專利名稱：基于顯微圖像的纖維細(xì)度測(cè)量方法
技術(shù)領(lǐng)域：
本專利涉及的一種纖維細(xì)度測(cè)量方法，特別是一種基于顯微圖像的纖維細(xì)度測(cè)量 方法，屬于圖像處理和模式識(shí)別領(lǐng)域。
背景技術(shù)：
纖維細(xì)度評(píng)定質(zhì)量的最重要參數(shù)，傳統(tǒng)方法包括人工檢測(cè)、氣流法、顯微投影法等 在生產(chǎn)過(guò)程中總結(jié)的方法。其中，參照國(guó)際標(biāo)準(zhǔn)IS0137-85制定的《羊毛纖維直徑測(cè)試方法 投影顯微鏡法》(GB 10685-89)和參照美國(guó)AATCC-20A-1995制定的《麻棉混紡產(chǎn)品定量分 析方法纖維投影法《(FZ/T 30003-2000)是兩個(gè)主要的測(cè)量標(biāo)準(zhǔn)。這兩種標(biāo)準(zhǔn)中均使用顯 微投影儀在放大500倍的條件下對(duì)每片載玻片上的纖維(超過(guò)100根)進(jìn)行測(cè)量。顯微鏡 法和投影儀法都存在著勞動(dòng)強(qiáng)度大、效率低的問(wèn)題，一個(gè)樣品的測(cè)量操作就要集中精力在 顯微鏡下進(jìn)行數(shù)百上千次的對(duì)準(zhǔn)/記數(shù)操作，這種單調(diào)的大規(guī)模重復(fù)勞動(dòng)極易引起眼部疲 勞，由此引發(fā)的低效率及人為誤差等問(wèn)題也就在所難免。另外，隨著紡織行業(yè)的發(fā)展，帶來(lái) 了檢驗(yàn)標(biāo)準(zhǔn)化的問(wèn)題，統(tǒng)一的檢測(cè)手續(xù)和統(tǒng)一的測(cè)量標(biāo)準(zhǔn)。最后，越來(lái)越多的測(cè)量工作需要 在車間現(xiàn)場(chǎng)完成，這對(duì)識(shí)別算法在變化光照條件下識(shí)別的穩(wěn)定性也提出要求，這些都是傳 統(tǒng)方法不能滿足的。鑒于這種原因，基于計(jì)算機(jī)圖像識(shí)別算法的細(xì)度測(cè)量技術(shù)越來(lái)越引起 人們的重視。迄今為止，已經(jīng)出現(xiàn)了一些針對(duì)纖維自動(dòng)化測(cè)量的軟件和相關(guān)研究。從大量的文 獻(xiàn)檢索和調(diào)研及試用中發(fā)現(xiàn)，這些系統(tǒng)和研究大多數(shù)集中于實(shí)驗(yàn)室條件下的測(cè)量，在算法 上主要采用固定閾值、直方圖閾值或基于熵的分割方法處理灰度圖像，然后采用數(shù)學(xué)形態(tài) 法進(jìn)行分割和提取邊界。行業(yè)普遍應(yīng)用的一個(gè)典型的產(chǎn)品是瑞士 Uster公司的0FDA，它在 頻閃光源下采集纖維圖像，傳入系統(tǒng)完成自動(dòng)測(cè)量。其它一些特殊的圖像處理方法，包括 Hilditc邊界細(xì)化法、或在特征提取的基礎(chǔ)上采用神經(jīng)網(wǎng)絡(luò)識(shí)別的方法，也都被陸續(xù)的提 出。但是這些方法得實(shí)際應(yīng)用尚未成熟，而且大多數(shù)方法需要在測(cè)量過(guò)程中引入手工輔助 操作。另外，幾乎所有方法的預(yù)處理過(guò)程都受限于測(cè)試的樣本特性和所處于的光照環(huán)境，這 使軟件系統(tǒng)在實(shí)際的實(shí)用中需要額外的設(shè)備支撐，不利于實(shí)現(xiàn)便攜式和工業(yè)現(xiàn)場(chǎng)的應(yīng)用。 因此，在纖維自動(dòng)測(cè)量的準(zhǔn)確性、適應(yīng)性和穩(wěn)定性方面都有待于改進(jìn)。

發(fā)明內(nèi)容
