專利名稱：基于霧天圖像復(fù)原和圖像融合的圖像去霧方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種基于可見光圖像和近紅外圖像，結(jié)合暗原色先驗和加權(quán)最小二乘濾波器的去霧方法。
背景技術(shù)：
在霧天情況下，由于景物的能見度降低，以致在相機獲取的圖像中，目標對比度和顏色特征被大大地衰減，因此需要消除霧氣的影響。隨著計算機技術(shù)的不斷發(fā)展，對有霧條件下的景物影像進行去霧處理已經(jīng)成為可能。事實上，圖像去霧一直是計算機視覺領(lǐng)域研究的重要內(nèi)容，其主要應(yīng)用在目標探測、視頻監(jiān)控、地形勘測和自動駕駛等領(lǐng)域。目前圖像去霧的方法主要有兩類，即霧天圖像增強和霧天圖像復(fù)原。霧天圖像的增強方法不考慮圖像退化的原因，單從圖像處理的角度出發(fā)，增強圖像的對比度，改善圖像的視覺效果，突出圖像的細節(jié)，但對于突出部分的信息可能會造成一定損失；霧天圖像復(fù)原是研究霧天圖像退化的物理過程，建立退化模型，反演退化過程，補償由于霧氣存在所造成的圖像失真，從而改善霧天圖像的質(zhì)量。這種方法針對性強，得到的去霧效果自然，一般不會有信息損失，處理的關(guān)鍵點是模型中參數(shù)的估計。圖像融合是指將不同波段采集到的同一目標的圖像數(shù)據(jù)經(jīng)過圖像處理和計算機技術(shù)等，最大限度的提取各波段圖像中的有效信息，最后融合成高質(zhì)量的圖像，從而提高圖像信息的利用率，增強圖像中信息透明度和目標的對比度，以形成對目標信息描述的清晰性、完整性和準確性。圖像融合在醫(yī)學、遙感、計算機視覺、氣象預(yù)報及軍事目標識別等方面的應(yīng)用潛力得到充分認識、尤其在計算機視覺方面，圖像融合被認為是克服目前某些難點的技術(shù)方向；在航天、航空多種運載平臺上，各種遙感器所獲得的大量光譜遙感圖像的融合，為信息的高效提取提供了良好的處理手段，取得明顯效益。但是，目前還沒有提出結(jié)合霧天圖像復(fù)原和圖像融合的圖像去霧方法，傳統(tǒng)的霧天圖像去霧方法的效果均不夠理想。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種去霧后圖像清晰、對比度和清晰度高、細節(jié)豐富的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法。為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為一種基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其實施步驟如下1)輸入有霧的可見光圖像，獲取可見光圖像的暗原色，并根據(jù)暗原色獲取可見光圖像的大氣光值；2)根據(jù)暗原色先驗獲取可見光圖像的透射率初始值，根據(jù)軟摳圖方法對透射率初始值進行優(yōu)化，得到優(yōu)化后的透射率；3)根據(jù)霧圖形成模型，利用所述大氣光值和所述優(yōu)化后的透射率恢復(fù)有霧的可見光圖像，得到初步去霧圖像；4)輸入與所述可見光圖像同一場景的近紅外圖像，將近紅外圖像和所述初步去霧
4圖像的亮度信息分別進行多次加權(quán)最小二乘濾波，根據(jù)濾波結(jié)果獲取融合圖像亮度信息；5)用融合后的圖像亮度信息替代初步去霧圖像的亮度信息，得到最終去霧圖像。作為上述技術(shù)方案的進一步改進所述步驟1)中獲取可見光圖像的暗原色具體是指根據(jù)
/M(X) =Cy)))獲取可見光圖像的暗原色Itok，其中C表示r通道、g通道或者
b通道；Γ表示圖I的C通道的分量，I為輸入的可見光圖像，Ω (χ)表示以像素點X為中心的正方形區(qū)域。所述步驟1)中獲取可見光圖像的大氣光值具體是指首先從可見光圖像的暗原色的所有點中提取部分最亮點，然后在所述部分最亮點對應(yīng)可見光圖像的像素中選擇強度最大的像素點的值作為大氣光值。所述步驟2、中根據(jù)暗原色先驗獲取可見光圖像的透射率初始值具體是指根據(jù)
