不均匀光照下的虹膜定位算法研究

合集下载

虹膜定位算法研究

２１Ｄｕｍａ．ａｇｎ的定位算法Ｄｕｍａａｇｎ提出一种基于活动圆模板匹配的定位算法，其核心在于利用一个有效的微积分算子来计算圆参
数
ｍ（）（ａＩＧｒｘ）ｒ
ｌ
（１）
此算子是一种经典的机器视觉算子，中ｌｘＹ是式（，）坐标（Ｙ处数字图像的灰度值，代表卷积；以２ｒ，）除目的是归一化；ｒ是标准差为ｏ的高斯函数。（）Ｇ（）ｒ式１表示算子在以（），为圆心、ｒ以为半径的圆周上，对像
【ｙｗｏｄ】ｉｓｒｃｇｉｏ；ｉｓｌａｉｔｎｒｅａｃａｎｃｅａｎｐｒｔ；ＨｕｈｔｎｆＫｅｒｓｒｏｎｔｎｒｏｌａｏ；Ｆｍｓｈｉｏ；Ｃｙｏｅａｒｏｇｒｓｒｉｅｉｉｃｚｉｅｎｄｎｏ，ａｏｍ
【ｂｔａｔｏｈｕｐｓｆｌａｉｎｒｒｉｌａｄｑｉｌ，ａｍｒｖｄｉｓｌａｚｔｎａｏｉｍｉｐｐｓｄｗｉａｅＡｓｃ】Ｆｒｔｐｒｏｅｏｃｌｉｇｉｓｐｃｓｙｎｕｃｙｎｉｐｏｅｒｏｌａｉｇｒｈｓｒｏｅｈｌｂｓｄｒｅｏｚｉｅｅｋｉｃｉｏｌｔｏｅ
・・论文
【摘要】在介绍现有虹膜识别算法的基础上，针对其局限性，出一种改进的虹膜定位算法，提实现了精确而快速的定位。在该算
法中，过阈值化和Ｆｅｍｎ链码进行内边界定位；ａｎ通ｒｅａＣｎｙ算子和圆形Ｈｕｈ变换被用于外边界定位；下眼皮的去除利用Ｃｎｙｏｇ上ａｎ算子和线性Ｈｕｈ变换实现，毛和镜面反射通过闻值化的方法加以去除。实验验证了该算法的合理性和有效性。ｏｇ睫

基于相位谱互相关的虹膜识别方法研究

困难。
１虹膜图像的预处理
因为虹膜图像处理只对纹理进行操作，颜色对识别无影响，以只要采集的图像为８所位灰度图即
可。通过获取装置采集的虹膜图像通常不可能仅
图像锐化处理的目的是使边缘和轮廓模糊的图像清晰，细节更为清楚，采用二阶微分算子进行
电子商务、安全防务等领域。目前最具代表性的虹膜识别方法有Ｄｕｍｎａｇａ提出的基于２ａｏ滤波对虹膜纹理进行量化编ＤＧｂｒ
码、ｌｓ用Ｌｐｃ金字塔的多分辩率技］Ｗｉｅ采ｄａｌｅａ术、ｏｓ出基于过零点检测的虹膜识别方法。Ｂｌ提ｅ
摘要利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据，与其他生物特征识别相比，具有更高的可靠性。该文提出一种基于图像相位谱互相关的虹膜识别方法。本系统先对虹膜图像进行滤波、定位、增强等预处理，再利用相位谱互相关匹配算法对虹膜图像进行识别，最后，进行了小样本的实验。实验结果表明，该方法是可行的，且识别准确并
其中，木为共轭符号。对上式归一化，得便
互功率谱的相位谱：
看出，两幅完全相同的虹膜图像具有一致性，相
位相关函数幅值最大为１为冲激函数；同虹，不
膜图像的比较结果不能形成冲激函数；同一只
上式，，ＱＱ和分别是基准图和目标图的傅里叶变换的相位。相位相关函数为妒ｍ，）ＩＦ［］（ｒ＝ＦＴｅ（）９
眼睛不同时间摄取的虹膜图像有较大的相似性，似于冲激函数。类

