对比文件名称：2011-06-30_US2011158558A_发明申请_US20110158558A1 METHODS AND APPARATUSES FOR FACILITATING CONTENT-BASED IMAGE RETRIEVAL
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<br>《直接公开》 | [0044] “The image retrieval circuitry 118 may be configured to generate a candidate region of interest set comprising one or more ROIs within the target image. ... In this regard, the image retrieval circuitry 118 may be configured to treat each of a subset of the extracted local features as an ROI in the generated candidate ROI set. ... group a plurality of local features as an ROI and add the ROI to the generated candidate ROI set.”<br>[0044] “Additionally or alternatively, the image retrieval circuitry 118 may be configured to use image segmentation to partition the target image into a plurality of regions. The image retrieval circuitry 118 may accordingly generate a candidate ROI set comprising one or more segmented regions of the target image.” | 对比文件明确公开了图像检索电路被配置为生成一个候选关注区（ROI）集合，该集合包含目标图像内的一个或多个ROI（限界区）。生成方式包括：将提取的局部特征的一个子集每个视为ROI，或将多个局部特征分组为一个ROI，或使用图像分割将目标图像分割成多个区域作为ROI。这与目标专利中“基于图像产生多个限界区”的技术特征作用相同，都是为了从图像中获取多个候选区域。本领域技术人员能够毫无疑义地得出该技术方案。 |
| **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，<br>《未公开》 | 无 | 对比文件虽然公开了从候选ROI集合中确定一个推荐ROI集合（子集），但其选择依据是基于对维护的基于ROI的搜索历史进行分析后确定的评估标准（参见[0048], [0049], [0071]），例如历史用户选择模式、ROI类别偏好、ROI与结果图像的历史关系等。对比文件全文均未提及任何基于“色差准则”（color difference criterion）来选择或减少ROI的技术手段。因此，对比文件没有公开基于“色差准则”来确定子集的技术特征。 |
| **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<br>《未公开》 | 无 | 对比文件完全没有涉及“环绕区”（surrounding area）的概念，也未提及通过计算限界区（ROI）与环绕区之间的“色彩距离”（color distance）来区分或评价ROI的任何方法。因此，该技术特征未被对比文件公开。 |
| **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。<br>《直接公开》 | [0059] “In response to the user finalizing selection of desired target ROIs and/or otherwise initiating a search, the image retrieval circuitry 118 may be configured to construct a query criteria based on the selected target ROI(s) and search at least a portion of an image library for one or more result images using the constructed query criteria.” | 对比文件公开了在用户从推荐ROI集合（即候选ROI集合的子集）中选择一个或多个目标ROI后，图像检索电路基于这些选定的目标ROI（即所述子集）构建查询条件，并搜索图像库以检索相关的结果图像。这种“搜索图像库以检索相关图像”的操作属于对图像的一种“处理”方式。虽然目标专利说明书列举的处理方式（如对象跟踪、增强等）更具体，但对比文件公开的“基于选定ROI子集进行图像检索”在广义上落入了“处理图像”的范畴，且作用都是利用选定的区域来执行后续的图像相关操作。因此，该技术特征被直接公开。 |
| **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。<br>《未公开》 | 无 | 对比文件在确定推荐ROI集合（子集）时，所依据的评估标准是基于搜索历史分析（如用户选择历史、ROI类别、与结果图像的关系等，参见[0048], [0071]），完全没有提及基于候选ROI相对于某个“选定区域”（selected region）的“居中性”（centrality）进行筛选或评估。目标专利中的“选定区域”特指用户点击或自动检测的图像内一个具体位置或小区域，并据此计算中心距离，该概念和准则在对比文件中未见记载。 |
| **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。<br>《未公开》 | 无 | 如特征C所述，对比文件未涉及“环绕区”概念，也未提及比较限界区与环绕区的“色彩直方图”（color histogram）。其评估ROI的依据是特征描述符和搜索历史，而非基于色彩直方图的差异。因此，该技术特征未被公开。 |
| **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。<br>《未公开》 | 无 | 对比文件在生成候选ROI或推荐ROI时，没有提及基于所有候选ROI的“平均大小”（average size）作为筛选或评估准则。其关注点在于局部特征的显著性、分布密度以及历史搜索数据，而非ROI的尺寸统计量。 |
| **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。<br>《未公开》 | 无 | 由于对比文件未公开基于“平均大小”的准则（特征G），因此具体限定平均大小为“中值大小或均值大小”的特征自然也未被公开。 |
| **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。<br>《隐含公开》 | [0059] “... search at least a portion of an image library for one or more result images using the constructed query criteria.”<br>[0060] “After identifying one or more result images determined to be related to the query criteria, the image retrieval circuitry 118 may be configured to provide the identified result images for review by a user...” | 对比文件明确公开了基于选定的ROI（子集）进行图像检索，以找出相关的“结果图像”。图像检索的本质是根据图像内容（通过ROI表征）在库中寻找相似或相关的图像，这实质上属于“对象辨识”的一种具体应用形式——即辨识出与查询ROI包含相同或相似对象的图像。虽然对比文件未明确列举“对象跟踪、聚焦”等其他具体处理操作，但“基于区域进行图像检索”可以被本领域技术人员合理地视为一种特定的、基于内容的“图像处理”方法，其目的与目标专利中“处理图像”以利用选定区域信息的目的部分一致。因此，该技术特征被隐含公开。 |
| **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。<br>《隐含公开》 | [0044] “As an example, the image retrieval circuitry 118 may be configured to utilize a feature detection algorithm to identify and extract local features, such as, for example, corners, junctions, interest points, edges, blobs, regions, invariant regions, and/or the like in the target image. ... Example algorithms that may be utilized by the image retrieval circuitry 118 for identifying and/or determining properties of local features within an image include SIFT (Scale Invariant Feature Transform), SURF (Speeded Up Robust Features), ...” | 对比文件公开了使用例如SIFT、SURF等特征检测算法来识别和提取图像中的局部特征，并将这些特征或其分组作为ROI。SIFT和SURF是公知的计算机视觉算法，其核心步骤包括计算图像的梯度以构建尺度空间和描述符。因此，使用这些算法产生ROI，实质上就是“基于梯度的限界区产生算法”的一种具体实现方式。本领域技术人员能够从对比文件公开的使用SIFT/SURF算法提取特征并形成ROI的方案中，合理推断出其中包含了基于梯度的处理过程。因此，该技术特征被隐含公开。 |
| **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<br>《未公开》 | 无 | 对比文件未公开“色差准则”、“居中性准则”或“第一大小准则”，因此也不可能公开包含这些准则的、具体的拒绝步骤。该技术特征未被公开。 |
| **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。<br>《未公开》 | 无 | 同理，由于对比文件未公开“色差准则”或“第二大小准则”，因此也未公开基于这些准则进行选择的步骤。 |
| **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。<br>《未公开》 | 无 | 对比文件未涉及任何关于“经加权中值大小或经加权均值大小”的大小准则。 |
| **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<br>《未公开》 | 无 | 对比文件未公开“色差准则”和“居中性准则”，因此也未公开以此种特定逻辑（使准则“未能产生多个其余限界区”）进行拒绝的步骤。 |
| **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<br>《未公开》 | 无 | 对比文件未公开“环绕区”概念，也未公开计算限界区与环绕区之间“色彩距离”的步骤。 |
| **技术特征P**：以及选择具有最大色彩距离的限界区。<br>《未公开》 | 无 | 对比文件未公开基于“色彩距离”进行选择，更未公开选择“具有最大色彩距离”的限界区的步骤。 |
<<<A>>><<<D>>><<<i>>><<<j>>>