t' = l-m min(min；)獲取可見光圖像的透射率初始值t ‘，其中c為r通道、g通道或者b通
c Ω A
道；Γ為圖I的c通道的分量，I為輸入的可見光圖像，Ω為以像素點X為中心的正方形區(qū)域，Ae為大氣光值的c通道的分量，ω為常數(shù)系數(shù)。所述步驟2、中根據(jù)軟摳圖方法對透射率初始值進行優(yōu)化具體是指根據(jù)t = Xt' /(L+λ U)獲取優(yōu)化后的透射率t，其中L為軟摳圖拉普拉斯矩陣，λ為修正參數(shù)，U 為和L相同大小的單位矩陣。所述步驟幻中恢復(fù)可見光圖像具體是指根據(jù)) 獲取初步去霧圖
像J，其中I為輸入的可見光圖像，A為大氣光值，t為優(yōu)化后的透射率，t0為常數(shù)。所述步驟4)進行多次加權(quán)最小二乘濾波并根據(jù)濾波結(jié)果獲取融合圖像亮度信息具體是指將近紅外圖像或者初步去霧圖像的亮度信息作為輸入?yún)?shù)進行第一次加權(quán)最小二乘濾波，然后將當前的濾波結(jié)果作為下一次濾波的輸入?yún)?shù)進行多次加權(quán)最小二乘濾波，獲取每一次濾波的輸入?yún)?shù)與輸出結(jié)果的差值，并將該差值除以當次濾波的輸出結(jié)果， 獲得與濾波次數(shù)相對應(yīng)的多組可見光圖像亮度信息和近紅外圖像的對比圖像；將所述多組對比圖像中的每一組可見光圖像亮度信息和近紅外圖像進行比較獲取其中的較大值，然后將較大值加1后進行連乘運算，再將連乘運算結(jié)果乘以最后一次濾波輸出的可見光圖像的亮度信息，得到融合后的可見光圖像的亮度信息。所述步驟4)中進行加權(quán)最小二乘濾波時，加權(quán)最小二乘濾波的表達式為 ΖΓ+1 =w^(Zak)，其中Ζ；"為第k次濾波的輸入?yún)?shù)，Z表示輸入的初步去霧圖像的亮度信息或近紅外圖像，ζ:為第k次濾波的輸出參數(shù)以及第k+1次濾波的輸入?yún)?shù)，WvJO為加權(quán)最小二乘濾波器。所述加權(quán)最小二乘濾波器^^ (·)的表達式為^^ (O = (U + A0CkLgY1，其中λ Qck為
第k次濾波結(jié)果的粗糙度，λ ^為進行第一次濾波時輸入?yún)?shù)的粗糙度，c為常數(shù)系數(shù)，k為濾波序號，Lg為拉普拉斯矩陣，U為和Lg相同大小的單位矩陣。本發(fā)明具有下述優(yōu)點本發(fā)明提出了一種結(jié)合暗原色先驗和加權(quán)最小二乘濾波器的圖像去霧算法，利用基于暗原色先驗的單幅霧天圖像去霧方法，以及基于加權(quán)最小二乘濾波器的可見光圖像和近紅外圖像的融合技術(shù)，得到清晰的去霧圖像，該算法能有效地提高霧天圖像的對比度和清晰度，增加圖像細節(jié)信息，能顯著改善由霧氣造成的圖像對比度下降、景物顏色失真以及亮度減弱等圖像質(zhì)量退化的情況，得到高質(zhì)量的去霧圖像，具有去霧圖像清晰、對比度和清晰度高、細節(jié)豐富的優(yōu)點。


圖1為本發(fā)明實施例的實施流程示意圖；圖2為輸入的有霧場景的可見光圖像；圖3為圖2的暗原色；圖4為根據(jù)暗原色先驗由圖2、圖3獲得的透射率初始值；圖5為根據(jù)軟摳圖方法得到的透射率優(yōu)化值；圖6為根據(jù)霧圖形成模型得到的初步去霧圖像；圖7為輸入的同一場景的近紅外圖像；圖8為根據(jù)最小二乘濾波由圖6、圖7得到的融合圖像，即最終去霧圖像。