基于光照模型的细胞内镜图像不均匀光照校正算法

文章编号 2097-1842（2024）01-0160-07基于光照模型的细胞内镜图像不均匀光照校正算法邹鸿博1，章　彪1，王子川1，陈　可2，王立强2，袁　波1 *（1. 浙江大学光电科学与工程学院, 浙江杭州 310027；2. 之江实验室类人感知研究中心, 浙江杭州 311100）摘要：细胞内镜需实现最大倍率约500倍的连续放大成像，受光纤照明及杂散光的影响，其图像存在不均匀光照，且光照分布会随放大倍率的变化而变化。

这会影响医生对病灶的观察及判断。

为此，本文提出一种基于细胞内镜光照模型的图像不均匀光照校正算法。

根据图像信息由光照分量和反射分量组成这一基础，该算法通过卷积神经网络学习图像的光照分量，并基于二维Gamma 函数实现不均匀光照校正。

实验表明，经本文方法进行不均匀光照校正后，图像的光照分量平均梯度和离散熵分别为0.22和7.89，优于自适应直方图均衡化、同态滤波和单尺度Retinex 等传统方法以及基于深度学习的WSI-FCN 算法。

关键词：细胞内镜；不均匀光照；光照模型；卷积神经网络中图分类号：TN29;TP391.4 文献标志码：A doi ：10.37188/CO.2023-0059Non-uniform illumination correction algorithm for cytoendoscopyimages based on illumination modelZOU Hong-bo 1，ZHANG Biao 1，WANG Zi-chuan 1，CHEN Ke 2，WANG Li-qiang 2，YUAN Bo 1 *（1. College of Optical Science and Engineering , Zhejiang University , Hangzhou 310027, China ；2. Research Center for Humanoid Sensing , Zhejiang Lab., Hangzhou 311100, China ）* Corresponding author ，E-mail : **************.cnAbstract : Cytoendoscopy requires continuous amplification with a maximum magnification rate of about 500 times. Due to optical fiber illumination and stray light, the image has non-uniform illumination that changes with the magnification rate, which affects the observation and judgement of lesions by doctors.Therefore, we propose an image non-uniform illumination correction algorithm based on the illumination model of cytoendoscopy. According to the principle that image information is composed of illumination and reflection components, the algorithm obtains the illumination component of the image through a convolution-al neural network, and realizes non-uniform illumination correction based on the two-dimensional Gamma function. Experiments show that the average gradient of the illumination channel and the discrete entropy of the image are 0.22 and 7.89, respectively, after the non-uniform illumination correction by the proposed method, which is superior to the traditional methods such as adaptive histogram equalization, homophobic收稿日期：2023-04-04；修订日期：2023-05-15基金项目：国家重点研发计划项目（No. 2021YFC2400103）；之江实验室科研项目（No. 2019MC0AD02，No. 2022MG0AL01）Supported by the National Key Research and Development Program of China (No. 2021YFC2400103); Key Research Project of Zhejiang Lab (No. 2019MC0AD02, No. 2022MG0AL01)第 17 卷　第 1 期中国光学（中英文）Vol. 17　No. 12024年1月Chinese OpticsJan. 2024filtering, single-scale Retinex and the WSI-FCN algorithm based on deep learning.Key words: cytoendoscopy；non-uniform illumination；illumination model；convolutional neural network1 引　言细胞内镜是一种具有超高放大倍率的内窥镜[1-4]，可实现常规倍率到细胞级放大倍率的连续放大观察。

精确定位虹膜的眼动跟踪算法

ｍｏｄｅｌｓｆｏｒｅｙｅｓａｎｄｇａｚｅ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓ
ａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２０１０，３２（３）：４７８ — ５００．
ｃｅｅｄｉｎｇｓｏｆｔｈｅＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＷａｖｅｌｅｔＡｎａｌｙｓｉｓ
ａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，２００７：６８７２．
［３］ＺＨＡＮＧＺｕｔａｏ．Ｄｒｉｖｅｒ ’ ｓｅｙｅｔｒａｃｋｉｎｇｔｅｃｈｎｏｌｏｇｙｒｅｓｅａｒｃｈｂａｓｅｄｏｎｓａｍｐｌｉｎｇｔｈｅｏｒｙｏｆｓｔｒｏｎｇｔｒａｃｋｉｎｇｎｏｎ－ｌｉｎｅａｒｆｉｌｔｅｒ［Ｄ］．
在计算虹膜区域梯度方向特征时，增加了时间，但是由于增强了跟踪目标与干扰因素的差异，均值漂移迭代次数大大减少，一般只需要１ — ２次，故在耗时上低于其他方法。本文算
参考文献：
ＥｌｉＱｉＹｉｎｇ，ＷａｎｇＺｈｉｌｉａｎｇ，ＨｕａｎｇＹｉｎｇ．Ａｎｏｎ－ｃｏｎｔａｃｔｅｙ￣ｇａｚｅｔｒａｃｋｉｎｇｓｙｓｔｅｍｆｏｒｈｕｍａｎｃｏｍｐｕｔｅｒｉｎｔｅｒａｃｔｉｏｎ［ｃ］／／Ｐｒｏ —

