涉及图像处理的专利性检索策略

吴少鸿 范玉霞

国家知识产权局专利局专利审查协作北京中心 北京 100160

引言

视频直播的快速发展对图像处理技术的速度、精度、效果等多个方面提出了更高的新要求，促使企业和研究机构加大了对图像处理技术的研究力度，导致了对研究成果存在寻求技术创新保护的巨大需求。

专利保护是对技术创新提供知识产权保护的有效手段。当图像处理相关的研究成果在寻求专利保护的时候，专利性检索是关键环节。专利性检索主要包括专利查新检索和专利无效检索。专利查新检索通常是指将已经完成的发明构思或技术方案与世界范围内公开的专利和非专利文献进行技术信息对比，以判断技术方案是否具备新颖性[1]。专利无效检索主要是通过检索专利文献、非专利文献发现破坏该授权专利新颖性、创造性的过程[2]。在进行专利性检索时，除在专利文献中进行检索外，还应当查阅检索非专利文献[3]。

目前，涉及图像处理的专利或专利申请多源于学术研究成果，这些专利或专利申请通常会具有很强的理论性，其发明点通常在于图像处理算法的改进。对于这种改进在于图像处理算法的技术方案，其专利申请文件的权利要求中会包含大量算法公式以及公式参数，从而给专利性检索带来了很大的困难。基于涉及图像处理的专利或专利申请所呈现的上述特点，下面将从三个典型案例探讨在进行专利性检索采用的检索策略。

1 检索案例分析

1.1 案例一

基本信息：本案公开号为CN107526772A，申请人为湖州师范学院。

发明名称：Spark平台下基于SURF-BIT算法的图像检索系统

背景技术：在TB级或甚至PB级的图像数据库中，传统的图像检索CBIR在检索速度和准确度方面遇到瓶颈。

解决方案：

权利要求1. Spark平台下基于SURF-BIT算法的图像检索系统，其特征在于以下几点。

步骤1：对图像预处理，将原始图像上传到HDFS，并为每个图像名称重命名一个唯一的标识符ID。

步骤2：利用SURF-BIT算法开始提取图像特征，并获得二进制的特征描述符，SURF-BIT算法的具体步骤如下：①基于SURF的特征点检测；②建立基于BRISK的二进制的特征描述符。

步骤3：定义一个表示每个图像的图像类，所述的图像类包含该图像的特征描述符集合和图像的唯一标识符ID。

步骤4：通过对象序列化技术，将所有图像对象保存到分布式文件系统HDFS中，完成图像数据库的构建。

步骤5：将查询图像的特征描述符与步骤4中图像数据库中的图像的特征描述符进行比较，生成初匹配点对。

步骤6：采用RANSAC消除误匹配的点对，从而获得更精确的匹配点对。

步骤7：如果两张图像的匹配点对数超过阈值，认为这两张图像相似，并输出匹配图像的标识符ID。

案例分析：本案涉及图像检索的算法改进，并且在权利要求1中明确限定了算法的名称为SURF-BIT，选择将其作为

关键词进行初步检索。浏览初步检索的结果可以获知，SURFBIT是申请人自定义的算法名称，该算法并不是一种公知的或现有的算法，该SURF-BIT算法是将公知的SURF算法和公知的BRISK算法进行结合，并对公知的SURF算法进行了改进。进一步结合说明书记载的实施例对权利要求1限定的算法步骤进行分析，获知该图像检索系统的应用框架为Spark，从而提取

关键词“Spark”、“BRISK”、“SURF”进行检索，可以获得最接近现有技术的专利文献CN105740899A，以及与该专利文献结合可影响权利要求1创造性的专利文献CN103426186A、CN106777167A。

1.2 案例二

基本信息：本案公开号为CN109035419A，申请人为深圳市果壳文化科技有限公司。

发明名称：一种基于AR技术的社交方法和系统

背景技术：现有增强现实AR技术信息存在匹配准确性以及效率较低，并且主要是针对视频影像的处理，没有涉及语音效果的匹配。

解决方案：

权利要求1. 一种基于AR技术的社交方法，其特征在于，包括步骤：获取显示面前方的影像信息；对影像信息进行预处理，根据预处理后的特征信息匹配云平台数据库中的虚拟影像信息，对预处理后的特征信息与匹配成功的虚拟影像信息进行编码、传输，把预处理后的特征信息和虚拟影像信息分别解码后叠加显示；所述影像信息包括视频信息、语音信息、方位信息，视频信息、语音信息由显示面上的视频采集组件获取，方位信息由GPS或基站进行定位；匹配包括如下步骤：获取的影像信息经过预处理后的信息包括像素点信息，以及像素点对应的方位信息，形成三维立方体特征值，立方体中的每个位置加入一个权值，来表示该位置像素点的作用大小，搜寻立方体每移动一次，就形成一个新的加权模板，加权模板的大小和形状与搜寻立方体一致，加权模板中相应位置的权值由该位置像素点到中心像素点的空间距离和与中心像素的相关程度确定，相关程度由距离函数Fd和相似度函数Fs表示，其中，Fd(i,j)＝Fd(dEU(i,j))，Fs(i,j)＝Fs(dRV(gi,gj))，dEU(i,j)是像素i和像素j之间的欧几里得距离，dRV(gi,gj)是像素i和像素j之间相异度测量。

案例分析：本案权利要求1的篇幅较长，限定的技术特征很多，包括有好几个影像处理相关的算法公式。但是在权利要求书以及说明书中均未出现算法名称，不能通过算法名称直接获取到相关算法。再次分析该权利要求1所限定的方案，该方案限定有多个公式，并且是基于公式的计算结果来执行相应的处理，由此可知公式在整个方案中很重要，因此考虑选择公式作为一个检索切入点。在互联网的各大搜索引擎中，一般是通过图像格式的输入方式来搜索公式，往往输出的结果也是图像格式，这样的搜索方式得到的结果噪声很大，准确率不高。考虑到GOOGLE不单可以对图像格式的公式进行搜索，还可以对以字符方式表达的公式进行搜索，准确率相对较高，因此选择在GOOGLE中输入“Fd(i,j)＝Fd(dEU(i,j))”以及“dRV(gi,gj)”，从排序靠前的搜索结果中可获得英文非专利文献“A weighted-RV method to detect fine-scale functional connectivity during resting state”，该非专利文献公开了权利要求1中的公式，可作为权利要求1的最接近现有技术。

1.3 案例三

基本信息：本案公开号为CN102289789A，申请人为中山大学。

发明名称：一种基于手机的色盲图像转换系统及其应用方法

背景技术：色异者在查看存储于手机中的彩色照片或图片时存在困难。而现有的解决方式，或者仅能辨别红绿灯，或者佩戴色盲眼镜，或者将彩色图像变成黑白图像，都存在使用不便、效果不好的问题。

解决方案：

权利要求1. 一种基于手机的色盲图像转换系统，其特征在于，所述系统包括图像获取装置、用于对获取图像进行处理的图像处理装置和显示图像的显示装置，所述图像处理装置包括：

用于在处理过程中创建一个或多个用户设置项的设置模块；

用于在处理过程中根据用户设置项对图像上至少一种颜色进行转换的转换模块；

所述转换模块包括：

用于在处理过程中根据用户设置项对图像进行色盲模拟转换的模拟单元，所述模拟单元用于实现对各种异色觉的模拟；

用于在处理过程中根据用户设置项对图像进行色觉颜色翻译转换的翻译单元。

权利要求5. 根据权利要求1所述的应用方法，其特征在于，所述色盲模拟转换采用色觉模拟算法，所述色觉模拟算法通过去除特定色异类型无法感知的颜色信息从而对该色异色觉进行模拟，通过以下步骤：

从RGB空间变换到LMS空间

以三种视锥细胞的光谱响应量为基，可建立LMS空间。使用下式将图像从RGB空间变换到LMS空间：

在LMS空间上进行色域缩减，根据用户选择的欲模拟的色异类型，在LMS空间上进行色域缩减；

从LMS空间变换回RGB空间；

使用下式将缩减的LMS图像变换回RGB空间，得到最终的模拟图；

案例分析：本案权利要求1请求保护的主题是一种图像转换系统，特征部分限定了图像处理的具体方式，但是所限定的图像处理方式都是较为常见的处理方式，而且根据权利要求1所限定的内容也无法确定各个模块使用了何种算法。进一步分析权利要求书，发现本案从属权利要求5对色盲模拟转换采用的色觉模拟算法进行了具体限定，虽然也没有直接限定具体的算法名称，但是限定了该算法应用于LMS空间，并且限定了具体的变换公式，在变换公式里面的变换矩阵含有特定数值的变换系数。基于上述分析，选择将“LMS”与某个特定数值的变换系数一同输入到可以检索英文非专利文献全文的搜索引擎，获得英文非专利文献“Digital video colourmaps for checking the legibility of displays by dichromats”。该英文非专利文献的公式（4）与公式（6）与从属权利要求5中限定的两个变换公式是相同的，可作为从属权利要求5的最接近现有技术。

3 结束语

图像处理相关的研究成果在寻求知识产权保护的时候，专利性检索是关键的环节。在对涉及图像处理的专利或专利申请进行专利性检索时，根据每个专利或专利申请各自的具体案情选择合适的检索策略，例如选择合适的检索思路以及检索技巧，以快速定位密切相关的现有技术。

当权利要求书中限定了图像处理算法的名称时，选择直接将算法名称作为关键词进行初步检索，基于初步检索的结果灵活地调整检索思路，例如本文中的案例一。进一步，当在权利要求书以及说明书中未出现图像处理算法的名称时，如果对方案的技术内容也不是很了解，不能通过算法名称直接获取到相关算法时，选择将算法公式以字符方式表达的形式输入到GOOGLE搜索引擎中进行搜索，例如本文中的案例二。再进一步，在权利要求书以及说明书中也未出现图像处理算法的名称时，如果算法公式中的参数有具体的参数值，选择将参数值输入到互联网的搜索引擎中进行搜索，例如在本文中的案例三。