对比文件名称：2014-10-14_US8861864B_发明授权_US08861864B2 Image feature detection based on application of multiple feature detectors
目标专利名称：用于减少多个限界区的系统和方法CN107636589B
本次调用的模型名称：DeepSeek-R1
## 特征比对表格
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：其包括：基于图像产生多个限界区《直接公开》 | [0022] The image feature detection methods disclosed herein may utilize FAST-type feature detection until a boundary is determined... [0023] Thus, image feature detection may include three steps: locating a region of interest in an image based on FAST-type feature detection, determining a boundary corresponding to the region of interest... | 对比文件公开了基于图像定位感兴趣区域（ROI）并确定对应边界（例如限界框、边界椭圆等，参见[0024]），这对应于产生限界区。其作用是在进行更精确检测（如SIFT）前，快速定位潜在的对象区域，这与目标专利中限界区产生器210（图2）基于图像产生多个限界区以寻找/检测对象的初始步骤作用相同。因此，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”。 |
| **技术特征B**：基于色差准则以及所述图像中的选定区域，确定所述多个限界区的子集，《未公开》 | 无相关引用。对比文件未提及“色差准则”或基于色彩差异来选择限界区。 | 目标专利中的“色差准则”（如说明书[0058]-[0063]段）是基于限界区内部与环绕区之间的色彩差异（如色彩直方图距离）来区分和选择限界区的核心准则。对比文件在确定感兴趣区域/边界时，明确说明其FAST检测器不依赖于色彩数据（参见[0028] “...may operate without examination of any color data...”），而是基于关键点（如FAST关键点）的检测、密度和位置（如[0030]-[0032]，[0051]-[0053]）。虽然对比文件也涉及基于选定区域（如图像中心或用户输入点，见[0024]，[0037]-[0038]）来确定区域，但其用于区分和选择区域的准则是关键点的空间分布特性（如密度、居中性），而非色彩差异准则。因此，对比文件未公开“基于色差准则...确定所述多个限界区的子集”。 |
| **技术特征C**：其中所述色差准则基于限界区与相应环绕区之间的色彩距离来区分限界区《未公开》 | 无相关引用。 | 如特征B论述，对比文件未使用任何基于色彩距离或色彩直方图比较的准则。其区分区域的依据是关键点的检测和聚类分析（参见[0052]-[0068]的算法和伪代码），完全不涉及色彩信息。因此，对比文件未公开该技术特征。 |
| **技术特征D**：以及基于所述多个限界区的所述子集来处理所述图像。《直接公开》 | [0023] ...and performing SIFT-type feature detection in an area of the image encapsulated by the boundary. [0005] ...After a user selects a desired region of interest, a more accurate feature detector, such as SIFT, is applied to the region of interest. | 对比文件公开了在确定边界（即限界区的子集，通常是一个）后，对边界封装的图像区域应用更精确的特征检测器（如SIFT）进行处理。这对应于目标专利中基于限界区的子集处理图像，例如进行对象识别（说明书[0070]-[0071]段）。两者的作用都是在初步定位区域后，对该区域进行进一步的图像分析或处理。因此，该特征被直接公开。 |
| **技术特征E**：其中确定所述多个限界区的所述子集是进一步基于所述多个限界区中的每一者相对于所述选定区域的居中性。《直接公开》 | [0024] In a particular embodiment, when multiple candidate regions of interest are detected, the region of interest closest to the center of the image is chosen. [0030] Thus, the selected region of interest may be the region closest to the image center having a density of FAST keypoints exceeding the object indication threshold. | 对比文件明确公开了在选择感兴趣区域（即限界区子集）时，基于其相对于图像中心（一种特定的“选定区域”）的居中性。说明书[0024]和[0030]段直接描述了选择最接近图像中心的区域。这与目标专利中基于限界区中心与选定区域（如图像中心或触摸点）之间的距离（居中性准则214，说明书[0045]-[0050]段）来筛选限界区的作用相同。因此，该特征被直接公开。 |
| **技术特征F**：其中确定所述多个限界区的所述子集是进一步基于每一限界区的色彩直方图与每一相应环绕区的色彩直方图之间的比较。《未公开》 | 无相关引用。 | 对比文件未提及色彩直方图，也未提及环绕区（surrounding region）的概念及其与限界区内部的色彩直方图比较。其选择机制基于关键点，而非色彩统计。因此，对比文件未公开该技术特征。 |
| **技术特征G**：其中确定所述多个限界区的所述子集是进一步基于所述多个限界区的平均大小。《未公开》 | 无相关引用。 | 对比文件在确定边界大小时，提到了基于带宽h计算最大框大小（如[0069]段），或用户指定大小，但未公开基于所产生的多个限界区的平均大小（均值或中值）来作为选择或拒绝限界区的准则。其算法（[0051]-[0068]）主要关注关键点密度和位置，而非限界区大小的统计比较。因此，对比文件未公开该技术特征。 |