一种虹膜定位算法

Ｔ３１４Ｐ９．１
中图法分类号
ＡｎＩｉｃｔｏｇｒｔｍｒｓＬｏａｉｎＡｌｏｉｈ
ＷａｇＣｈｎｒＨｕＺｅｇｉｇＬｉｎＱｉｓｅｇｎｅｇｕｈｎｐｎａｕｈｎ
（ｎｔｕｅｏｍａｅＰｒｃｓｎ，ＹｎｈｎＵｎｖｒｉ，Ｑｉｈａｇａ０６０）ＩｓｔｔｆＩｇｏｅｓｇａｓａｉｅｓｔｉｉｙｎｕｎｄｏ６０４
ｓｍｅｒｅｔｒｎｄｅｇｅｄｅｅｔｏｒｙｍｔｙｆａｕｅａｄｔｃｉｎｆｏｍａｃｌｍａｓｐｒｓｎｅｇｒｙｓａｅｉｇｅｉｅｅｔｄ．Ｂａｓｄｏｔｓｉａ，ｔｅｉｐｒｅｅｎｈｉｄｅｈｍｏｖｄＳｏｂｌｄ — ｅｅ
ｃｅｒ，ｔｎｈｅｉｉｎｔｒｏｒａｅｎｔｈｅｔｒｓｉｅｉｎｄｅｘｔｒｏｒｒｄｉａｅｄｅｅｔｄｂｙｕｉｇｒｄｉｓｏｇｒｍｏｕｇｒｎｓｏｍ．ＲｅｕｌｓｅｉａｉｒｔｃｅｓｎａｕｓｈｉｔａｏｆＨｈｔａｆｒｓｔｓｈｏｗｈａｈｅｍｅｈａｍｐｒｔｔｔｔｏｄｃｎｉｏｖｅｌａｉｎｓｅｎｄｉｏｃｔｏｐｅｄａｓｎｏｔｓｎｓｔｖｅｔｏｉｅｅｆｅｔｅｉｉｏｎｓｆｃ．
Ｋｅｒｉｉｏａｔｏｎ，ｉｉｄｎｔｆｃｔｏ，ｉｃｅｄｅｅｔｙｗｏｄｓｒｓｌｃｉｒｓｉｅｉｉａｉｎｃｒｌｔｃｏｒ，ｏｕｒＨｇｈｔａｎｓｏｒｆｍ

