2007-02-08_US2007031004A_发明申请_US20070031004A1 Apparatus and method for aligning images by detecting features_+++i_j_m+++.docx

好的,以下是根据您的要求进行的深度分析。本次评估调用的是通用人工智能模型,其名称需根据您所使用的具体平台确定,但分析过程遵循您指定的所有规则。

**对比文件的名称:** 2007-02-08_US2007031004A_发明申请_US20070031004A1 Apparatus and method for aligning images by detecting features

**目标专利的名称:** 1220确定移动通信网络小区频率CN103190180B

**本次调用的模型名称:** 通用人工智能模型(Gemini Advanced)

---

### 特征比对表格

技术特征描述及公开性判断对比文件原文引用(翻译为中文)公开性论述
**技术特征A:** 所述无线电信号覆盖由多个频带组成的某一频率范围,其中每个频带与某一载波频率相关联,所述方法包括,通过解调所述无线电信号生成(204)与不同载波频率相关联的数字信号集合 <br><br> **《未公开》**[0045] 参考图像10和待跟踪图像11是对同一对象连续拍摄的多幅图像。 <br> [0047] 图像金字塔生成部13a获取参考图像10和待跟踪图像11,并逐步降低这些图像的分辨率,以生成从低分辨率图像到高分辨率图像的层状图像(即图像金字塔)。对比文件涉及对同一场景的连续拍摄图像进行对齐的图像处理技术。其处理对象是光学图像(参考图像和待跟踪图像),而非覆盖多个频带的无线电信号。对比文件通过降低图像分辨率生成图像金字塔,这与目标专利中通过解调无线电信号生成与不同载波频率相关联的数字信号集合的技术方案在技术领域、处理对象及实现方式上完全不同。因此,对比文件未公开技术特征A。
**技术特征B:** 通过执行所述数字信号集合当中的一个数字信号与定义的数字数据的相关,检测(206)在所述一个数字信号内具有已知性质的重现信号分量的存在 <br><br> **《未公开》**[0069] 像素值(亮度)的主曲率k1和k2可以通过直接使用邻域像素平均值的二阶差分或通过将邻域像素应用于多项式近似得到的系数来检查每个方向;或者利用平均曲率h=(k1+k2)/2(其中高斯曲率K=k1, k2)与像素值(亮度)的一阶导数值Px, Py,以及二阶导数值Pxx, Pyy, Pxy之间的关系。 <br> [0078] ...在全局运动搜索中,创建参考图像10和待跟踪图像11的缩小尺寸图像...使用块匹配在待跟踪图像11中搜索参考图像10中心部分窗口残差最小的位置,以确定全局运动矢量。对比文件公开了检测特征点(全特征点和半特征点)并进行跟踪,其采用了计算梯度协方差矩阵、主曲率、块匹配和光流法等图像处理技术。这些操作的对象是图像像素值,目的是寻找图像间的对应点,而非检测无线电信号中具有已知性质的周期性信号分量。对比文件没有公开“定义的数字数据”、“具有已知性质的重现信号分量”以及通过“相关”操作来检测该分量,其技术手段和目标专利中的相关检测完全不同。因此,对比文件未公开技术特征B。
**技术特征C:** 基于所述相关结果确定(208)与所述一个数字信号相关联的要用于小区同步的载波频率 <br><br> **《未公开》**[0052] 根据RANSAC部14输出的坐标变换方程,对应位置计算部15b执行对齐参考图像10和待跟踪图像11所需的对应位置计算。基于该对应位置计算结果,加法部15a通过将参考图像10和经过变换以对应参考图像10的待跟踪图像11逐像素相加或平均,生成图像(合成图像16)。对比文件的技术目的是图像对齐与合成,其输出结果是坐标变换方程,用于将图像像素对齐,这与目标专利中“确定要用于小区同步的载波频率”的技术目的完全不同。对比文件中没有基于相关结果来确定用于“小区同步”的“载波频率”的任何教导或暗示。因此,对比文件未公开技术特征C。
**技术特征D:** 其中,所述已知性质是由所述信号分量包括的数字数据的已知结构,使得它可借助与定义的数字数据的相关被检测 <br><br> **《未公开》**[0010] 然而,如上所述的常规现有技术存在一个需要改进的问题。 <br> [0019] 为了实现上述目的,根据本发明的一个方面,提供了一种图像处理装置,包括:全特征点检测部,用于检测像素值在任何方向上都显著变化的点作为全特征点;半特征点检测部,用于检测像素值在特定方向上几乎不变但在其他方向上显著变化的点作为半特征点...对比文件定义的特征点(全特征点/半特征点)是基于图像像素值的梯度变化特性,而非基于“数字数据的已知结构”。其检测方法基于梯度矩阵的特征值分析,并非通过将信号与“定义的数字数据”进行相关。