似指数SSIM算法，得到图像 的客观质量分数；

步骤12，对于所有的图像对，计算出各个图像对的客观质量分数的差；选 取客观质量评价中质量分数差最大的若干个个图像对；对于选出的图像对， 根据其客观质量分数的相对大小，模拟出观测者对这些图像对的成对比较结 果，作为图像的初始成对比较结果(模拟成对比较结果)；例如对于被选到 的图像对A、B，若客观质量分数显示A的质量比B好，则获得一条认为A比B好 的模拟成对比较结果。

步骤13，综合初始成对比较结果，通过将成对比较结果转化为全局排序的 聚合算法，由初始化的成对比较结果得到图像初始化的全局排序，即初始化 的全局质量分数。

步骤2，通过图像当前的质量分数与主观评价结果，预测观测者正确判断 图像对相对质量的难易程度和图像对的正确比较结果所包含的信息量，再结 合图像对已经被比较过的次数，选择当前最值得比较的图像对。

步骤2中，选择当前最值得比较的图像对由3个因素决定，这3个因素包 括：

(1)观测者有能力判断图像对相对质量的概率；

(2)图像对的正确比较结果所包含的信息量；

(3)增加一次图像对的主观比较对其比较结果可靠性的增加量。

其中，第一因素：即观测者有能力判断图像对相对质量的概率的获取步 骤为：

假定阈值，当图像对的质量分数差大于这个阈值时，观测者有能力判断 图像对的相对质量。观测者有能力判断图像对相对质量的概率等于图像对的 质量分数差大于此阈值的概率。此阈值服从某一分布Ω(如威布尔分布)，分布 的参数可以根据当前已充分比较的图像对的质量分数差与多次主观判断结果 来获得。对于任意被主观比较次数超过2次的图像对，设为A、B，假设有n_A个 观测者认为图像A的质量比B好，有n_B个观测者认为图像B的质量比A好，则观 测者有能力判断其相对质量的概率P_AB可以表示为与n_A和n_B相关的函数，比如 P_AB＝|n_A-n_B|/(n_A+n_B)，其中d_AB表示图像A和B的当前全局质量分数的 差，则所有被主观比较次数超过2次的图像对，其全局质量分数差d_AB和可判 断概率P，可以用来对概率分布Ω模型进行曲线拟合，从而得到概率分布Ω的 参数。利用参数已知的概率分布Ω，则对于任意图像对，都可以通过其两图像 质量分数差，预测观测者有能力判断其相对质量的概率。

图像对的正确比较结果所包含的信息量表示观测者对图像对的相对质量 的不同判断的比例。观测者对图像对的相对质量的不同判断的比例，具体 为：当观测者有能力正确判断图像对的相对质量时，观测者会做出正确的判 断，当观测者没有能力正确判断图像对的相对质量时，观测者会随机做出一 个判断。例如，对于任一图像对，设其概率为P，则其信息量可以表示为 $I=-\frac{1+P}{2}log\frac{1+P}{2}-\frac{1-P}{2}log\frac{1-P}{2}.$

增加一次图像对的主观比较对其比较结果可靠性的增加量随着图像对当前 已比较次数的增加而减少，由一个与图像对当前已被主观比较次数n和所有图 像当前已被比较总数t相关的函数ΔR(n,t)决定，例如函数

所述步骤2包括：

步骤21，根据图像当前的全局质量分数和主观评价结果，利用概率分布模 型，预测观测者有能力判断图像对相对质量的概率和图像对的正确比较结果 所包含的信息量；

步骤22，根据各个图像对已经被主观比较过的次数，计算各个图像对再进 行一次主观比较对其最终比较结果可靠性的增加量。

例如，对于任意一个图像对，假设其已经被比较n次，所有图像一共进行 了t次主观比较，则再进行一次主观比较，对其最终比较结果可靠性的增加量 ΔR可以表示为n和t的一个函数，例如函数

步骤23，综合观测者有能力判断当前各个图像对相对质量的概率的预测 值、各个图像对的正确比较结果所包含的信息量以及各个图像对再进行一次 主观比较对其最终比较结果可靠性的提高比例，选出当前最值得比较的图像 对。也就是说，通过与(P，I，ΔR)呈正相关的函数，如P，I，ΔR的乘积， 计算各个图像对再进行一次主观比较的价值V，选取V值最大的预定个数的图 像对。当然，也可以对P，I，ΔR设置不同的权重系数。

步骤3，获取观测者对选择的图像对的相对质量的判断结果；利用观测者 给出的对选出的图像对的相对质量的判断结果，更新图像对的成对比较结果 和全局质量分数，也就是说，通过将成对比较结果转化为全局排序的算法， 由当前的成对比较结果，得到图像当前的全局排序，即全局质量分数。

所述步骤3包括：

步骤31，获取观测者对选出的图像对的一次主观比较的比较结果，更新 该图像对的成对比较结果；

步骤32，根据更新后的图像成对比较结果，通过将成对比较结果转化为 全局排序的算法，得到各个图像新的全局排序，即全局质量分数。

步骤33，返回步骤2的步骤21，继续进行比较。此时，假设所有图像已经 被比较t次，则下一次循环后，所有图像对被比较总数t加1。

本发明具有以下有益效果：

(1)一般认为两图像质量接近的图像对的正确比较结果能够提供更多的 信息，但是，当两个图像质量过于接近时，观测者可能没有能力区分两图像 的相对质量，让观测者比较图像质量过于接近的图像对也难以提供有效信 息。本发明实现了一种基于成对比较的图像主观质量评价方法，采取主动采 样策略来权衡要选择的图像对的两图像质量差，选取最具比较价值的图像对 进行主观比较。也就是说，通过用客观质量分数初始化图像的成对比较结 果，以及选取观测者能够给出正确相对质量又所含信息量较大的图像对，在 不影响主观评价测试最终结果准确度的基础上，减小了主观测试规模，解决 了基于成对比较的图像主观质量评价方法测试规模过大，测试成本高的问 题。

(2)本发明利用图像客观质量评价方法，通过选择观测者有能力进行比 较并包含较多信息量的图像对，以供观测者比较，减少了无效的比较，有效 提高了图像质量评价的准确性。

(3)本发明适用性广泛，能够用于构建图像主观质量数据库以及各种图 像客观质量评价算法训练集。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中 的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到 本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解， 本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品 的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁 碟、光盘等，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)执行本发明各个实施例或者实施例的某些部分所 述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同 相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同 之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例， 所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描 述的装置及系统实施例仅仅是示意性的，其中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模块来实现本实施例方案 的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并 实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不 局限于此，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，可 轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明 的保护范围应该以权利要求的保护范围为准。