虹膜识别算法的研究及实现

维普资讯
第３１卷第５期
ＶＯ１３１ｏ．５．Ｎ
红外与激光工程
ＩｒｒｄａｓｒＥｎｇｎｅｉｎｆａｅｎｄＬａｅｉｅｒｎ
２００２年ｌ０月
０Ｃ．２２ｔ００
虹膜识别算法的研究及实现
，
ｉｌｉｇｐｒｐｒｅｓｎｃｎ— ｎｃｕｄｎｅｏｃｓｉｇ，ｏ
ｓｒｔｇＧａｒｉｔｒａｄｈｅｏｍｐｕｔｔｏｏｉｉｃｔｕｃｍｂｏｆｌｅｓｎｔｃａｉｎｆｒｓｏｄｅａｄｓｎＨ
、
ｍｉｇ距离的计算等。实验结果表明，方法计算速度快，取特征的效果好ｎ该提
别系统。
，
可用于实际的身份鉴
关
键
词：
虹膜识别；虹膜定位；Ｇａｏ滤波器；特征提取；Ｈａｂｒｍｍｉｇ距离ｎ文献标识码：Ａ文章编号：０７２７（０２０Ｏ４０４一１０—２６２０）５Ｏ６
（ｐＤｅｅ。ｅｔｉａｇｎｅｒｎｎｐｉｄＥｌｃｎｆＥｌｃｒｃ１ＥｎｉｅｉｇａｄＡｐｌｅｔｅ
ｒｎｃＴｓｇｕｉｅｓｙｅｉｇ１Ｏ８，ｃｉａｏｉｉｈａｕｎｖｒｉ，ＢｉｎＯＯ４ｈｎ）ｎｔｊ
ａｃｒｔｌｎｕｃｌｂｔｔｅｉｌｍｅｔｔｏｂｕｈｌｏｉｈｃｕａｅｙａｄｑｉｋｙ，ｕｈｍｐｅｎａｉｎａｏｔｔｅａｇｒｔｍｓｈａｎｂｅｎｅｏｒｅｉｓｏｔｅｒＤｔｄｎｏｐｎｌｔｒｔｅ．ＴｈｅａｇｏｉｈｍｓａｅｓｕｄｅｎｄｉｅｉｅａｕｒｓｌｒｔｒｔｉｄａｍｐｌｍｅｅｎｔｅＡｗｅｈｏｏｍｂｎｎｏａｓｄ．ｎｅｍｔｄｃｉｉｇｃｒｅＦｕｔｅｍｏｅｎｙｔｅｒａａｔｒｈｒｒ，ｏ１ｈｅ１ｐｒｓｏｔｔｌｅｓａｅｕｓｄｄｕｉｈｅｆｌｅｉｔｒｒｅｒｎｇｔｉｔｒｎｇ，ｗｈｉｈｃｎｄｃｅｓｏｄｃａｅｒａｅｃｅｌｅｎｇｔｎｄｓｉｌｈａｅｇｏｄｒｓｔｈａｔｌｖｏｅｕＩｓ

虹膜定位与识别的算法研究与实现

半径和圆周方向分割成一定数量的微小区域，后对每个微小区பைடு நூலகம் 进行灰度平均值的计算和矢量化的转换。最后根据虹膜矢然
量化后的结果进行精度比照，取得了较好的比照精度。
关键词：虹膜；投票法；特征点；比照
中图分类号：Ｔ１Ｐ８
文献标志码：Ａ
ＲｅｅｒｈａｅｌｚｔｏｎＩｉｃｔｏｎｅｏｎｔｏｓａｃｎｄＲａｉａｉｎｏｒｓＬｏａｉｎａｄＲｃｇｉｉｎ
ＨａｇＨａｂｎｎｉｉ
匙、证件、信用卡等）和身份识别知识（如用户名、密码和
暗语等。而钥匙、证件等标识物品容易丢失或被伪造，用）户名密码等容易被忘记或记错。更为严重的是，们无法区它
绍了虹膜系统的快速定位和识别。
虹膜定位与识别的算法研究与实现
杭海滨
摘要：针对虹膜定位速度慢的问题，通过采用投票法和成长法来快速定位瞳孔中心、虹膜位置，详细给出瞳孔和虹膜定位
的算法分析和实现流程，具有较高的定位精度。在虹膜识别方面，给出了一种简单的虹膜特征提取和比照方案，虹膜在其把
ｕｉｇｐｌｎｔｏｎｉｌｘａｄｎｔｏ．ｅｐｐｒｇｖｓｔｅｄｔｉｆｏａｉｎｓｈｍｅａｄｉｌｍｅｔｔｎｆｗ．ｓｌｓｎｏｌｇｍｅｈｄａｄｃｒｅｅｐｎｉｇｍｅｈｄＴｈａｅｉｅｈｅａｌｏｃｔｃｅｉｃｓｌｏｎｍｐｅｎａｉｏＲｅｕｔｏｌ