具體實施例方式如圖1所示，本發(fā)明實施例基于霧天圖像復(fù)原和圖像融合的圖像去霧方法的實施步驟如下1)輸入有霧的可見光圖像，獲取可見光圖像的暗原色，并根據(jù)暗原色獲取可見光圖像的大氣光值；2)根據(jù)暗原色先驗獲取可見光圖像的透射率初始值，根據(jù)軟摳圖方法對透射率初始值進行優(yōu)化，得到優(yōu)化后的透射率；3)根據(jù)霧圖形成模型，利用大氣光值和優(yōu)化后的透射率恢復(fù)有霧的可見光圖像， 得到初步去霧圖像；4)輸入與可見光圖像同一場景的近紅外圖像，將近紅外圖像和初步去霧圖像的亮度信息分別進行多次加權(quán)最小二乘濾波，根據(jù)濾波結(jié)果獲取融合圖像亮度信息；5)用融合后的圖像亮度信息替代初步去霧圖像的亮度信息，得到最終去霧圖像。步驟1)中獲取可見光圖像的暗原色具體是指根據(jù)= 41 ^%)))獲取可見光圖像的暗原色Itok，其中c表示r通道、g通道或者b通道；Γ表示圖I的c通道的分量，I為輸入的可見光圖像，Ω (χ)表示以像素點χ為中心的正方形區(qū)域。Ω (χ)區(qū)域大小應(yīng)以恰好能覆蓋除天空區(qū)域以外的白色物體為宜，本實施例中，可見光圖像(如圖2所示)和近紅外圖像(如圖7所示)的像素大小均為563*373，Ω (χ)區(qū)域大小為9*9大小的區(qū)域。圖2的暗原色如圖3所示。步驟1)中獲取可見光圖像的大氣光值具體是指首先從可見光圖像的暗原色的所有點中提取部分最亮點，然后在部分最亮點對應(yīng)可見光圖像的像素中選擇強度最大的像素點的值作為大氣光值。本實施例提取部分最亮點時，提取0. 數(shù)量的最亮點作為部分最
売點ο步驟幻中根據(jù)暗原色先驗獲取可見光圖像的透射率初始值具體是指根據(jù)
6t' = l-m min(min；)獲取可見光圖像的透射率初始值t ‘，其中c為r通道、g通道或者b通
c ω a
道；Γ為圖I的c通道的分量，I為輸入的可見光圖像，Ω為以像素點χ為中心的正方形區(qū)域，Ae為大氣光值的c通道的分量，ω為常數(shù)系數(shù)。ω可取值0< ω ( 1，本實施例中ω =0. 8。暗原色先驗來自對戶外無霧圖像數(shù)據(jù)庫的統(tǒng)計規(guī)律，它基于經(jīng)觀察得到的這么一個關(guān)鍵事實——絕大多數(shù)的戶外無霧圖像的每個局部區(qū)域都存在某些至少一個顏色通道的強度值很低的像素。利用這個先驗知識分析去霧模型，我們可直接估算圖像的透射率以
及場景的深度信息。根據(jù)i' = l- min(min;)計算可見光圖像的透射率初始值t'時運用
c ω a
了暗原色先驗，其推導過程如下在計算機視覺和計算機圖形中，下述方程所描述的霧圖形成模型被廣泛使用
I(x) =J (χ) t (χ) +A (l_t (χ))其中，I是指觀測到的圖像的強度，J是景物光線的強度，A是全球大氣光成分，t 用來描述光線通過媒介透射到照相機過程中沒有被散射的部分，稱為透射率。假定在一個局部區(qū)域的透射率是恒定不變的，由霧圖形成方程可以得到
J /7 = ^f 十重一 f對上式左右兩邊都進行與計算暗原色相同的操作，有
J w>TC·mirJmin-—) = {ηι η(ητ η-—)} + 1 - 根據(jù)暗原色先驗π ηΩ (mincJc) — 0，上式可以寫成￠ = 1- mi.n,.n (mi n:c現(xiàn)實中，即使是很晴朗的天氣，空氣中總會不可避免地包含一些雜質(zhì)分子。因此， 引進一個常數(shù)ω ( < ω < 1)，有針對性的保留一部分覆蓋遙遠景物的霧，從而最終得到表
Γ
達式廣= 1_ω min(min —)
ο透射率的初始值如圖4所示。步驟2、中根據(jù)軟摳圖方法對透射率初始值進行優(yōu)化具體是指根據(jù)t = λ t' / (L+λυ)獲取優(yōu)化后的透射率t，其中L為軟摳圖拉普拉斯矩陣，U為和L相同大小的單位矩陣，λ為修正參數(shù)，本實施例中λ = 10Λ霧圖形成模型方程和摳圖方程在形式上是相同的，透射率的分布可以當做是阿爾法的分布。因此，優(yōu)化后的透射率可以通過最小化以下代價函數(shù)來求得E(t) = tTLt+A (t-t' )T(t-t')軟摳圖拉普拉斯矩陣中的元素L(i，j)定義如下
r ι rε^Σ1 + (/^^/(^ +JJ3)-1^.