本發(fā)明針對(duì)于現(xiàn)有纖維識(shí)別和纖維細(xì)度測(cè)量技術(shù)的不足，提供一種基于顯微圖像 的纖維細(xì)度測(cè)量方法，能避免不同采集設(shè)備和光照環(huán)境對(duì)分割算法產(chǎn)生影響，提高纖維細(xì) 度測(cè)量過(guò)程的穩(wěn)定性和測(cè)量結(jié)果的準(zhǔn)確率。為達(dá)到上述目的，本發(fā)明的構(gòu)思是本發(fā)明是在自動(dòng)測(cè)量顯微圖像中纖維細(xì)度方 面具有明顯的進(jìn)步，圖像可來(lái)源于CCD或CMOS圖像捕獲設(shè)備，通過(guò)一組濾波器處理和使用 特征約束的Fast Marching自動(dòng)識(shí)別算法，使纖維識(shí)別、定位過(guò)程和細(xì)度計(jì)算結(jié)果在一定程 度上不受光照環(huán)境變化的影響。與現(xiàn)有的相應(yīng)技術(shù)相比，該技術(shù)提高了變光照環(huán)境下的識(shí)別穩(wěn)定性，適應(yīng)于CCD和CMOS圖像采集設(shè)備，優(yōu)化了算法實(shí)現(xiàn)的速度，并滿足準(zhǔn)確率的要 求。根據(jù)上述發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案—種基于顯微圖像的纖維細(xì)度測(cè)量方法，其特征在于從帶有氣泡或雜質(zhì)的顯微圖 像中提取多個(gè)獨(dú)立的纖維目標(biāo)，并完成針對(duì)所有纖維的細(xì)度測(cè)量；具體測(cè)量過(guò)程包括以下 4個(gè)步驟①圖像采集從裝配有(XD和CMOS目鏡的顯微鏡視場(chǎng)中攝取纖維切片；②圖像分割對(duì)攝取的圖像進(jìn)行分割，從帶有氣泡和雜質(zhì)的背景中分離出所有目 標(biāo)纖維；③纖維定位在分割圖像的基礎(chǔ)上完成對(duì)圖像中所有纖維個(gè)體的識(shí)別與定位；④纖維細(xì)度計(jì)算計(jì)算所有被定位纖維的細(xì)度，并輸出結(jié)果。上述的圖像采集是圖像采集設(shè)備兼容CCD和CMOS傳感器，在更換設(shè)備的情況下， 后續(xù)算法步驟能夠適應(yīng)圖像采集設(shè)備和采集環(huán)境導(dǎo)致的亮度變化，因此，當(dāng)兩種類型的目 鏡切換或外部光照環(huán)境在一定范圍內(nèi)變化時(shí)，不必人工調(diào)整算法參數(shù)；上述的圖像分割是針對(duì)輸入圖像進(jìn)行預(yù)處理和圖像分割，從帶有氣泡和雜質(zhì)的背 景中分離出所有目標(biāo)纖維。具體步驟進(jìn)一步說(shuō)明如下A.將采集圖像轉(zhuǎn)換為灰度圖像，使用半徑尺寸d= 10的濾波窗口，先后執(zhí)行 中值濾波 I = Mdtff.D+Mdtff.J-Itff,])和兩次差分濾波 I = F^lH-Itr-d]), I = F2(I[r]-I[r-d])，其中I表示被操作圖像的像素集合，M代表中值函數(shù)，W表示濾波窗口 ； I[Wi+1]和UWJ分別表達(dá)圖像中兩個(gè)相鄰窗口的像素集合。r表示當(dāng)前處理的像素圖像行 數(shù)索引。分別表示低通均勻?yàn)V波函數(shù)和單閾值濾波函數(shù)。圖像上的濾波操作順序 均為從左到右，從上至下。這一步將突出圖像的特征，并去除背景中微小的雜質(zhì)；B.進(jìn)行低值濾波操作I = Min(I [WJ)，其中Min表示低值濾波函數(shù)，I [WJ表示當(dāng) 前操作濾波窗口中的像素集合。為避刪除圖像中表達(dá)目標(biāo)物體的有效區(qū)域，本步驟所用濾 波窗口尺寸d為上一步濾波窗口大小的1/2。