返回项目页面
对比文件列表
2002-10-31_US2002159636A_发明申请_US20020159636A1 GENERALIZED TEXT LOCALIZATION IN IMAGES_+++A_C_D_F_I_J_L_O_b_p+++.docx
2026-03-19 23:32
2004-01-29_US2004017941A_发明申请_US20040017941A1 System and method for bounding and classifying regions within a graphical image_+++A_D_i+++.docx
2026-03-19 23:32
2004-12-24_JP2004362381A_发明专利_JP2004362381A Image processor and image processing method_+++a_b_c_d_f_i_j_o+++.docx
2026-03-19 23:32
2007-06-07_US2007127774A_发明申请_US20070127774A1 Target detection and tracking from video streams_+++A_D_I+++.docx
2026-03-19 23:32
2007-08-09_US2007183661A_发明申请_US20070183661A1 Multi-mode region-of-interest video object segmentation_+++D_I_a_b_c+++.docx
2026-03-19 23:32
2010-12-02_JP2010271987A_发明专利_JP2010271987A Area classification device, image quality improvement device, image display apparatus, and methods therefor_+++A_D_I_g_j+++.docx
2026-03-19 23:32
2011-06-30_US2011158558A_发明申请_US20110158558A1 METHODS AND APPARATUSES FOR FACILITATING CONTENT-BASED IMAGE RETRIEVAL_+++A_D_i_j+++.docx
2026-03-19 23:32
2011-10-06_US2011243443A_发明申请_US20110243443A1 IMAGE SEGMENTATION_+++a_c_d_i+++.docx
2026-03-19 23:32
2012-03-29_US2012078899A_发明申请_US20120078899A1 SYSTEMS AND METHODS FOR DEFINING OBJECTS OF INTEREST IN MULTIMEDIA CONTENT_+++A_I_d+++.docx
2026-03-19 23:32
2012-09-19_CN102682454A_发明公开_CN102682454A 一种视频中的感兴趣区域跟踪方法及装置_+++A_D_I+++.docx
2026-03-19 23:32
2013-03-28_JP2013058158A_发明专利_JP2013058158A Image processor and image processing program_+++D_a_c_i_o+++.docx
2026-03-19 23:32
2013-05-08_CN102682454B_发明授权_CN102682454B 一种视频中的感兴趣区域跟踪方法及装置_+++A_D_I_b+++.docx
2026-03-19 23:32
2013-08-15_US2013208947A_发明申请_US20130208947A1 OBJECT TRACKING APPARATUS AND CONTROL METHOD THEREOF_+++C_D_F_I_O_a_b+++.docx
2026-03-19 23:32
2013-10-03_WO2013144418A_发明申请_WO2013144418A1 IMAGE SEGMENTATION_+++A_D_i+++.docx
2026-03-19 23:32
2013-12-26_JP2013257843A_发明专利_JP2013257843A Image processing apparatus, image processing method, program, and storage medium_+++I_c_d+++.docx
2026-03-19 23:32
2014-01-30_US2014028842A_发明申请_US20140028842A1 CALIBRATION DEVICE AND METHOD FOR USE IN A SURVEILLANCE SYSTEM FOR EVENT DETECTION_+++a_b_d_g_i+++.docx
2026-03-19 23:32
2014-05-08_US2014126821A_发明申请_US20140126821A1 FOREGROUND AND BACKGROUND IMAGE SEGMENTATION_+++A_D_I_b_c_e_f+++.docx
2026-03-19 23:32
2014-10-14_US8861864B_发明授权_US08861864B2 Image feature detection based on application of multiple feature detectors_+++A_D_E_I_J+++.docx
2026-03-19 23:32
JP2018517972A_Description_20260309_2152_+++A_B_C_D_E_F_G_H_I_J_K_L_M_P_n_o+++.docx
2026-03-19 23:32
2013-10-03_WO2013144418A_发明申请_WO2013144418A1 IMAGE SEGMENTATION_+++A_D_i+++.docx