剛八 KKKlJJ其中，wk為以像素點k為中心的3*3像素大小的窗口，|wk|為Wk窗口區(qū)域的像素個數(shù)，Sij為克羅內(nèi)克符號，Ii是一個3*1的矩陣，三個元素分別是輸入圖像在i像素點處的r、g、b信息；1」是一個3*1的矩陣，三個元素分別是輸入圖像在j像素點處的r、g、b信息；μ k是窗口 wk窗口區(qū)域中元素的平均值；Σ k為Wk窗口區(qū)域中元素的方差；U3是一個3*3 的單位矩陣，ε也是一個修正參數(shù)，本實施例中ε = ΙΟ"20透射率的優(yōu)化值如圖5所示。步驟3)中恢復(fù)可見光圖像具體是指根據(jù)J =+ j獲取初步去霧圖像J，
其中I為輸入的可見光圖像，A為大氣光值，t為優(yōu)化后的透射率，、為常數(shù)，本實施例中、 =0.1。初步去霧圖像如圖6所示。步驟4)進行多次加權(quán)最小二乘濾波并根據(jù)濾波結(jié)果獲取融合圖像亮度信息具體是指將近紅外圖像或者初步去霧圖像的亮度信息作為輸入?yún)?shù)進行第一次加權(quán)最小二乘濾波，然后將當前的濾波結(jié)果作為下一次濾波的輸入?yún)?shù)進行多次加權(quán)最小二乘濾波，獲取每一次濾波的輸入?yún)?shù)與輸出結(jié)果的差值，并將該差值除以當次濾波的輸出結(jié)果，獲得與濾波次數(shù)相對應(yīng)的多組可見光圖像亮度信息和近紅外圖像的對比圖像；將所述多組對比圖像中的每一組可見光圖像亮度信息和近紅外圖像進行比較獲取其中的較大值，然后將較大值加1后進行連乘運算，再將連乘運算結(jié)果乘以最后一次濾波輸出的可見光圖像的亮度信息，得到融合后的可見光圖像的亮度信息。步驟4)中進行加權(quán)最小二乘濾波時，加權(quán)最小二乘濾波的表達式為 zL1 =w^AzD，其中ζ；"為第k次濾波的輸入?yún)?shù)，ζ表示輸入的初步去霧圖像的亮度信息或近紅外圖像，ζ:為第k次濾波的輸出參數(shù)以及第k+i次濾波的輸入?yún)?shù)，『vi(_)為加權(quán)最小二乘濾波器。加權(quán)最小二乘濾波器WvO的表達式為^^O = (" + Vl》—1，其中λ Ock為第k
次濾波結(jié)果的粗糙度，λ ^為進行第一次濾波時輸入?yún)?shù)的粗糙度，c為常數(shù)系數(shù)，k為濾波序號，Lg為拉普拉斯矩陣，U為和Lg相同大小的單位矩陣。本實施例中，= l，c = 2。拉普拉斯矩陣的表達式為、=DtxAxDx +DryAyDy，Dx和Dy為離散差分算子，Ax、Ay
是對角矩陣，其元素定義為= (]|cp)f + f)"", i e Cv.y.M表示輸入圖像的亮度信息的
常數(shù)對數(shù)值，P表示像素位置，α為常數(shù)系數(shù)，本實施例中，α =1.2，ε為一個很小的常數(shù)，本實施例中ε = 0.0001。本實施例中經(jīng)過六次濾波之后，根據(jù)下式求取每一次濾波結(jié)果的對比圖像 (contrast image)Zi1-z^ztl其中k為通過的濾波器序號，取值范圍從1到6 ；Zak為第k個濾波器的輸入?yún)?shù)， Z表示亮度信息V或近紅外圖像N ；Zak+1為第k個濾波器的輸出參數(shù)；Zdk+1為第k個濾波器的輸出結(jié)果的對比圖像。將得到的每一組對比圖像作比較取最大值，加1后連乘，將得到的值再乘以最后一個濾波器輸出的亮度信息，即得到融合后的圖像亮度信息，如下式F0 = 2 TT'"￥“)+ 1)