大部分的前景在這一步都可以被有效的分離 出來(lái)；C.根據(jù)上個(gè)步驟中采用的濾波窗口尺寸進(jìn)行差分濾波。分別采用I =F3(I)，I = F4(I)，I = F5(I)三個(gè)固定函數(shù)對(duì)圖像像素進(jìn)行變換。其中I表示被操作的圖像像素集合， F3，F(xiàn)4和F5分別表示低通均勻?yàn)V波、高通均勻?yàn)V波和圖像翻轉(zhuǎn)3個(gè)函數(shù)操作。這個(gè)步驟進(jìn)一 步去除圖像中的雜質(zhì)，將背景和目標(biāo)完全分離。算法在實(shí)現(xiàn)中按照從上至下的順序，利用行緩沖將上述3個(gè)步驟的濾波操作合并 到一個(gè)循環(huán)中完成，同時(shí)緩存列間運(yùn)算中的直方圖統(tǒng)計(jì)中間結(jié)果，根據(jù)操作窗口的移動(dòng)，逐 列進(jìn)行增減運(yùn)算，避免在整個(gè)濾波窗口內(nèi)反復(fù)統(tǒng)計(jì)直方圖。上述的自動(dòng)纖維定位是以分割算法的中間結(jié)果為輸入，針對(duì)圖像每個(gè)像素?cái)?shù)據(jù)生 成離散網(wǎng)格方陣。選取位于圖像背景中一個(gè)點(diǎn)，以此點(diǎn)為圓心，在生成的圓周輪廓上搜索是 否存在8個(gè)與纖維相交的特征點(diǎn)。如否，則確定位于纖維輪廓之外，則以此點(diǎn)所在網(wǎng)格為初 始點(diǎn)。搜索圓形路徑的半徑由纖維輪廓特征模板設(shè)置的纖維寬度最大閾值和放大倍率的乘 積確定。設(shè)置初始點(diǎn)時(shí)間TGci) =0，其它網(wǎng)格儀1，」)=~。其中i、j分別表示當(dāng)前網(wǎng) 格在整個(gè)方陣中的x、y坐標(biāo)，iQ、j0表達(dá)初始點(diǎn)坐標(biāo)。從初始點(diǎn)出發(fā)，應(yīng)用Fast Marching方法進(jìn)行擴(kuò)展，擴(kuò)展速度為擴(kuò)展鋒面像素點(diǎn)與相鄰像素差值的倒數(shù)；上述的纖維細(xì)度計(jì)算是通過(guò)遍歷圖像中的所有輪廓，定位輪廓內(nèi)部一點(diǎn)，在纖維 輪廓特征模板設(shè)置和放大倍率的乘積確定的半徑上搜索圓形路徑，取相鄰的兩對(duì)穿出纖維 和穿入纖維的特征點(diǎn)，分別得到兩條直線。計(jì)算這兩條直線間的垂直距離，此距離即為纖維 的細(xì)度值。當(dāng)遍歷結(jié)束后，將返回一組纖維細(xì)度的測(cè)量值，即自動(dòng)測(cè)量的結(jié)果。本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實(shí)質(zhì)性特點(diǎn)和顯著優(yōu)點(diǎn)本 發(fā)明的圖像來(lái)源于(XD或CMOS圖像捕獲設(shè)備，通過(guò)一組濾波器處理和使用特征約束的Fast Marching自動(dòng)識(shí)別方法，使纖維識(shí)別，定位和細(xì)度計(jì)算結(jié)果在一定程度上不受光照環(huán)境變 化的影響，提高纖維細(xì)度測(cè)量過(guò)程的穩(wěn)定性和測(cè)量結(jié)果的準(zhǔn)確性。


圖1為基于顯微圖像的纖維自動(dòng)測(cè)量方法流程框圖；圖2為采集的羊毛纖維切片圖像；圖3為圖像分割結(jié)果示例；圖4為五個(gè)預(yù)定義的像素操作函數(shù)；圖5為纖維定位結(jié)果示例；圖6為實(shí)施軟硬件配置圖；圖7為纖維測(cè)量結(jié)果實(shí)例。
具體實(shí)施例方式本發(fā)明的優(yōu)選實(shí)施例結(jié)合

