湖泊泥沙淤积量的监测方法、装置、电子设备和存储介质

摘要

本公开提供的湖泊泥沙淤积量的监测方法、装置、电子设备和存储介质，包括：获取研究区域的矢量数据和遥感影像数据；从该遥感影像数据中筛选出云量小于第一设定值的遥感影像数据，结合矢量数据从该遥感影像数据中筛选出目标时间段的遥感影像数据；计算该遥感影像数据中各像元的改进归一化差异水体指数，得到比值增强图像；采用大津法计算归一化分割阈值，以此区分比值增强图像中的水体与非水体，得到遥感影像数据；计算该遥感影像数据中的水体面积，对水体面积进行可视化及数据分析处理，建立水体面积与湖泊泥沙淤积量的相关数学模型，利用该相关数学模型对湖泊泥沙淤积量进行监测。本公开为大区域湖泊水体范围的长期监测和对比分析提供数据支撑。

说明书

技术领域

本公开实施例属于湖泊生态环境监测技术领域，特别涉及湖泊泥沙淤积量的监测方法、装置、电子设备和存储介质。

背景技术

黄河是重要的生态屏障和生态建设载体以及重要的粮食生产、能源矿业、化工、原材料和基础工业基地，同时也是世界上泥沙含量最多的河流。随着工业化进程不断加速及环境恶化，水资源日益匮乏，黄河泥沙已经成为影响黄河流域生态环境的重要障碍因素。因此，精确及时地获取水体信息，掌握其泥沙淤积量数据和基本特征，因地制宜采取不同措施控制泥沙淤积，对保持库容量，保护生态环境和高质量发展具有重要意义。

目前针对湖泊泥沙淤积量的测量主要采用断面测量法和水量平衡法，这两种常用的传统测量方法进行水库数据的测量更新，其工程量繁琐，不仅数据采集条件艰苦、工程周期长，同时还要投入大量的人力财力。

发明内容

本公开旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本公开第一方面实施例提供的方便快捷、高效、可重复使用并能真实反馈湖泊的水体特征的湖泊泥沙淤积量的监测方法，包括：

获取研究区域的矢量数据V和遥感影像数据R0；

从所述遥感影像数据R0中筛选出云量小于第一设定值的遥感影像数据R1a，结合获取的所述矢量数据V从所述遥感影像数据R1a中筛选出目标时间段的遥感影像数据R1；

计算所述遥感影像数据R1中各像元的改进归一化差异水体指数，得到比值增强图像R2；

采用大津法计算归一化分割阈值，利用所述归一化分割阈值区分所述比值增强图像R2中的地表水体区域与非水体区域，得到遥感影像数据R3；

计算所述遥感影像数据R3中的地表水体区域面积，对所述地表水体区域面积进行可视化及数据分析处理，建立所述地表水体区域面积与湖泊泥沙淤积量的相关数学模型，利用所述相关数学模型对湖泊泥沙淤积量进行监测。

本发明针对上述问题，结合目前在遥感图像处理方法、水体提取方法、图像分割阈值计算方法，本发明提出一种基于遥感分析的泥沙淤积量估算方法，该方法能有效应用在连续时间序列的水体动态监测，泥沙淤积量、库容量估算，为大区域湖泊水体范围的长期监测和对比分析提供数据支撑，适用于湖泊生态环境监测领域。

本公开第一方面实施例提供的湖泊泥沙淤泥量的监测方法，具有以下特点及有益效果：

本公开第一方面实施例提供的湖泊泥沙淤泥量的监测方法，所使用的MNDWI水体提取法相较于其他水体指数法，可以很大程度上区分阴影和水体，对于泥沙含量较大的水体、心滩周围等浅水区区域、细小水体提取效果良好，解决了水体信息中掺杂有阴影的问题。本公开第一方面实施例提供的湖泊泥沙淤泥量的监测方法，采用的大津(OTSU)法计算图像分割阈值，其计算简单快速，不受图像亮度和对比度的影响，是计算机视觉和图像处理中常用的一种阈值分割方法。相较于传统人工经验选择的阈值确定方法受使用者经验的限制，效率较低且不能实现自动的阈值选取，OTSU算法的阈值选取效果更为高效、统一、准确，更适用于湖泊泥沙淤积量监测的需求。该方法可利用遥感影像对湖泊水体面积监测的研究为其库区泥沙淤积量、库容量变化情况的估算提供了新的途径，对湖泊生态环境监测具有一定的参考价值。