i ^k=I其中η為濾波次數(shù)(本實驗中η = 6) ；Van+1為第η個濾波器輸出的可見光圖像亮度信息；Vdk+1為第k個濾波器輸出的可見光圖像亮度信息的對比圖像；Ndk+1為第k個濾波器輸出的近紅外圖像的對比圖像；Π為連乘符號。最后，利用所得融合后的圖像亮度信息，結(jié)合步驟(3)獲得的可見光圖像的初步去霧圖像，即可得到最終的去霧圖像，如圖8所示。
以上所述僅為本發(fā)明的優(yōu)選實施方式，本發(fā)明的保護范圍并不僅限于上述實施方式，凡是屬于本發(fā)明原理的技術(shù)方案均屬于本發(fā)明的保護范圍。對于本領(lǐng)域的技術(shù)人員而言，在不脫離本發(fā)明的原理的前提下進行的若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。
權(quán)利要求
1.一種基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于其實施步驟如下1)輸入有霧的可見光圖像，獲取可見光圖像的暗原色，并根據(jù)暗原色獲取可見光圖像的大氣光值；2)根據(jù)暗原色先驗獲取可見光圖像的透射率初始值，根據(jù)軟摳圖方法對透射率初始值進行優(yōu)化，得到優(yōu)化后的透射率；3)根據(jù)霧圖形成模型，利用所述大氣光值和所述優(yōu)化后的透射率恢復(fù)有霧的可見光圖像，得到初步去霧圖像；4)輸入與所述可見光圖像同一場景的近紅外圖像，將近紅外圖像和所述初步去霧圖像的亮度信息分別進行多次加權(quán)最小二乘濾波，根據(jù)濾波結(jié)果獲取經(jīng)融合的圖像亮度信息；5)用融合后的圖像亮度信息替代初步去霧圖像的亮度信息，得到最終去霧圖像。
2.根據(jù)權(quán)利要求1所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述步驟υ中獲取可見光圖像的暗原色具體是指根據(jù)=41 , Pi^1(Poo))獲取可見光圖像的暗原色Itok，其中c表示r通道、g通道或者b通道；Γ表示圖I的c通道的分量，I為輸入的可見光圖像，Ω (χ)表示以像素點χ為中心的正方形區(qū)域。
3.根據(jù)權(quán)利要求2所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述步驟1)中獲取可見光圖像的大氣光值具體是指首先從可見光圖像的暗原色的所有點中提取部分最亮點，然后在所述部分最亮點對應(yīng)可見光圖像的像素中選擇強度最大的像素點的值作為大氣光值。
4.根據(jù)權(quán)利要求1所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述步驟幻中根據(jù)暗原色先驗獲取可見光圖像的透射率初始值具體是指根據(jù)t' = l-m min(min；)獲取可見光圖像的透射率初始值t ‘，其中c為r通道、g通道或者b通c ω a道；Γ為圖I的c通道的分量，I為輸入的可見光圖像，Ω為以像素點χ為中心的正方形區(qū)域，Ae為大氣光值的c通道的分量，ω為常數(shù)系數(shù)。
5.根據(jù)權(quán)利要求4所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述步驟幻中根據(jù)軟摳圖方法對透射率初始值進行優(yōu)化具體是指根據(jù)t= At' / (L+AU)獲取優(yōu)化后的透射率t，其中L為軟摳圖拉普拉斯矩陣，λ為修正參數(shù)，U為和L相同大小的單位矩陣。
