基于IP網的視頻監(jiān)控圖像傳輸?shù)难芯?/h1>
2011-09-29 02:34:42方世林
湖南理工學院學報(自然科學版) 2011年1期
方世林
(湖南理工學院 計算機學院,湖南 岳陽 414006)
基于IP網的視頻監(jiān)控圖像傳輸?shù)难芯?/p>
方世林
(湖南理工學院 計算機學院,湖南 岳陽 414006)
在網絡化、數(shù)字化的視頻監(jiān)控系統(tǒng)中,應用基于小波變換的視頻對象分割融合法,提出視圖定位法,讓前端的網絡視頻服務器實現(xiàn)前景運動對象與背景的分割,并在監(jiān)控中心利用該視圖定位法,快速實現(xiàn)前景運動對象圖像和背景圖像的融合.此外,對運用上述方法的視頻監(jiān)控圖像傳輸進行了性能分析.最后,對本領域的研究進行了總結.
視頻對象;視圖定位法;分割融合法;視頻監(jiān)控
引言
在基于IP網的遠程監(jiān)控系統(tǒng)中,面臨著一個較大的問題是:大量視頻圖像的傳輸和運動對象的跟蹤.傳統(tǒng)的視頻監(jiān)控系統(tǒng)都是傳輸完整的視頻圖像,在低帶寬的情況下,大多數(shù)采用降低空間分辨率和幀率的方法.本文研究了在攝像監(jiān)控端采用視頻對象的分割技術,實效地傳輸運動對象,再結合視圖定位法,在監(jiān)控中心運用圖像的融合技術,以此減少圖像傳輸碼流和充分實時傳輸有效信息,解決網絡化視頻監(jiān)控系統(tǒng)傳輸?shù)木W絡帶寬問題和提高視頻監(jiān)控系統(tǒng)跟蹤運動對象的實效性.
1 視頻對象的分割融合法
采用基于小波變換的分割算法[1～3]、融合算法[4～10],在改進這些算法的基礎上,進行視頻對象與背景圖像的分割與融合.根據(jù)在頻率域上前景的運動表現(xiàn)為高頻率成分,而相對靜止的背景由于幾乎沒有變化,表現(xiàn)為低頻成分的原理,在前端的網絡視頻服務器上,對視頻對象采用基于小波變換的分割,分離出高頻成分的運動前景對象和低頻成分的背景,傳輸高頻成分的運動前景對象到監(jiān)控中心,然后使這些高頻成分的運動對象與存儲在監(jiān)控中心的背景圖像采用基于小波變換的融合算法,結合視圖定位法,快速實現(xiàn)它們之間的融合.
1.1 視頻對象分割過程
a)按一定的幀率,將視頻序列劃為若干視頻分組序列;
b)對視頻分組序列在時間軸上進行小波變換;
c)對視頻分組序列小波變換以后的高頻系數(shù)進行處理,得到高頻圖像;
d)高頻圖像自適應二值化,得到一個初步的掩模圖像;
e)對自適應二值化后的掩模圖像進行二值形態(tài)學處理(去除噪聲、邊界檢測、骨架化、區(qū)域分割)得到最終的掩模;
f)根據(jù)掩模提取該組圖像序列中的運動視頻對象.
經過視頻對象分割算法,最后得到運動視頻對象圖像,步驟如圖1所示.在視頻分割時候,對運動視頻對象圖像進行了視圖定位處理,就是提取了運動視頻對象的角點,再把這些特征點在背景圖像中的位置以流碼的形式傳輸,使視頻運動對象圖像和背景圖像準確快速地融合.
圖1 基于小波變換的視頻對象分割步驟圖
1.2 視頻對象融合過程
a)由于傳輸過來的視頻對象圖像A、B、C都是高頻圖像,對他們采用小波分解,得到的是高頻子圖像A1、B1、C1,而背景圖像本來就是低頻圖像,所以不需要進行小波分解.
b)對高頻子圖像采用相應的融合規(guī)則及融合算法進行融合,得到高頻的融合圖像Dh(F).在對高頻子圖像集進行融合的過程中,結合視圖定位法,使各高頻子圖的相對位置準確.
c)對融合后的低頻和高頻圖像結合視圖定位法進行小波逆變換,重構得到融合圖像E.首先把由分割得來的視頻對象圖像A、B、C進行融合,得到高頻融合圖像D,圖像D再與低頻背景圖像融合,過程如圖2所示.