在一些实施例中，选取GEE云平台上的Landsat-8、Sentinel-2遥感影像集作为所述遥感影像数据R0。

在一些实施例中，所述第一设定值选为10％。

在一些实施例中，结合获取的所述矢量数据V按所述研究区域的边界范围大小对目标时间段的所述遥感影像数据R1a进行裁剪，得到目标时间段的所述遥感影像数据R1。

在一些实施例中，按照以下公式计算所述改进归一化差异水体指数：

式中：MNDWI为改进归一化差异水体指数，Green、MIR分别为所述遥感影像数据R1的绿波段和短波红外波段。

在一些实施例中，按照以下步骤得到所述遥感影像数据R3：

使用大津法确定图像二值化的分割阈值T

利用所述分割阈值T

在一些实施例中，按照以下步骤对所述地表水体区域进行可视化及数据分析处理，建立所述地表水体区域面积与湖泊泥沙淤积量的相关数学模型：

对所述地表水体区域面积进行统计汇总，点绘出所述地表水体区域面积随时间变化的关系图，分析不同时期所述地表水体区域面积的变化趋势，结合所述遥感影像数据R3，显示湖泊泥沙淤积的变化情况；进一步，点绘不同时期实测的湖泊泥沙淤积量与地表水体区域面积的关系图，对散点图进行线性拟合，分析湖泊泥沙淤积量与地表水体区域面积的相关关系，建立所述相关数学模型。

本公开第二方面实施例提供的湖泊泥沙淤积量的监测装置，包括：

数据获取模块，用于获取研究区域的矢量数据V和遥感影像数据R0；

数据预处理模块，用于从所述遥感影像数据R0中筛选出云量小于第一设定值的遥感影像数据R1a，结合获取的所述矢量数据V从所述遥感影像数据R1a中筛选出目标时间段的遥感影像数据R1；

计算模块，用于计算所述遥感影像数据R1的改进归一化差异水体指数，得到比值增强图像R2；

提取模块，用于采用大津法计算归一化分割阈值，利用所述归一化分割阈值区分所述比值增强图像R2中的地表水体区域与非水体区域，得到遥感影像数据R3；

监测模块，用于计算所述遥感影像数据R3中的地表水体区域面积，对所述地表水体区域面积进行可视化及数据分析处理，建立所述地表水体区域面积与湖泊泥沙淤积量的相关数学模型，利用所述相关数学模型对湖泊泥沙淤积量进行监测。

本公开第三方面实施例提供的电子设备，其特征在于，包括：

至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行本公开第一方面任一实施例提供的所述湖泊泥沙淤积量的监测方法。

本公开第四方面实施例提供的计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行本公开第一方面任一实施例提供的所述湖泊泥沙淤积量的监测方法。

附图说明

图1为本公开第一方面实施例提供的湖泊泥沙淤积量的监测方法的总体流程图；

图2为本公开第一方面实施例提供的监测方法筛选出的目标遥感影像结果的示例图；

图3为本公开第一方面实施例提供的监测方法中使用MNDWI增强水体与非水体差异的效果图，其中(a)为研究区湖泊遥感影像示例图，(b)为比值增强图像效果图；

图4为本公开第一方面实施例提供的监测方法中使用OTSU方法计算图像分割阈值的效果图，其中(a)为人工经验选取阈值分割效果图，(b)OTSU方法计算阈值分割效果图；

图5为本公开第一方面实施例提供的监测方法提取计算目标区域水体面积结果的效果图；

图6为本公开第一方面实施例提供的监测方法对研究区域泥沙淤积量与水体面积数据分析建模的示例图。

图7是本公开第三方面实施例提供的电子设备的结构示意图。

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描述。应当理解，此处所描述的具体实施例仅用于解释本申请，并不用于限定本申请。

相反，本申请涵盖任何由权利要求定义的在本申请精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本申请有更好的了解，在下文对本申请的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本申请。

参见图1，本公开第一方面实施例提供的湖泊泥沙淤泥量的监测方法，包括：

获取研究区域的矢量数据V和遥感影像数据R0；

从遥感影像数据R0中筛选出云量小于第一设定值的遥感影像数据R1a，结合获取的矢量数据V从遥感影像数据R1a中筛选出目标时间段的遥感影像数据R1；

计算遥感影像数据R1中各像元的改进归一化差异水体指数(MNDWI)，以增强遥感影像数据R1中地表水体与非水体区域的差异，得到比值增强图像R2；

采用大津法计算归一化分割阈值，利用该归一化分割阈值区分比值增强图像R2中的地表水体区域与非水体区域，得到遥感影像数据R3；

计算遥感影像数据R3中的地表水体区域面积，对地表水体区域面积进行可视化及数据分析处理，建立地表水体区域面积与湖泊泥沙淤积量的相关数学模型，利用该相关数学模型对湖泊泥沙淤积量进行监测。

在一些实施例中，研究区域的矢量数据V可通过以下三种方式中的任一种获取：

(1)从网络数据平台直接下载研究区域的矢量数据；

(2)利用各种定位仪器设备对研究区域进行外业测量，将采集的研究区域的空间坐标数据转换为研究区域的矢量数据；

(3)获取研究区域的卫星影像或航摄相片等栅格数据，将该栅格数据直接转换为研究区域的矢量数据。

在一些实施例中，研究区域的遥感影像数据R0可通过以下两种方式中的任一种获取：

(1)通过USGS官网、地理空间数据云网站搜索研究区域的卫星遥感影像并下载；

(2)通过GEE、PIE等云计算平台查询搜索研究区域的遥感影像下载获取。

在一些实施例中，按照以下步骤得到遥感影像数据R1：

首先筛选出研究区域云量少于第一设定值的遥感影像数据R1a，借助遥感影像数据R1a的质量评估(QA)波段，去除云、雪、阴影造成的低质量像素，可提高遥感影像数据的利用率以及后续研究区域地表水体提取精度。然后根据研究所需目标时间段筛选影像数据，并结合获取的矢量数据V按研究区域边界范围大小对遥感影像数据R1a进行裁剪，得到目标时间段的遥感影像数据R1。

进一步地，第一设定值选为10％。

在一些实施例中，按照以下步骤得到比值增强图像R2：

利用MNDWI将遥感影像数据R1中水体的最强反射波段与水体的最弱波段通过比值计算扩大二者的差异，根据这一差异可在遥感影像数据R1上区分水体部分及非水体部分(即其他地物)，得到比值增强图像R2。其中，MNDWI的计算公式如下：

式(1)中：MNDWI为改进归一化差异水体指数，Green、MIR分别为遥感影像数据R1的绿波段和短波红外波段。

在一些实施例中，按照以下步骤得到遥感影像数据R3：

采用大津法对比值增强图像R2进行归一化分割，大津法是使用最大类间方差自动确定图像二值化的分割阈值，具体地，根据比值增强图像R2的灰度特征将图像分为前景和背景两个部分，当前景与背景的类间方差越大时，说明前景与背景区分的差别越大，发生错分的概率越小，反之，当前景与背景的类间方差越小时，说明前景与背景区分的差别越小，发生错分的概率越大。其中，类间方差的计算公式如下：

g＝ω

式(2)中：g为比值增强图像R2的类间方差，对于比值增强图像R2，将其前景和背景的分割阈值记作T，ω

采用遍历的方法得到使类间方差g为最大值时对应的分割阈值T

利用分割阈值T

在一些实施例中，对得到的遥感影像数据R3，统计其中代表地表水体区域的像元数量，结合遥感影像数据R2的空间分辨率，由单个像元的面积计算出遥感影像数据R2每幅影像的地表水体区域的水体面积。

在一些实施例中，按照以下步骤对地表水体区域面积进行可视化及数据分析处理，建立地表水体区域面积与湖泊泥沙淤积量的相关数学模型：

对提取出的水体面积数据统计汇总，点绘出水体面积随时间变化关系图，分析不同时期湖泊水体面积的变化趋势，结合获取的遥感影像数据R3，直观显示湖泊泥沙淤积的变化情况；进一步，点绘湖泊不同时期实测泥沙淤积量数据与水体面积数据的关系图，对散点图进行线性拟合，分析泥沙淤积量与水体面积的相关关系，建立数学模型。然后利用所建立数学模型代入不同时期的水体面积数据，计算不同时期湖泊的泥沙淤积量。