如下實(shí)施例一參見圖1，本基于顯微圖像的纖維細(xì)度測(cè)量方法，其特曾在于從有氣泡 或雜質(zhì)的顯微圖像中提取多個(gè)獨(dú)立的纖維目標(biāo)，并完成針對(duì)所有纖維的細(xì)度測(cè)量；具體測(cè) 量過(guò)程包括以下4個(gè)步驟①圖像采集從裝配有CCD和CMOS目鏡的顯微鏡視場(chǎng)中攝取纖維切片；②圖像分割對(duì)攝取的圖像進(jìn)行分割，從帶有氣泡和雜質(zhì)的背景中分離出所有目 標(biāo)纖維；③纖維定位在分割圖像的基礎(chǔ)上完成對(duì)圖像中所有纖維個(gè)體的識(shí)別與定位；④纖維細(xì)度計(jì)算計(jì)算所有被定位纖維的細(xì)度，并輸出結(jié)果。實(shí)施例二 本實(shí)施例與實(shí)施例一基本相同，方法流程如圖1。本實(shí)施例采用一個(gè)纖 維細(xì)度測(cè)量系統(tǒng)(附圖6)。該系統(tǒng)的硬件配置包括生物顯微鏡，帶有CCD或CMOS圖像采集 裝置的顯微目鏡，圖像采集卡和計(jì)算機(jī)系統(tǒng)。系統(tǒng)的軟件由圖像采集模塊，用戶交互接口， 算法支撐模塊和纖維測(cè)量試驗(yàn)?zāi)K組成。本實(shí)施例的測(cè)量纖維細(xì)度的步驟如下1)圖像采集由用戶通過(guò)人機(jī)接口提供的功能從顯微視場(chǎng)中采集一幅含有羊毛 纖維切片的圖像(附圖2)；2)圖像分割針對(duì)采集到的圖像，由算法模塊的圖像分割過(guò)程從帶有氣泡和雜 質(zhì)的背景中分離出所有目標(biāo)纖維。在此過(guò)程中，首先將圖像轉(zhuǎn)為灰度，然后根據(jù)濾波器尺 寸擴(kuò)展圖像區(qū)域，利用從左至右，從上至下逐行處理輸入圖像，直至所有行處理結(jié)束。在 每一行處理中先后執(zhí)行中值濾波I zManyHManVi+j-iDVi])和兩次差分濾波i =F1 (I M-I [r-d]), I = F2 (I M-I [r_d])，其中F1和F2分別表示低通均勻?yàn)V波函數(shù)和單閾 值濾波函數(shù)(附圖4)。接著算法進(jìn)行低值濾波操作I =MinaDVi]),為避刪除圖像中表達(dá) 目標(biāo)物體的有效區(qū)域，本步所用濾波窗口尺寸為上一步濾波窗口大小的1/2。大部分的前景 在這一步都可以被有效的分離出來(lái)。最后分別采用I = F3(I), I = F4(I), I = F5(I)三個(gè) 固定函數(shù)(附圖4)對(duì)圖像像素進(jìn)行變換。其中I表示被操作的圖像像素集合，F(xiàn)3, F4和F5 分別表示低通均勻?yàn)V波、高通均勻?yàn)V波和圖像翻轉(zhuǎn)3個(gè)函數(shù)操作(附圖4)。最后輸出分割 后的圖像(附圖3)。3)纖維定位由用戶點(diǎn)擊自動(dòng)測(cè)量按鈕，算法模塊中的自動(dòng)纖維定位處理過(guò)程以上一步輸出的分割圖像作為輸入，針對(duì)圖像每個(gè)像素?cái)?shù)據(jù)生成離散網(wǎng)格方陣。有算法過(guò)程 選取位于圖像背景中一個(gè)隨機(jī)點(diǎn)，以此點(diǎn)為圓心，在生成的圓周輪廓上搜索是否存在8個(gè) 與纖維相交的特征點(diǎn)。如存在這樣的特征點(diǎn)，則在次生成一個(gè)新的點(diǎn)進(jìn)行測(cè)試，如否，則確 定位于纖維輪廓之外，則以此點(diǎn)所在網(wǎng)格為初始點(diǎn)。搜索圓形路徑的半徑由纖維輪廓特征 模板設(shè)置的纖維寬度最大閾值和放大倍率的乘積確定。設(shè)置初始點(diǎn)時(shí)間Τ(、，j0) =0，其 它網(wǎng)格T(i，j) =°c。