圖2 基于小波變換的視頻對象融合過程圖
2 視頻監(jiān)控圖像傳輸機制
2.1 視頻監(jiān)控圖像傳輸步驟
a)進行監(jiān)控全景的取景;
b)傳輸整個視圖全景圖像,在網絡視頻服務器和監(jiān)控中心分別保存一份;
c)對下次傳輸?shù)囊晥D進行前景運動對象和背景的分割,傳輸前景運動對象;
d)在監(jiān)控中心,運用視圖定位法,快速地把傳來的前景運動對象與保存的全景背景圖像進行融合;
e)實時地進行監(jiān)控全景圖像背景的更新.
2.2 圖像定位法
2.2.1 提取出圖像特征點算法
在圖像分割時,對圖像進行二值化,用圖像形態(tài)學的梯度、細化和修剪算法來提取邊緣輪廓.本文用Forstner算子[11,12]得到圖像的角點.對于角點,對最佳窗口內通過每個像元的邊緣直線(垂直于梯度方向)進行加權中心化,得到角點的定位坐標,具體如下.
a)最佳窗口
以每個像素為中心,取一個窗口N(如5×5).計算每個窗口的有利值q和w.如果有利值大于給定的閾值,則將以該像元為中心的窗口作為候選最佳窗口,閾值為經驗值,抑制局部非最大,得到最佳窗口.為了減少計算量,在計算q,w值之前,可以先計算像元:分別算出在x,y正方向上的4個梯度值的絕對值,取出4個值中的最小值記為T,只有T值大于某個閾值時才計算q,w值.
b)角點定位
最佳窗口內任意一個像元(r,c)的邊緣直線L的方程為
其中ρ為原點(設為最佳窗口的左上角像元)到直線L的距離,θ為梯度角,,而gc、gr為該點的Robert梯度.設角點坐標為(c0,r0),設v是點(c,r)到直線L的垂直距離,在(c,r)處給出誤差方程,即
上式的含義是:把原點到邊緣直線的距離ρ當作觀測值,而保持邊緣直線的方向不變,權w(r,c)等于梯度模的平方,所以權實質上是一個邊緣尺度.對上式法化,得到法方程
法化結果與最佳窗口內像元的加權中心結果一致.對上式求解,可以得到角點坐標(c0,r0).
2.2.2 圖像定位過程
在視頻圖像的傳輸過程中,運用圖像定位法,首先對監(jiān)控全景用矩陣平面圖來表示,如圖3,以監(jiān)控全景的最左上方的為始點,以最右下方為終點.那么每一個像素點可以用矩陣點來表示,比如,對于按行來排列的矩陣,A[i,j]表示第(i-1)×n+j個像素點.
圖3 全景背景矩陣平面圖
前景運動對象用平面圖4來表示.坐標(a,b)、(c,d)、(e,f)、(g,h)是通過Forstner算子得到的四個角點坐標,經過矩陣處理得到圖5.
圖4 前景運動對象平面圖
圖5 經過矩陣處理的矩陣平面圖
當前景運動對象到達監(jiān)控中心時,實現(xiàn)與背景圖像的融合.在圖6中,通過視頻圖像的定位法,把分割的前景運動對象圖定位到全景背景圖中.
圖6 前景運動對象在背景圖像的定位圖
3 性能分析
基于小波變換的視頻對象分割、融合算法,在文[13]中,給出了小波融合結果與兩種金字塔(Laplace、梯度金字塔)融合結果的客觀性能評價,小波融合結果在圖像均值、標準差和結構相似度(SSIM)3項指標上的值均高于其他兩種融合結果對應的指標值,表明了小波圖像融合方法更好地綜合了源圖像的信息,獲得的融合圖像更為清晰.在文[10]中的實驗結果證明,背景相對靜止的情況下,基于小波變換的分割算法能夠比較準確地對運動對象進行分割.
由于本論文提出的圖像傳輸方式減少了重復的背景圖像流碼的傳輸,從而使網絡減少阻塞,解決了網絡帶寬問題.傳輸?shù)氖且曨l運動對象,這樣使視頻監(jiān)控系統(tǒng)方便地跟蹤目標對象.采用了視圖定位法,使得圖像之間實現(xiàn)了快速融合.