对比文件名称:2013-10-03_WO2013144418A_发明申请_WO2013144418A1 IMAGE SEGMENTATION

目标专利名称:270用于减少多个限界区的系统和方法CN107636589B

本次调用模型名称:DeepSeek-R1

作为资深专利代理师,我将根据目标专利说明书对权利要求技术特征的解释,并结合对比文件的内容,进行严谨的公开性判断。

### 特征比对表格

技术特征描述及公开性判断结果对比文件原文引用公开性论述
**技术特征A《直接公开》**[p0049] “...the method is started with segmenting (200) an image into over-segments such that the graph structure and the spatial neighbourhood of the pixel data of the image are preserved.” <br>“...将图像分割成过分割段(over-segments),从而保留图像像素数据的图结构和空间邻域。”目标专利的“限界区”是限定图像像素边界的封闭形状(见说明书[0031])。对比文件公开了将图像分割成“过分割段”(over-segments),这些过分割段实质上是图像中由相似颜色像素组成的区域(超像素),其边界限定了图像的不同部分,构成了多个图像区域。虽然术语不同,但“过分割段”在对比文件中的作用(划分图像区域)与目标专利中“限界区”的作用(限定图像像素边界)实质相同。本领域技术人员能够毫无疑义地得出对比文件公开了“基于图像产生多个限界区(图像区域)”这一技术方案。
**技术特征B《未公开》**[p0050] “...the user interaction is started (202) by detecting a user command on the user interface.” <br>“...通过检测用户界面上的用户命令来启动(202)用户交互。”<br>[p0052] “...the segmentation process (212) is also started.” <br>“...分割过程(212)也被启动。”目标专利的“基于色差准则...确定所述多个限界区的子集”是一种从已产生的多个候选限界区中进行筛选和减少的步骤(见说明书[0044]-[0063])。对比文件虽然基于用户交互(选定区域)来更新掩模图像和分类算法(如颜色GMM),并启动分割过程,但其核心是通过图割(graph cut)等能量最小化方法,将图像像素或过分割段分类为前景或背景,从而“生成”一个分割结果(前景对象)。这个过程更接近于从无到有地“生成”或“分割”出目标区域,而非从一组预先存在的“多个限界区”中依据特定准则“选择”出一个子集。两者技术手段和作用不同。因此,对比文件未公开该特征。
**技术特征C《未公开》**[p0054] “Instead of the GMM, a color histogram or an intensity histogram can be used to model the foreground and the background.” <br>“除了GMM,也可以使用颜色直方图或强度直方图来对前景和背景进行建模。”目标专利的“色差准则”具体指计算“限界区”与其“相应环绕区”之间的“色彩距离”(见说明书[0058]-[0063])。对比文件公开了使用颜色直方图、GMM等来建模前景和背景,以区分它们。然而,对比文件建模和比较的对象是“前景”(可大致对应目标对象区域)和“背景”(图像中其余部分),并未公开为每个候选区域(限界区)定义一个特定的“环绕区”(如说明书[0059]所述大于限界区的框),并计算两者间的色彩距离以作为筛选准则。作用上,对比文件的颜色模型用于全局分割的能量函数,而非用于从多个候选框中筛选。因此,该特征未被公开。
**技术特征D《直接公开》**[p0046] “In addition to applications in converting 2D images to 3D images, the different embodiments could be used in different applications, such as image editing.” <br>“除了应用于将2D图像转换为3D图像外,不同实施例还可用于其他应用,例如图像编辑。”目标专利的“处理图像”是基于选定的限界区子集执行后续操作(见说明书[0067]-[0075])。对比文件明确其分割方法可用于“2D/3D转换”和“图像编辑”。一旦通过交互式分割获得了前景对象(即分割出的区域,相当于目标专利中的“限界区的子集”),必然要基于这个结果进行后续处理,例如在2D/3D转换中利用前景深度信息,或在图像编辑中对选定对象进行操作。本领域技术人员能够毫无疑义地理解,对比文件公开的分割结果是用于后续图像处理的,即“基于所述多个限界区的所述子集(分割出的前景区域)来处理所述图像”。