为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例11，对本公开第一方面实施例进行进一步详细说明，本实施例以内蒙古自治区乌海市乌海湖为研究区域，以2014-2021年为目标时间段，基于GEE(Google Earth Engine，谷歌地球引擎)云平台采用本公开第一方面实施例的监测方法对研究区域进行水体提取和泥沙淤积分析研究，以下具体实施例不构成对本公开的限定。

本实施例的湖泊泥沙淤泥量的监测方法，包括以下步骤：

S1：获取研究区域的矢量数据V和遥感影像数据R0，具体包括：

从全国地理信息资源目录服务系统下载全国矢量数据，通过ArcGIS平台从全国矢量数据中提取分析筛选出内蒙古自治区乌海市乌海湖的矢量数据V，利用GEE-Assets-New-Shape files上传至GEE云平台；

选取GEE云平台上的Landsat-8、Sentinel-2遥感影像集作为遥感影像数据R0，Landsat-8、Sentinel-2遥感影像集的获取时间不同，可以起到数据互补的作用，增加监测数据的数量；基于GEE云平台，选用Landsat-8的L1TP级地表反射率数据和Sentinel-2的L2A级地表反射率数据，其中，L1TP级地表反射率数据是进行过地形精校正后的数据，它通过综合利用地面控制点和数字高程模型进行辐射和正射校正，以此来修正地形位移，是最适合像元级时间序列分析的、质量最高的1级产品，Sentinel-2的L2A级地表反射率数据已经由欧空局预先进行了辐射定标、大气校正等预处理，因此数据反映的是地表的反射率信息。

本实施例依托于GEE(Google Earth Engine，谷歌地球引擎)云平台，GEE能提取长时间序列的感影像数据，对一个区域内水体进行年际或年内变化研究具有重要的意义，可以反映研究区域内地表水体的真正变化趋势。除此以外，基于GEE平台的迭代计算优势，遥感影像的处理效率大大提高。

S2：遥感影像数据预处理，具体包括：

为了提高遥感影像利用率以及研究区域地表水体的提取精度，借助遥感影像数据R0的QA波段，去除云、雪、阴影造成的低质量像素，筛选出研究区域云量少于10％的Landsat-8、Sentinel-2遥感影像，得到遥感影像数据R1a；

执行GEE的filter命令，筛选目标区域、目标时间段的遥感影像。借助步骤S1中的研究区域的矢量数据，编写代码filter Date、filter Bounds，对遥感影像数据R1a整合内蒙古自治区乌海市乌海湖在2014-2021年间符合条件的遥感影像，得到遥感影像数据R1。

本实施例筛选出的遥感影像数据R1示例图如图2所示，图2中从左至右、从上至下且按照时间先后依次展示了内蒙古自治区乌海市乌海湖在2014-2021年间符合条件的遥感影像。

S3：采用公式(1)计算遥感影像数据R1中的MNDWI，提升地表水体与非水体的差异，得到比值增强图像R2，其中，Landsat-8遥感影像集和Sentinel-2遥感影像集的绿波段和短波红外波段所在的波段编号有所差异。Landsat-8为波段3(绿波段)和波段6(短波红外波段)，Sentinel-2为波段3(绿波段)和波段11(短波红外波段)。

本实施例得到的比值增强图像效果图如图3所示，其中(a)、(b)分别为研究区湖泊遥感影像示例图、比值增强图像效果图；

S4：采用公式(2)所示的大津法得到图像的类间方差，并将最大类间方差对应的分割阈值作为最优的分割阈值T

本实施例提取的地表水体区域效果图如图4所示，其中(a)、(b)分别为人工经验选取阈值分割效果图、OTSU方法计算阈值分割效果图。

S5：计算提取出的地表水体区域水体面积，对水体面积进行可视化及数据分析处理，建立与水体面积与湖泊泥沙淤积量的相关数学模型，利用该相关数学模型对湖泊泥沙淤积量进行监测，具体包括：