4 結束語
本文用到的視頻對象與背景圖像的分割、融合算法都是基于小波變換.在視圖定位法中,用到的特征點位置的定位,采用了 Forstner算子,只取視頻運動對象在背景圖像中的一些角點坐標,但對取多少個角點坐標沒有給出明確的定義,這是后續(xù)所要研究的.由于采用了視頻運動對象與背景圖像分離的傳輸機制,這樣解決了網絡帶寬問題,提高跟蹤、監(jiān)控運動對象的明確性,將來會在基于網絡化的智能視頻監(jiān)控系統(tǒng)中大有發(fā)展.
[1]丘錦波,朱光喜,王 曜.一種基于小波變換的視頻對象分割算法[J].計算機工程,2002,28(05):72～74
[2]Fujimura K,Samet,H.A Hierarchical Strategy for Path Among Moving Obstacles[J].Robotic and Automation,IEEE Transactions on,1989,5(1):61～69
[3]Noborio H,Naniwa T,Arimoto S.A feasible Motion-planning algorithm for a mobile Robot based on a quadtree representation[C].IEEE International Conference on Robotics and Automation,1989:327～332
[4]Zhang Z,Blum R S.A categorization of multiscale decomposition based image fusion achemes with a performance study for a digital camera application[J].Proceedings of the IEEE,1999,87(8):1315～1326
[5]Wang Z J,Ziou D,Armenakis C,Li D,Li Q Q.A comparative analysis of image fusion methods[J].IEEE Transaction on Geosciences and Remote Sensing,2005,43(6):1391～1402
[6]Sweldens I,Sweldens W.Factoring wavelet transforms into lifting steps[J].Journal of Fourier Analysis and Applications,1998,4(3):245～267
[7]Honggang Li,Qiao wang,Lenan Wu.A novel design of lifting scheme from general waelet[J].IEEE Transaction On Signal Processing,2005,49(8):1714～1717
[8]Shi W Z,Zhu C Q,Tian Y,Nichol J.Wavelet-based image fusion and quality assessment[J].International Journal of Applied Earth Observation and Geoinfor- mation,2005,6(3-4):241～251
[9]Liu Cui-Xi,Yang Wan-Hai.Awavelet-decomposition-based image fusion scheme and its performance evaluation[J].Acta Automatica Sinica,2002,28(6)927～934
[10]李 偉,朱學峰.基于第二代小波變換的圖像融合方法及性能評價[J].自動化學報,2007,33(08):817～822
[11]張 莉,汪大明.Forstner算子及其改進[J].北京工業(yè)職業(yè)技術學院學報,2007:6(3):17～18+8
[12]Harris C G,Stephens M J.A Combined Corner and Edge Detector[C].Manchester:Manchester Proceedings Fourth Alvey Vision Conference,1988
[13]李俊山,張雄美.紅外圖像處理、分析與融合[M].北京:科學出版社,2009
The Research of Video Surveillance Image Transmission Based on IP Network
FANG Shi-lin
(College of Computer Science,Hunan Institute of Science and Technology,Yueyang 414006,China)
With the application of video object segmentation and fusion method based on wavelet transform to the networked and digital video surveillance system,this paper presents view position method which make the front network video server achieve the segmentation between the foreground moving object and the background,and also rapidly achieve the fusion between them by using the method in the surveillance control center.In addition,we analyze the performance of video surveillance image transmission with the use of this method.Finally,we summarize the research in this field.
video object;view position method;segmentation and fusion method;video surveillance
TP391;TP393
A
1672-5298(2011)01-0041-04
2010-12-08
方世林(1981? ),男,湖南岳陽人,碩士,湖南理工學院計算機學院講師.主要研究方向:網絡技術
猜你喜歡
神秘來電睿士(2023年2期)2023-03-02 02:01:09 “新四化”背景下汽車NVH的發(fā)展趨勢汽車工程師(2021年12期)2022-01-17 02:29:54 《論持久戰(zhàn)》的寫作背景當代陜西(2020年14期)2021-01-08 09:30:42 攻略對象的心思好難猜意林(2018年3期)2018-03-02 15:17:24 5.3 視圖與投影中學生數(shù)理化·中考版(2017年6期)2017-11-09 02:46:46 視圖非公有制企業(yè)黨建(2017年10期)2017-11-03 02:26:27 Y—20重型運輸機多視圖現(xiàn)代兵器(2017年4期)2017-06-02 15:59:24 SA2型76毫米車載高炮多視圖現(xiàn)代兵器(2017年4期)2017-06-02 15:58:14 基于熵的快速掃描法的FNEA初始對象的生成方法廈門理工學院學報(2016年1期)2016-12-01 04:50:48 晚清外語翻譯人才培養(yǎng)的背景貴州師范學院學報(2016年4期)2016-12-01 03:54:07
方世林
(湖南理工學院 計算機學院,湖南 岳陽 414006)
基于IP網的視頻監(jiān)控圖像傳輸?shù)难芯?/p>
方世林
(湖南理工學院 計算機學院,湖南 岳陽 414006)
在網絡化、數(shù)字化的視頻監(jiān)控系統(tǒng)中,應用基于小波變換的視頻對象分割融合法,提出視圖定位法,讓前端的網絡視頻服務器實現(xiàn)前景運動對象與背景的分割,并在監(jiān)控中心利用該視圖定位法,快速實現(xiàn)前景運動對象圖像和背景圖像的融合.此外,對運用上述方法的視頻監(jiān)控圖像傳輸進行了性能分析.最后,對本領域的研究進行了總結.