6.根據(jù)權(quán)利要求1所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述步驟3)中恢復(fù)可見光圖像具體是指根據(jù)J=、+W獲取初步去霧圖像J，其中I為輸入的可見光圖像，A為大氣光值，t為優(yōu)化后的透射率，t0為常數(shù)。
7.根據(jù)權(quán)利要求1 6中任意一項所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述步驟4)進行多次加權(quán)最小二乘濾波并根據(jù)濾波結(jié)果獲取融合圖像亮度信息具體是指將近紅外圖像或者初步去霧圖像的亮度信息作為輸入?yún)?shù)進行第一次加權(quán)最小二乘濾波，然后將當前的濾波結(jié)果作為下一次濾波的輸入?yún)?shù)進行多次加權(quán)最小二乘濾波，獲取每一次濾波的輸入?yún)?shù)與輸出結(jié)果的差值，并將該差值除以當次濾波的輸出結(jié)果，獲得與濾波次數(shù)相對應(yīng)的多組可見光圖像亮度信息和近紅外圖像的對比圖像；將所述多組對比圖像中的每一組可見光圖像亮度信息和近紅外圖像進行比較獲取其中的較大值，然后將較大值加1后進行連乘運算，再將連乘運算結(jié)果乘以最后一次濾波輸出的可見光圖像的亮度信息，得到融合后的可見光圖像的亮度信息。
8.根據(jù)權(quán)利要求7所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述步驟4)中進行加權(quán)最小二乘濾波時，加權(quán)最小二乘濾波的表達式為 ΖΓ+1 =^(Ζ)，其中Ζ；"為第k次濾波的輸入?yún)?shù)，Z表示輸入的初步去霧圖像的亮度信息或近紅外圖像，Ζ:為第k次濾波的輸出參數(shù)以及第k+Ι次濾波的輸入?yún)?shù)，^/(·)為加權(quán)最小二乘濾波器。
9.根據(jù)權(quán)利要求8所述的基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其特征在于所述加權(quán)最小二乘濾波器^/(·)的表達式為=^其中XtlCk為第k次濾波結(jié)果的粗糙度，λ ^為進行第一次濾波時輸入?yún)?shù)的粗糙度，C為常數(shù)系數(shù)，k為濾波序號，Lg為拉普拉斯矩陣，U為和Lg相同大小的單位矩陣。
全文摘要
本發(fā)明公開了一種基于霧天圖像復(fù)原和圖像融合的圖像去霧方法，其實施步驟如下1)輸入有霧的可見光圖像，獲取可見光圖像的大氣光值；2)根據(jù)暗原色先驗獲取可見光圖像的透射率初始值，根據(jù)軟摳圖方法對透射率初始值進行優(yōu)化，得到優(yōu)化后的透射率；3)根據(jù)霧圖形成模型，利用大氣光值和優(yōu)化后的透射率恢復(fù)可見光圖像，得到初步去霧圖像；4)輸入同一場景的近紅外圖像，將近紅外圖像和所述初步去霧圖像的亮度信息分別進行多次加權(quán)最小二乘濾波，根據(jù)濾波結(jié)果獲取經(jīng)融合的圖像亮度信息；5)用融合后的圖像亮度信息替代初步去霧圖像的亮度信息，得到最終去霧圖像。本發(fā)明具有提高圖像的對比度和清晰度、增加圖像細節(jié)的優(yōu)點。
文檔編號G06T5/50GK102254313SQ201110196878
公開日2011年11月23日 申請日期2011年7月14日 優(yōu)先權(quán)日2011年7月14日
發(fā)明者馮華君, 徐之海, 李奇, 陶叔銀 申請人:浙江大學