精确定位虹膜的眼动跟踪算法

精确定位虹膜的眼动跟踪算法
黄园刚;桑楠;郝宗波;江维
【期刊名称】《计算机工程与设计》
【年(卷),期】2014(35)2
【摘要】针对当前各种眼动跟踪方法的不足,提出一种精确定位虹膜,实现快速眼动跟踪的算法.利用基于AdaBoost算法的检测器定位虹膜,引入susan算子消除噪声,以此建立跟踪模板,分析目标与噪声的饱和度特征,使用改进的基于多特征融合CamShift算法实现眼动跟踪.实验结果表明,该方法跟踪虹膜精确、速度快、错误率低,达到准确性、鲁棒性和实时性的要求.
【总页数】6页(P567-572)
【作者】黄园刚;桑楠;郝宗波;江维
【作者单位】电子科技大学计算机科学与工程学院,四川成都610054;电子科技大学信息与软件工程学院,四川成都610054;电子科技大学信息与软件工程学院,四川成都610054;电子科技大学信息与软件工程学院,四川成都610054
【正文语种】中文
【中图分类】TP39;TP18
【相关文献】
1.一种快速而精确的虹膜定位方法 [J], 邵宇
2.基于抛物线拟合和边缘点搜索的虹膜精确定位 [J], 龚鼎盛;周锋;陈其松;卢敏;吴鸿川
3.基于神经网络的虹膜图像上眼睑的精确定位 [J], 宋天舒;沈文忠;晁静静
4.一种精确的虹膜定位方法 [J], 王延年;赵朗月;刘会敏
5.虹膜快速检测与精确定位的算法研究 [J], 秦武旻;朱长婕
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘要虹膜定位是虹膜识别中的基础性环节。针对经典虹膜定位算法易受光照影响且速度慢的问题，分析不均匀光照对虹膜定位的影响，出最小二乘法粗定位与微积分提
算法精定位相结合的虹膜定位方法：首先利用形态学灰度运算处理虹膜图像，处理图像对
ｄｉ１．９９ｊｉｎ１７ｏ：０３６／．ｓ．６２—７４．０００．１ｓ８３２１．６０６
不均匀光照下的虹膜定位算法研究
周俊罗挺王帅李敏路翔，，，，
（．勤工程学院后勤信息工程系，１后重庆４１１；．勤工程学院训练部，０３２后１重庆４１１；０３１３后勤工程学院军事油料应用与管Ｒ＿程系，．ｒ－－重庆４１１）０３１
阈值化后提取并修复瞳孔区域，用最小二乘法对瞳孔区域下部边界点进行内边缘粗略利拟合；然后根据外边缘点存在区域的灰度梯度确定虹膜外边缘点，用最小二乘法进行外利边缘粗略拟合；最后利用微积分算法精确定位虹膜内外边缘。以中国科学院虹膜库ＣＳＡＡＩ
ｏｏｈｉｎｒｂｕａｙｆｔｉｇｂｔｌｔｆｔｅｓ—ｑａｅｍｅｈｄｏｎｄｒｒｏｄｒｏｎｔｏｈｕｌａｅ．ｅｎｔｅｏｔｒｕｔａｒｕｇｎｅｏｎｄｒｔｎｙｕｉｙｏｈｅｌａｔｓｕｒｔｏｎｕｅｐａｔｂｕｎａｐｉｆｔｅｐｐｉｒａＴｈｈｕｅｉｉｙｂｏｎｒｉｔｆｉｉｒｔｒｉｅｃｏｄｎｇｔｈｒｙｇａｉｎｔｏｅｉｎｉｃｕｄｎｇｅｅｐｉｔｕｓｎｈｅｓ：ｑｕｒｅｈｕｄａｙｐｏｎｓｏｒｓａｅｄｅｅｍｎｄａｃｒｉｏｔｅｇａｒｄｅｆｔｒｇｏｎｌｉｄｇｏｎｓ，ｉｇｔｅｌａｔｓａｅｍｔ — ｈｅｏｏｒｕｈｙｆｔｔｅｏｔｒｂｕａ．ｎａｌｔａｃｌｔｏｓｕｅｏｆｎｌｏａｉｅｔｅｉｅｎｄｏｔｒｂｏｎｒｅ．ｄｔｏｇｌｈｕｅｏｎｄｒＦｉｌｙ，ｈｅｃｌｕｕｓｍｅｈｄｉｓｄｔｅｙｌｃｌｚｈｎｎｒａｕｅｕｄａｉｓＴｈｅａｅ — ｉｙｉｖｒ
第２６卷第６期
２１００年１月１
后
勤
工
程
学
院
学
报
Ｖ０．６Ｎｏ６１２．ＮＯ．０１Ｖ２０
ＪＯＵＲＮＡＬＯＦＬＯＳＩＡＬＥＮＮＥＩＧＩＴＣＧＩＥＲＮＧＵＮＩＲＳＴＶＥＩＹ
文章编号：６２—７４（００００７０１７８３２１）６— ０８— ９
ＺＨＯｕ，ＵＯＴｎＷＡＮＧｈａＬｎ，ＵＸｉｎＵＪｎＬｉｇ，Ｓｕｉ，ＩＭｉＬａｇ
（．ｐ．ｆＬｇｓｉａｎｏｍａｉｎＥｎｉｅｒｎ，ＥＵ，ｈｎｑｎ０３１，ｈｎ；．ｐ．ｆＴａｎｎ，Ｅ１ＤｅｔｏｏｉｔｌｆｒｔｇｎｅｉｇＬｃＩｏＣｏｇｉｇ４１１Ｃｉａ２ＤｅｔｏｒｉｉｇＬＵ，
图像能更准确、快速地定位。
关键词虹膜定位；不均匀光照；态学灰度运算；度梯度；ａｇａ形灰Ｄｕｍｎ算法；ｏｇＨｕｈ
变换；最小二乘法中图分类号：Ｐ９．Ｔ３１４文献标志码：Ａ
ＩｓＬｃｌａｉｌｏｉｍｕｄｒｓｍｅＱａｔｏｌｎｔ ห้องสมุดไป่ตู้ ｒｏａｉｔｎＡｇｒｈｎｅｙｍｔｕｌｙｆｌｍｉａｏｉｚｏｔＡ￣ｉＩｕｉ
（ｅｓｎ２０１２０幅虹膜图像做实验，均耗费时间为４３，位成功率为９．％。ｖｒｉ．）０ｏ平．８Ｓ定８３与经典的Ｄｕｍａａｇｎ算法和Ｈｏｇｕｈ变换算法相比，所提出的算法对不同光照条件下的虹膜
ＡｂｔａｔＩｉｏａｉｎｉｈｅｂａｉｔｐｏｒｓｉｅｔｆｃｔｏ．ｎａｌｉｎｔｈｒｂｅｏｉｇｅｓｌｆｅｔｄｂｌｕｎｔｏｓｒｃｒｓｌｃｔｏｓｔｓｃｓｅｎｉｄｎｉａｉｎＩｌｕｓｏｏｔｅｐｏｌｍｆｂｅｎａｉｙａｆｃｅｙｉｌｍｉａｉｎｉｉａｄｌｗｐｅｎｃａｓｉａｒｓｌｃｌｚｔｏｌｏｔ，ｎｄｏｃｈｅｅｆｃｆｄｉｅｅｓｃａｌｎｄｑｔｄｌｏｌｕｎｔｏｎｏｓｅｄｏｌｓｃｉｏａｉａｉｎａｇｒｈｍａｎｗｈｉｈｔｆｅｔｏｆｒｎｔｅｐｅｉｌｙｉａｅｕａｅｍｏｅｆｉｌｍｉａｉｎｌｉｉｆｉｎｌｚｄ，ｈｒｓｌｃｔｎｍｅｈｄｃｍｂｉｎｈｅｌａｔｓｕｒｏｒｅｍｅｈｄａｄｃｌｕｕｎｅｍｅｈｄｉｒｐｓｄ．ｒｔｍｏｐ — ｓａａｙｅｔｅｉｏａｉｔｏｏｉｏｎｉｇｔｅｓ— ｑａｅｃａｓｔｏｎａｃｌｓｆｔｏｓｐｏｏｅＦｉｓｌｉｙ，ｒｈｏ
ｌｇｃｌｏｒｔｏｓａｐｌｅｏｉｓｉｇｓｅｔａｔｎｇａｄｒｐｉｉｇｔｅｐｉａｅｆｅｐｌｎｈｒｓｏｄｔｏｅｓｄｉｇｃｒｙｎｇｏｉａｐｅａｉｎｉｐｉｄｔｒｍａｅ，ｘｒｃｉｎｅａｒｎｈｕｐｌｒａａｔｒａｐｙｉｇｔｅｈｌｏｐｒｃｓｅｍａｅ，ａｒｉｉ
Ｃｏｇｉｇ４，ｈｎ；．ｅｔｏｉＡｐｉｔｎ＆ＭａａｅｅｔｎｉｅｒｇＬＵ，ｈｎｑｎ０，ｈａｈｎｑｎ０Ｃｉａ３Ｄｐ．ｆｌｐｌａｉ１１３１ＯｃｏｎｇｍｎＥｇｅｉ，ＥＣｏｇｉ４Ｃｉ）ｎｎｇ１１３１ｎ