視頻對象;視圖定位法;分割融合法;視頻監(jiān)控
引言
在基于IP網的遠程監(jiān)控系統(tǒng)中,面臨著一個較大的問題是:大量視頻圖像的傳輸和運動對象的跟蹤.傳統(tǒng)的視頻監(jiān)控系統(tǒng)都是傳輸完整的視頻圖像,在低帶寬的情況下,大多數(shù)采用降低空間分辨率和幀率的方法.本文研究了在攝像監(jiān)控端采用視頻對象的分割技術,實效地傳輸運動對象,再結合視圖定位法,在監(jiān)控中心運用圖像的融合技術,以此減少圖像傳輸碼流和充分實時傳輸有效信息,解決網絡化視頻監(jiān)控系統(tǒng)傳輸?shù)木W絡帶寬問題和提高視頻監(jiān)控系統(tǒng)跟蹤運動對象的實效性.
1 視頻對象的分割融合法
采用基于小波變換的分割算法[1～3]、融合算法[4～10],在改進這些算法的基礎上,進行視頻對象與背景圖像的分割與融合.根據(jù)在頻率域上前景的運動表現(xiàn)為高頻率成分,而相對靜止的背景由于幾乎沒有變化,表現(xiàn)為低頻成分的原理,在前端的網絡視頻服務器上,對視頻對象采用基于小波變換的分割,分離出高頻成分的運動前景對象和低頻成分的背景,傳輸高頻成分的運動前景對象到監(jiān)控中心,然后使這些高頻成分的運動對象與存儲在監(jiān)控中心的背景圖像采用基于小波變換的融合算法,結合視圖定位法,快速實現(xiàn)它們之間的融合.
1.1 視頻對象分割過程
a)按一定的幀率,將視頻序列劃為若干視頻分組序列;
b)對視頻分組序列在時間軸上進行小波變換;
c)對視頻分組序列小波變換以后的高頻系數(shù)進行處理,得到高頻圖像;
d)高頻圖像自適應二值化,得到一個初步的掩模圖像;
e)對自適應二值化后的掩模圖像進行二值形態(tài)學處理(去除噪聲、邊界檢測、骨架化、區(qū)域分割)得到最終的掩模;
f)根據(jù)掩模提取該組圖像序列中的運動視頻對象.
經過視頻對象分割算法,最后得到運動視頻對象圖像,步驟如圖1所示.在視頻分割時候,對運動視頻對象圖像進行了視圖定位處理,就是提取了運動視頻對象的角點,再把這些特征點在背景圖像中的位置以流碼的形式傳輸,使視頻運動對象圖像和背景圖像準確快速地融合.
圖1 基于小波變換的視頻對象分割步驟圖
1.2 視頻對象融合過程
a)由于傳輸過來的視頻對象圖像A、B、C都是高頻圖像,對他們采用小波分解,得到的是高頻子圖像A1、B1、C1,而背景圖像本來就是低頻圖像,所以不需要進行小波分解.
b)對高頻子圖像采用相應的融合規(guī)則及融合算法進行融合,得到高頻的融合圖像Dh(F).在對高頻子圖像集進行融合的過程中,結合視圖定位法,使各高頻子圖的相對位置準確.
c)對融合后的低頻和高頻圖像結合視圖定位法進行小波逆變換,重構得到融合圖像E.首先把由分割得來的視頻對象圖像A、B、C進行融合,得到高頻融合圖像D,圖像D再與低頻背景圖像融合,過程如圖2所示.