| **技术特征H**：其中所述平均大小是中值大小和均值大小中的至少一者。《未公开》 | 无相关引用。 | 由于特征G未被公开，且对比文件中无任何关于计算限界区大小中值或均值的描述，因此该特征未被公开。 |
| **技术特征I**：其中处理所述图像包括执行对象辨识、对象跟踪、聚焦、对象去除、图像增强、裁剪或压缩中的一或多者。《直接公开》 | [0027] ...application of the SIFT-type feature detector may provide results that can be used to perform product identification (e.g., identify a detergent manufacturer)... [0005] ...Object recognition based on the results of such feature detection... [0048] ...Object recognition based on the results of such feature detection may be a slow and time-consuming process. | 对比文件明确公开了应用SIFT等特征检测器进行对象识别（object recognition），这是“处理图像”的具体方式之一。说明书[0027]、[0005]、[0048]段多次提及对象识别。目标专利说明书[0070]-[0071]段也将对象识别列为图像处理的一个示例。虽然对比文件未明确列举跟踪、聚焦等其他具体处理方式，但其公开的“对象识别”已落入目标专利所列举的“执行对象辨识...中的一或多者”的范围之内。两者作用均为对选定区域进行高级图像分析。因此，该特征被直接公开。 |
| **技术特征J**：其中产生所述多个限界区是基于一基于梯度的限界区产生算法。《直接公开》 | [0019] ...FAST-type feature detectors... [0020] ...computationally inexpensive (e.g., more efficiently computable) image feature detectors, such as Features from Accelerated Segment Test (FAST)... [0051] ...keypoints may be located within an image. For example, a FAST-type feature detector (e.g., corner detector) may be used to detect keypoints in the image. | 对比文件使用的FAST（Features from Accelerated Segment Test）特征检测器是一种基于梯度（或强度变化）的角点检测算法，通过比较像素与其邻域像素的灰度值来检测关键点（参见[0052]段等式(1)）。这属于一种“基于梯度的限界区产生算法”。目标专利说明书[0032]段将BING作为基于梯度的限界区产生算法实例，并指出基于梯度的算法使用图像的梯度分析产生限界区。虽然具体算法名称不同，但同属于基于图像梯度信息进行特征检测以产生候选区域的算法类别，作用相同。因此，该特征被直接公开。 |
| **技术特征K**：其中基于所述色差准则和所述图像中的所述选定区域来确定所述多个限界区的子集包括：拒绝所述多个限界区中使居中性准则或第一大小准则中的一或多者失效的任一者《未公开》 | 无相关引用。 | 该特征限定了确定子集的具体步骤组合：基于色差准则和选定区域，并包括拒绝不满足居中性准则或第一大小准则的限界区。如前述，对比文件未使用“色差准则”。虽然对比文件隐含了基于居中性进行选择（见特征E），但并未将其描述为“拒绝...使居中性准则...失效的任一者”这样的明确筛选步骤，且完全未提及“第一大小准则”。因此，该包含特定准则组合和步骤限定的特征未被公开。 |
| **技术特征L**：以及选择满足色差准则或第二大小准则中的一或多者的限界区。《未公开》 | 无相关引用。 | 该特征限定了选择步骤需满足色差准则或第二大小准则。对比文件未使用色差准则，也未提及“第二大小准则”。其选择限界区是基于关键点密度和居中性（如[0030]）。因此，该特征未被公开。 |
| **技术特征M**：其中对于具有经加权中值大小或经加权均值大小的限界区，满足所述第二大小准则。《未公开》 | 无相关引用。 | 对比文件中不存在“经加权中值大小或经加权均值大小”的概念，也未涉及基于此类大小计算来满足某个准则。因此，该特征未被公开。 |
| **技术特征N**：其中基于所述色差准则和所述图像中的所述选定区域来确定所述多个限界区的子集包括：拒绝所述多个限界区中使居中性准则未能产生多个其余限界区的任一者《隐含公开》 | [0063]-[0065] 伪代码及描述：`if arg maxi(lcandidate(xi)) ≧ p1 and cardinality(lcurrent(xi) > p2) > thresh2 then Accept the candidate location... else No Detection end if` | 该特征描述了基于选定区域和色差准则进行筛选的一个子步骤：拒绝那些导致居中性准则无法产生“多个其余限界区”的限界区。对比文件虽未使用色差准则，但其区域选择算法（伪代码）中包含筛选逻辑：计算候选局部最大值后，需检查条件（如最近关键点的似然度≥p1，且具有高似然度（>p2）的关键点数量>阈值thresh2）。如果不满足这些条件，则结果为“No Detection”（无检测），这意味着无法产生有效的候选区域（可类比为“未能产生多个其余限界区”）。虽然准则的具体内容（色彩 vs. 关键点）不同，但该逻辑结构体现了“基于某些准则进行测试，若失败则拒绝/无输出”的筛选步骤。从非常宽松的隐含公开判断标准来看，本领域技术人员有可能从对比文件的筛选逻辑中推理出“拒绝使某些准则未能产生多个其余限界区的任一者”这一通用筛选步骤概念。但必须强调，该推理脱离了“色差准则”这一核心限定。 |
| **技术特征O**：确定所述多个其余限界区中的每一者与相应环绕区之间的色彩距离《未公开》 | 无相关引用。 | 对比文件未涉及“环绕区”概念，也未计算任何区域与环绕区之间的“色彩距离”。其算法完全基于关键点的空间分布。因此，该特征未被公开。 |
| **技术特征P**：以及选择具有最大色彩距离的限界区。《未公开》 | 无相关引用。 | 对比文件的选择机制是基于关键点密度和位置（如最接近中心、密度最高），而非基于“最大色彩距离”。因此，该特征未被公开。 |
<<<A>>><<<D>>><<<E>>><<<I>>><<<J>>>