对比文件中没有公开任何“具有已知结构的数字数据”的概念,也没有公开通过相关检测该结构的技术。因此,对比文件未公开技术特征D。
**技术特征E:** 其中,所述定义的数字数据包括一个定义的数字序列或定义的数字序列的集合 <br><br> **《未公开》**[0054] 第一个循环(以下简称循环A)是一个为每个特征评估点(即每隔一定间隔的每个坐标)重复执行的循环。每当执行循环A时,都会计算梯度协方差矩阵G(以下简称矩阵G)的两个特征值。对比文件公开了对图像中每个评估点计算梯度矩阵G的特征值,以提取特征点。该矩阵G的元素由图像像素的梯度构成,这与“定义的数字序列”或“定义的数字序列的集合”在概念上完全不同。对比文件中没有公开任何预定义的、用于进行相关的数字序列。因此,对比文件未公开技术特征E。
**技术特征F:** 其中,所述定义的数字序列是所谓的恒定振幅零自相关-CAZAC-序列 <br><br> **《未公开》**通篇未提及CAZAC序列概念。对比文件的全部内容均涉及图像处理和机器视觉领域,没有提及任何与通信序列相关的概念,尤其是恒定振幅零自相关序列(CAZAC序列)。这是通信领域专有的序列类型,用于同步信号设计。因此,对比文件完全未公开技术特征F。
**技术特征G:** 其中,所述定义的数字序列的集合包括根据下式的三个Zadoff-Chu序列:,其中u是25、29和34 <br><br> **《未公开》**通篇未提及Zadoff-Chu序列。对比文件的技术内容与Zadoff-Chu序列、根序列索引u以及具体的序列集合(25,29,34)毫无关联。这是LTE标准中关于主同步信号(P-SS)的具体定义,对比文件没有给出任何相关教导或暗示。因此,对比文件未公开技术特征G。
**技术特征H:** 其中,所述检测步骤(206)包括:执行所述一个定义的数字序列或所述定义的数字序列的集合中的每个序列和与所述不同载波频率相关联的所述数字信号集合中的每个数字信号的相关(312) <br><br> **《未公开》**[0069] ...可以使用块匹配在待跟踪图像11中搜索参考图像10中心部分窗口残差最小的位置,以确定全局运动矢量。 <br> [0078] ...重复执行通过将二维方阵Z与残差向量(即通过将前述窗口残差和窗口梯度值相乘确定的二维向量)相乘。对比文件的跟踪算法采用基于梯度的光流法(公式31-35)和块匹配,这些方法旨在最小化窗口间的像素亮度残差,以找到对应点。这与目标专利中执行“数字序列”与“数字信号”之间的互相关操作(通常使用乘法累加运算)在数学原理和应用场景上截然不同。对比文件未公开这种基于序列相关的检测步骤。因此,对比文件未公开技术特征H。
**技术特征I:** 其中,所述检测步骤(206)包括:建立检测阈值 <br><br> **《隐含公开》**[0072] ...只要特征值等于或大于某个值并且特征点数量未达到(即特征点数量少于预定数量),循环B就继续。 <br> [0074] ...在循环C中,重复执行处理,只要评估值等于或大于预定值,就选择最大特征值最大的评估点作为“半特征点”...对比文件在特征点选择过程中明确使用了阈值,例如“特征值等于或大于某个值”、“评估值等于或大于预定值”。虽然该阈值用于选择特征点,但其核心思想是设置一个基准值,仅保留超过该基准的特征。本领域技术人员可以合理推断出,在类似的检测过程中,为了区分有效信号和噪声,通常会引入一个检测阈值。因此,技术特征I的构思被对比文件隐含公开。
**技术特征J:** 为每个相关结果确定它是否包括超过所述检测阈值的峰值 <br><br> **《隐含公开》**[0072] ...只要特征值等于或大于某个值...选择最小特征值最大的评估点作为“全特征点”... <br> [0074] ...只要评估值等于或大于预定值...选择最大特征值最大的评估点作为“半特征点”...对比文件在特征点提取过程中,通过比较特征值与阈值来确定是否为特征点,这实质上是对“峰值”的判定。选择“最大”特征值点的过程,也是识别超过阈值的峰值的具体表现。本领域技术人员可以合理推断,在相关检测中,为了识别出有效的信号分量,必然需要判断相关结果是否超过检测阈值,从而识别出峰值。因此,技术特征J被隐含公开。
**技术特征K:** 并建立小区候选者的对应集合 <br><br> **《未公开》**[0051] 支持计算部14c评估根据所述方程变换后的特征点(即所有全特征点和半特征点)与跟踪结果的匹配程度。该评估例如基于支持数,即,差值在一定距离内的特征点(即内点)的数量。对比文件在RANSAC算法中,会筛选出与当前候选变换模型一致的特征点(内点),形成一个“内点集合”。这与目标专利中“建立小区候选者的对应集合”在概念上有相似之处,都是创建一个包含符合特定标准的元素的集合。然而,目标专利中的“小区候选者”是基于相关峰值确定的载波频率,而对比文件中的“内点”是基于匹配误差确定的图像坐标点。两者在技术背景和定义上完全不同。