其中i、j分別表示當(dāng)前網(wǎng)格在整個(gè)方陣中的x、y坐標(biāo)，、、丸表達(dá)初 始點(diǎn)坐標(biāo)。從初始點(diǎn)出發(fā)，應(yīng)用Fast Marching方法進(jìn)行擴(kuò)展，擴(kuò)展速度為擴(kuò)展鋒面像素點(diǎn) 與相鄰像素差值的倒數(shù)。擴(kuò)展結(jié)束后，取擴(kuò)展封面構(gòu)成的封閉輪廓，根據(jù)模板設(shè)定的像素閾 值去除包含像素過(guò)少的輪廓，得到4個(gè)羊毛纖維目標(biāo)(附圖5)。4)纖維細(xì)度計(jì)算算法模塊中的自動(dòng)計(jì)算過(guò)程根據(jù)上一步得到的4個(gè)目標(biāo)，依 次進(jìn)行計(jì)算，分別得到羊毛纖維的細(xì)度值。這一步不需要用戶交互，直接返回一組測(cè)量值 (29. 4 μ m，30. 6 μ m，28. 1 μ m, 37. 7 μ m)到系統(tǒng)中，并在界面上為用戶顯示測(cè)量結(jié)果示例 (附圖7)。系統(tǒng)根據(jù)試驗(yàn)種類，根據(jù)算法返回?cái)?shù)據(jù)完成后續(xù)操作。實(shí)施例的方法經(jīng)過(guò)上述測(cè)量系統(tǒng)的實(shí)施，效果較好。多種濾波器的配合和基于 FastMarching算法的引入，使提取纖維目標(biāo)的有效性和穩(wěn)定性有了很大的改觀。此外由于 優(yōu)化了濾波器執(zhí)行過(guò)程，所以在纖維識(shí)別速度方面也有一定的改善，能夠滿足實(shí)時(shí)交互的需求。
權(quán)利要求
一種基于顯微圖像的纖維細(xì)度測(cè)量方法，其特征在于從帶有氣泡或雜質(zhì)的顯微圖像中提取多個(gè)獨(dú)立的纖維目標(biāo)，并完成針對(duì)所有纖維的細(xì)度測(cè)量；具體測(cè)量過(guò)程包括以下4個(gè)步驟(1)圖像采集從裝配有CCD和CMOS目鏡的顯微鏡視場(chǎng)中攝取纖維切片；(2)圖像分割對(duì)攝取的圖像進(jìn)行分割，從帶有氣泡和雜質(zhì)的背景中分離出所有目標(biāo)纖維；(3)纖維定位在分割圖像的基礎(chǔ)上完成對(duì)圖像中所有纖維個(gè)體的識(shí)別與定位；(4)纖維細(xì)度計(jì)算計(jì)算所有被定位纖維的細(xì)度，并輸出結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于顯微圖像的纖維細(xì)度測(cè)量方法，其特征在于所述的步驟(2)中的圖像分割的具體步驟是2. 1將采集圖像轉(zhuǎn)換為灰度圖像，使用半徑尺寸d= 10的濾波窗口，先后執(zhí)行中 值濾波 I = Mdtff.D+Mdtff.J-Itff,])和兩次差分濾波 I = F^lH-Itr-d]), I = F2(I[r]-I[r-d])，其中I表示被操作圖像的像素集合，M代表中值函數(shù)，W表示濾波窗口 ； I[Wi+1]和UWJ分別表達(dá)圖像中兩個(gè)相鄰窗口的像素集合，r表示當(dāng)前處理像素在圖像中 的行索引，&和F2分別表示低通均勻?yàn)V波函數(shù)和單閾值濾波兩個(gè)像素操作函數(shù)，針對(duì)圖像 的濾波操作順序均為從左到右，從上至下，這一步將突出圖像的邊緣特征，并初步去除背景 中微小的雜質(zhì)；2. 2進(jìn)行低值濾波操作I = Min(I [WJ)，其中Min表示低值濾波函數(shù)，I [WJ表示當(dāng)前 操作濾波窗口中的像素集合；為盡量避免刪除圖像中表達(dá)目標(biāo)物體的有效區(qū)域，本步驟所 用濾波窗口尺寸d設(shè)定為上一步濾波窗口大小的1/2 ；大部分的前景在這一步都可以被有 效的分離出來(lái)；2.3根據(jù)步驟2. 