圖2 基于小波變換的視頻對象融合過程圖
2 視頻監(jiān)控圖像傳輸機制
2.1 視頻監(jiān)控圖像傳輸步驟
a)進行監(jiān)控全景的取景;
b)傳輸整個視圖全景圖像,在網絡視頻服務器和監(jiān)控中心分別保存一份;
c)對下次傳輸?shù)囊晥D進行前景運動對象和背景的分割,傳輸前景運動對象;
d)在監(jiān)控中心,運用視圖定位法,快速地把傳來的前景運動對象與保存的全景背景圖像進行融合;
e)實時地進行監(jiān)控全景圖像背景的更新.
2.2 圖像定位法
2.2.1 提取出圖像特征點算法
在圖像分割時,對圖像進行二值化,用圖像形態(tài)學的梯度、細化和修剪算法來提取邊緣輪廓.本文用Forstner算子[11,12]得到圖像的角點.對于角點,對最佳窗口內通過每個像元的邊緣直線(垂直于梯度方向)進行加權中心化,得到角點的定位坐標,具體如下.
a)最佳窗口
以每個像素為中心,取一個窗口N(如5×5).計算每個窗口的有利值q和w.如果有利值大于給定的閾值,則將以該像元為中心的窗口作為候選最佳窗口,閾值為經驗值,抑制局部非最大,得到最佳窗口.為了減少計算量,在計算q,w值之前,可以先計算像元:分別算出在x,y正方向上的4個梯度值的絕對值,取出4個值中的最小值記為T,只有T值大于某個閾值時才計算q,w值.
b)角點定位
最佳窗口內任意一個像元(r,c)的邊緣直線L的方程為
其中ρ為原點(設為最佳窗口的左上角像元)到直線L的距離,θ為梯度角,,而gc、gr為該點的Robert梯度.設角點坐標為(c0,r0),設v是點(c,r)到直線L的垂直距離,在(c,r)處給出誤差方程,即
上式的含義是:把原點到邊緣直線的距離ρ當作觀測值,而保持邊緣直線的方向不變,權w(r,c)等于梯度模的平方,所以權實質上是一個邊緣尺度.對上式法化,得到法方程
法化結果與最佳窗口內像元的加權中心結果一致.對上式求解,可以得到角點坐標(c0,r0).
2.2.2 圖像定位過程
在視頻圖像的傳輸過程中,運用圖像定位法,首先對監(jiān)控全景用矩陣平面圖來表示,如圖3,以監(jiān)控全景的最左上方的為始點,以最右下方為終點.那么每一個像素點可以用矩陣點來表示,比如,對于按行來排列的矩陣,A[i,j]表示第(i-1)×n+j個像素點.
圖3 全景背景矩陣平面圖
前景運動對象用平面圖4來表示.坐標(a,b)、(c,d)、(e,f)、(g,h)是通過Forstner算子得到的四個角點坐標,經過矩陣處理得到圖5.
圖4 前景運動對象平面圖
圖5 經過矩陣處理的矩陣平面圖
當前景運動對象到達監(jiān)控中心時,實現(xiàn)與背景圖像的融合.在圖6中,通過視頻圖像的定位法,把分割的前景運動對象圖定位到全景背景圖中.
圖6 前景運動對象在背景圖像的定位圖
3 性能分析
基于小波變換的視頻對象分割、融合算法,在文[13]中,給出了小波融合結果與兩種金字塔(Laplace、梯度金字塔)融合結果的客觀性能評價,小波融合結果在圖像均值、標準差和結構相似度(SSIM)3項指標上的值均高于其他兩種融合結果對應的指標值,表明了小波圖像融合方法更好地綜合了源圖像的信息,獲得的融合圖像更為清晰.在文[10]中的實驗結果證明,背景相對靜止的情況下,基于小波變換的分割算法能夠比較準確地對運動對象進行分割.
由于本論文提出的圖像傳輸方式減少了重復的背景圖像流碼的傳輸,從而使網絡減少阻塞,解決了網絡帶寬問題.傳輸?shù)氖且曨l運動對象,這樣使視頻監(jiān)控系統(tǒng)方便地跟蹤目標對象.采用了視圖定位法,使得圖像之間實現(xiàn)了快速融合.
4 結束語
本文用到的視頻對象與背景圖像的分割、融合算法都是基于小波變換.在視圖定位法中,用到的特征點位置的定位,采用了 Forstner算子,只取視頻運動對象在背景圖像中的一些角點坐標,但對取多少個角點坐標沒有給出明確的定義,這是后續(xù)所要研究的.由于采用了視頻運動對象與背景圖像分離的傳輸機制,這樣解決了網絡帶寬問題,提高跟蹤、監(jiān)控運動對象的明確性,將來會在基于網絡化的智能視頻監(jiān)控系統(tǒng)中大有發(fā)展.
[1]丘錦波,朱光喜,王 曜.一種基于小波變換的視頻對象分割算法[J].計算機工程,2002,28(05):72～74
[2]Fujimura K,Samet,H.A Hierarchical Strategy for Path Among Moving Obstacles[J].Robotic and Automation,IEEE Transactions on,1989,5(1):61～69
[3]Noborio H,Naniwa T,Arimoto S.A feasible Motion-planning algorithm for a mobile Robot based on a quadtree representation[C].IEEE International Conference on Robotics and Automation,1989:327～332
[4]Zhang Z,Blum R S.A categorization of multiscale decomposition based image fusion achemes with a performance study for a digital camera application[J].Proceedings of the IEEE,1999,87(8):1315～1326
[5]Wang Z J,Ziou D,Armenakis C,Li D,Li Q Q.A comparative analysis of image fusion methods[J].IEEE Transaction on Geosciences and Remote Sensing,2005,43(6):1391～1402
[6]Sweldens I,Sweldens W.Factoring wavelet transforms into lifting steps[J].Journal of Fourier Analysis and Applications,1998,4(3):245～267
[7]Honggang Li,Qiao wang,Lenan Wu.A novel design of lifting scheme from general waelet[J].IEEE Transaction On Signal Processing,2005,49(8):1714～1717
[8]Shi W Z,Zhu C Q,Tian Y,Nichol J.Wavelet-based image fusion and quality assessment[J].International Journal of Applied Earth Observation and Geoinfor- mation,2005,6(3-4):241～251
[9]Liu Cui-Xi,Yang Wan-Hai.Awavelet-decomposition-based image fusion scheme and its performance evaluation[J].Acta Automatica Sinica,2002,28(6)927～934
[10]李 偉,朱學峰.基于第二代小波變換的圖像融合方法及性能評價[J].自動化學報,2007,33(08):817～822
[11]張 莉,汪大明.Forstner算子及其改進[J].北京工業(yè)職業(yè)技術學院學報,2007:6(3):17～18+8
[12]Harris C G,Stephens M J.A Combined Corner and Edge Detector[C].Manchester:Manchester Proceedings Fourth Alvey Vision Conference,1988
[13]李俊山,張雄美.紅外圖像處理、分析與融合[M].北京:科學出版社,2009
The Research of Video Surveillance Image Transmission Based on IP Network
FANG Shi-lin
(College of Computer Science,Hunan Institute of Science and Technology,Yueyang 414006,China)
With the application of video object segmentation and fusion method based on wavelet transform to the networked and digital video surveillance system,this paper presents view position method which make the front network video server achieve the segmentation between the foreground moving object and the background,and also rapidly achieve the fusion between them by using the method in the surveillance control center.In addition,we analyze the performance of video surveillance image transmission with the use of this method.Finally,we summarize the research in this field.
video object;view position method;segmentation and fusion method;video surveillance
TP391;TP393
A
1672-5298(2011)01-0041-04
2010-12-08
方世林(1981? ),男,湖南岳陽人,碩士,湖南理工學院計算機學院講師.主要研究方向:網絡技術
猜你喜歡
睿士(2023年2期)2023-03-02 02:01:09
汽車工程師(2021年12期)2022-01-17 02:29:54
當代陜西(2020年14期)2021-01-08 09:30:42
意林(2018年3期)2018-03-02 15:17:24
中學生數(shù)理化·中考版(2017年6期)2017-11-09 02:46:46
非公有制企業(yè)黨建(2017年10期)2017-11-03 02:26:27
現(xiàn)代兵器(2017年4期)2017-06-02 15:59:24
現(xiàn)代兵器(2017年4期)2017-06-02 15:58:14
廈門理工學院學報(2016年1期)2016-12-01 04:50:48
貴州師范學院學報(2016年4期)2016-12-01 03:54:07