利用GEE的Mask函数提取有效水体区域，统计水体像元总个数，计算出水体面积。整个计算过程在GEE云平台中通过代码实现，最后由GEE云平台在线显示水体面积，提取结果通过GEE的Export命令导出，在Tasks模块点击Run功能键，研究区域水体提取结果的TIFF同步保存至Google云硬盘；本实施例提取水体面积的结果效果图如图5所示，按照时间先后依次展示了对内蒙古自治区乌海市乌海湖在2014-2021年间提取的水体面积；

使用Excel对提取出的水体面积数据统计汇总，将水体面积数据导入Origin2018软件中点绘出水体面积随时间变化关系图，分析不同时期湖泊水体面积的变化趋势，结合Google云硬盘中保存的研究区域水体提取结果TIFF，直观显示湖泊泥沙淤积的变化情况；进一步，在Origin2018软件中点绘湖泊不同时期实测泥沙淤积量数据与水体面积数据的关系图，对散点图进行线性拟合，分析泥沙淤积量与水体面积的相关关系，建立数学经验模型。然后利用所建立数学模型代入不同时期的水体面积数据，计算不同时期湖泊的泥沙淤积量。

本实施例中，研究区域湖泊泥沙淤积量与水体面积数据分析建模的示例图如图6所示，图中的y为乌海湖泥沙淤积量(亿m

本公开第一方面实施例提供的湖泊泥沙淤泥量的监测方法，针对水体面积这一衡量指标，使用MNDWI进行湖泊水体提取，使用大津法确定图像分割阈值，计算提取出的水体面积并建立与泥沙淤积量、库容量的相关模型。该方法可以应用在连续时间序列的水体动态监测，泥沙淤积量、库容量估算，为湖泊生态环境保护提供了基础数据。

本公开第二方面实施例提供的湖泊泥沙淤泥量的监测装置，包括：

数据获取模块，用于获取研究区域的矢量数据V和遥感影像数据R0；

数据预处理模块，用于从遥感影像数据R0中筛选出云量小于第一设定值的遥感影像数据R1a，结合获取的矢量数据V从遥感影像数据R1a中筛选出目标时间段的遥感影像数据R1；

计算模块，用于计算遥感影像数据R1的改进归一化差异水体指数，增强遥感影像数据R1中的地表水体与非水体区域的差异，得到比值增强图像R2；

提取模块，用于采用大津法计算归一化分割阈值，利用该归一化分割阈值区分比值增强图像R2中的地表水体区域与非水体区域，得到遥感影像数据R3；

监测模块，用于计算遥感影像数据R3中的地表水体区域面积，对地表水体区域面积进行可视化及数据分析处理，建立地表水体区域面积与湖泊泥沙淤积量的相关数学模型，利用该相关数学模型对湖泊泥沙淤积量进行监测。

下面参考图7，其示出了适于用来实现本公开实施例的电子设备的结构示意图。其中，需要说明的是，本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机、服务器等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)101，其可以根据存储在只读存储器(ROM)102中的程序或者从存储装置108加载到随机访问存储器(RAM)103中的程序而执行各种适当的动作和处理。在RAM 103中，还存储有电子设备100操作所需的各种程序和数据。处理装置101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。

通常，以下装置可以连接至I/O接口105：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置106；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置107；包括例如磁带、硬盘等的存储装置108；以及通信装置109。通信装置109可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图中所示方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置109从网络上被下载和安装，或者从存储装置108被安装，或者从ROM 102被安装。在该计算机程序被处理装置101执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取研究区域的矢量数据V和遥感影像数据R0；从遥感影像数据R0中筛选出云量小于第一设定值的遥感影像数据R1a，结合获取的矢量数据V从遥感影像数据R1a中筛选出目标时间段的遥感影像数据R1；计算遥感影像数据R1中各像元的改进归一化差异水体指数，得到比值增强图像R2；采用大津法计算归一化分割阈值，利用该归一化分割阈值区分比值增强图像R2中的地表水体区域与非水体区域，得到遥感影像数据R3；计算遥感影像数据R3中的地表水体区域面积，对地表水体区域面积进行可视化及数据分析处理，建立地表水体区域面积与湖泊泥沙淤积量的相关数学模型，利用该相关数学模型对湖泊泥沙淤积量进行监测。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤，可以通过程序来指令相关的硬件完成，所开发的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。