2中采用的濾波窗口尺寸進(jìn)行差分濾波，分別采用I = F3(I)，I = F4(I)，I = F5(I)三個(gè)固定函數(shù)對(duì)圖像像素進(jìn)行變換，其中I表示被操作的圖像像素集合， F3，F(xiàn)4和F5分別表示低通均勻?yàn)V波、高通均勻?yàn)V波和圖像翻轉(zhuǎn)3個(gè)像素操作函數(shù)；這個(gè)步驟 進(jìn)一步去除了圖像中的雜質(zhì)，將背景和目標(biāo)完全分離。
3.根據(jù)權(quán)利要求1所述的基于顯微圖像的纖維細(xì)度測(cè)量方法，其特征在于所述的步驟(3)中的纖維定位的操作是以所述步驟(2)的圖像分割結(jié)果為基礎(chǔ)，針對(duì)圖像每個(gè)像素?cái)?shù) 據(jù)生成離散網(wǎng)格方陣；選取位于圖像背景中一個(gè)點(diǎn)，以此點(diǎn)為圓心，在生成的圓周輪廓上搜 索是否存在8個(gè)與纖維相交的特征點(diǎn)，如否，則確定位于纖維輪廓之外，則以此點(diǎn)所在網(wǎng)格 為初始點(diǎn)；搜索圓形路徑的半徑由纖維輪廓特征模板設(shè)置的纖維寬度最大閾值和放大倍率 的乘積確定，設(shè)置初始點(diǎn)時(shí)間！"(、，M =0，其它網(wǎng)格儀1，j)=~。其中i、j分別表示當(dāng) 前網(wǎng)格在整個(gè)方陣中的x、y坐標(biāo)，iQ、jQ表達(dá)初始點(diǎn)坐標(biāo)；從初始點(diǎn)出發(fā)，應(yīng)用FastMarching 方法進(jìn)行擴(kuò)展，擴(kuò)展速度為擴(kuò)展鋒面像素點(diǎn)與相鄰像素差值的倒數(shù)。
4.根據(jù)權(quán)利要求1所述的基于顯微圖像的纖維細(xì)度測(cè)量方法，其特征在于，所述的步 驟(4)的纖維細(xì)度計(jì)算是遍歷圖像中的所有輪廓，定位輪廓內(nèi)部一點(diǎn)，在所述的圓形輪廓 中搜索，取相鄰的兩對(duì)穿出纖維和穿入纖維的特征點(diǎn)，分別得到兩條直線，計(jì)算這兩條直線 間的垂直距離，此距離即為纖維的細(xì)度值；當(dāng)遍歷結(jié)束后，將返回一組纖維細(xì)度的測(cè)量值， 即纖維細(xì)度測(cè)量的結(jié)果。
全文摘要
本發(fā)明涉及一種基于顯微圖像的纖維細(xì)度測(cè)量方法，本方法從顯微圖像中提取多個(gè)獨(dú)立的纖維目標(biāo)，并計(jì)算其細(xì)度。方法具體如下首先，從CMOS或CCD圖像采集器件的生物顯微鏡視場(chǎng)中攝取纖維切片圖像；然后從可能帶有氣泡或雜質(zhì)的圖像背景中分離出多個(gè)獨(dú)立的纖維目標(biāo)，這個(gè)過(guò)程中應(yīng)用多種差分濾波、中值濾波及其它濾波器的組合降低雜質(zhì)和不同光照條件的影響；接著利用Fast Marching算法在分割圖像中定位所有纖維；最后進(jìn)行纖維細(xì)度計(jì)算，完成針對(duì)所有纖維細(xì)度的測(cè)量。本發(fā)明與已有的技術(shù)相比，能避免不同采集設(shè)備和光照環(huán)境對(duì)分割算法產(chǎn)生影響，提高纖維細(xì)度測(cè)量過(guò)程的穩(wěn)定性和測(cè)量結(jié)果的準(zhǔn)確率。
文檔編號(hào)G01B11/08GK101806583SQ20101011758
公開日2010年8月18日 申請(qǐng)日期2010年3月4日 優(yōu)先權(quán)日2010年3月4日
發(fā)明者姚遠(yuǎn), 將云良, 王家偉, 胡慶夕, 胡志敏 申請(qǐng)人:上海大學(xué)