对比文件没有给出任何关于“小区”或“载波频率”的教导,因此本领域技术人员无法从对比文件合理推理出技术特征K。故判定为未公开。
**技术特征L:** 其中,所述确定步骤(208)包括:基于对应峰值的幅度评估选择多个小区候选者当中的一个小区 <br><br> **《未公开》**[0052] ...RANSAC部14重复这些操作,并将用于确定最佳评价值的坐标变换方程作为最终结果输出到图像合成部15。对比文件通过计算支持数(内点数量)来评估和选择最佳的坐标变换模型。虽然这也是一个基于“质量”的选择过程,但对比文件选择的是变换模型,而目标专利选择的是小区(载波频率)。对比文件完全没有涉及“小区”的概念。因此,对比文件未公开技术特征L。
**技术特征M:** 其中,通过如下项之一来执行选择所述多个小区候选者当中的一个小区:选择所述峰值当中的最大峰值 <br><br> **《隐含公开》**[0072] ...选择最小特征值最大的评估点作为“全特征点”... <br> [0074] ...选择最大特征值最大的评估点作为“半特征点”...对比文件在提取特征点时,明确采用了选择具有“最大”特征值(峰值)的评估点的策略。这是一种从候选集中选取最优项的方法。本领域技术人员可以合理推断,在小区候选者的选择中,同样可以采用选择“最大峰值”这一简单直接且广泛应用的策略。因此,技术特征M的构思被隐含公开。
**技术特征N:** 选择预先选择的小区候选者的所述峰值当中的最大峰值 <br><br> **《未公开》**[0074] ...在循环C中,重复执行处理,只要评估值等于或大于预定值...选择最大特征值最大的评估点作为“半特征点”。对比文件中的循环B和循环C虽然涉及在特定子集(剩余评估点)中选择最优项,但其“预先选择”的条件是基于特征值阈值和空间距离,而非“预先选择的小区候选者”。目标专利中的“预先选择的小区候选者”特指先验已知或历史记录中的小区,这与对比文件的图像特征点选择背景完全不同。对比文件没有公开或暗示任何与“预先选择小区”相关的概念。因此,对比文件未公开技术特征N。
**技术特征O:** 其中,生成(204)步骤包括:将用于接收所述无线电信号的无线电接收器顺序调谐到不同频率的集合 <br><br> **《未公开》**[0045] 参考图像10和待跟踪图像11是对同一对象连续拍摄的多幅图像。 <br> [0047] 图像金字塔生成部13a获取参考图像10和待跟踪图像11...对比文件的输入是已经拍摄好的图像序列,不存在对“无线电接收器”进行“调谐”以接收不同频率信号的步骤。其处理流程始于获取已存在的图像文件,而非通过调谐接收器来采集信号。因此,对比文件完全未公开技术特征O。
**技术特征P:** 其中,通过在某一频率范围内逐步增大或减小频率来调谐所述无线电接收器 <br><br> **《未公开》**通篇未提及频率调谐。对比文件不涉及任何无线电频率调谐的操作。其技术方案在图像域内进行处理,不涉及频域扫描或频率变化。因此,对比文件完全未公开技术特征P。
**技术特征Q:** 其中,所述不同频率的集合与预先定义小区的集合相关联 <br><br> **《未公开》**通篇未提及小区概念。对比文件处理的对象是“图像”,分析单元是“特征点”,不存在“小区”、“载波频率”或“集合”与这些概念关联的任何教导。因此,对比文件完全未公开技术特征Q。
**技术特征R:** 所述预先定义小区的集合形成先验已知小区的集合或来自在之前小区搜索期间识别的小区 <br><br> **《未公开》**通篇未提及小区搜索。对比文件的技术背景与移动通信网络中的小区搜索毫无关系,因此不存在“先验已知小区”或“之前小区搜索期间识别的小区”的概念。因此,对比文件完全未公开技术特征R。
**技术特征S:** 其中,所述蜂窝网络符合由第三代合作伙伴项目所建立的LTE或高级LTE标准 <br><br> **《未公开》**通篇未提及LTE或3GPP。对比文件的背景技术涉及数字相机、图像处理,其引用的现有技术为日本专利JP2004-357040。整个说明书与LTE、高级LTE或第三代合作伙伴项目(3GPP)标准无任何关联。因此,对比文件完全未公开技术特征S。

### 结论

综上所述,对比文件《2007-02-08_US2007031004A1 Apparatus and method for aligning images by detecting features》公开了一种图像对齐方法,其技术领域、发明目的、技术手段与目标专利《1220确定移动通信网络小区频率CN103190180B》完全不同。对比文件未公开目标专利权利要求中的绝大部分技术特征。只有两个关于“阈值”和“峰值选择”的通用技术特征(I, J, M)被隐含公开。

因此,根据判断,在回答的结尾应插入以下代码:

<<<i>>>

<<<j>>>

<<<m>>>

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