**技术特征E《未公开》**无相应内容。目标专利的“居中性”指限界区中心与选定区域(如触摸点)之间的距离(见说明书[0046]-[0050])。对比文件全程未提及任何基于“居中性”的准则或概念。其用户交互是绘制涂鸦(scribbles)来指示前景,算法基于颜色相似性进行分割,不涉及计算候选区域中心与初始点的距离并进行筛选。因此,该特征未被公开。
**技术特征F《未公开》**[p0054] “Instead of the GMM, a color histogram ... can be used to model the foreground and the background.” <br>“除了GMM,颜色直方图...也可以用于对前景和背景进行建模。”目标专利该特征强调为“每一限界区”和“每一相应环绕区”分别计算色彩直方图并进行比较(见说明书[0058], [0061])。对比文件虽然提到了使用颜色直方图,但它是用于建立整个前景或整个背景的模型,并非针对多个候选限界区中的每一个及其特定的环绕区进行一对一的直方图计算和比较。技术手段和作用均不同。因此,该特征未被公开。
**技术特征G《未公开》**无相应内容。目标专利的“平均大小”用于筛选大小接近平均值的候选限界区(见说明书[0051]-[0056])。对比文件未提及任何基于候选区域平均大小进行筛选的准则。其过分割段的大小由算法自动决定,分割过程不依赖大小比较准则。因此,该特征未被公开。
**技术特征H《未公开》**无相应内容。由于技术特征G(基于平均大小)未被公开,作为其具体化的“中值大小和均值大小中的至少一者”自然也未被公开。对比文件中无相应内容。
**技术特征I《隐含公开》**[p0046] “...the different embodiments could be used in different applications, such as image editing.” <br>“...不同实施例可用于其他应用,例如图像编辑。”目标专利列举了对象辨识、跟踪、聚焦等多种具体的图像处理操作(见说明书[0067]-[0075])。对比文件明确指出其分割技术可用于“图像编辑”。本领域技术人员公知,“图像编辑”是一个宽泛的概念,通常包含对选定对象进行的一系列操作,例如从图像中移除对象(对象去除)、增强对象外观(图像增强)、将对象裁剪出来(裁剪)等。虽然对比文件未明确列出所有具体操作,但基于其公开的“图像编辑”应用,本领域技术人员能够合理推断出,在获得分割出的前景对象(即限界区子集)后,可以对该对象执行这些常见的编辑操作。因此,该特征被隐含公开。
**技术特征J《未公开》**[p0049] “...any other over-segmentation method, such as methods based on mean-shift and k-means algorithms, can also be used.” <br>“...也可以使用任何其他过分割方法,例如基于均值漂移和k均值算法的方法。”目标专利明确限定了产生限界区的算法是“基于梯度的限界区产生算法”,例如BING(见说明书[0032]-[0033])。对比文件公开的过分割方法(如引用的Cigla & Alatan方法、SLIC超像素、均值漂移、k-means)都是基于颜色相似性、空间邻近性等进行像素聚类,并非基于图像梯度。两者采用的核心技术原理不同。因此,该特征未被公开。
**技术特征K《未公开》**无相应内容。该特征描述了结合居中性准则和第一大小准则进行“拒绝”的筛选流程。如前述,对比文件未公开任何居中性准则或大小准则,因此更不可能公开基于这些准则进行拒绝的步骤。该特征未被公开。
**技术特征L《未公开》**无相应内容。该特征描述了结合色差准则和第二大小准则进行“选择”的筛选流程。对比文件未公开基于“色差准则”(如特征C所述)或“第二大小准则”来选择限界区的步骤。其选择(分割)出前景对象是基于能量最小化,而非此类筛选准则。该特征未被公开。
**技术特征M《未公开》**无相应内容。该特征限定了“第二大小准则”涉及“经加权中值大小或经加权均值大小”。对比文件完全没有涉及任何经加权的大小计算或准则。该特征未被公开。
**技术特征N《未公开》**无相应内容。该特征描述了基于居中性准则进行拒绝的具体流程。对比文件未公开居中性准则,因此该流程未被公开。
**技术特征O《未公开》**无相应内容。该特征描述了计算“每一者与相应环绕区之间的色彩距离”。如特征C和F所述,对比文件未公开为候选区域定义“环绕区”并计算与其的色彩距离。该特征未被公开。
**技术特征P《未公开》**无相应内容。该特征描述了“选择具有最大色彩距离的限界区”。对比文件的分割决策基于全局能量最小化,而非比较并选择具有最大色彩距离的单个区域。该特征未被公开。

<<<A>>><<<D>>><<<i>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE