对比文件名称：发明公开_CN103699578A 一种基于谱图分析的图像检索方法
特征比对表格：
| 技术特征描述 | 对比文件原文引用 | 公开性论述 |
| **A** 接收对应于第一行程的第一组对象数据； | 无对应原文。 | 对比文件涉及对单张图像的处理，其“步骤（1）”是对输入图像进行超像素分割（见说明书第[0009]、[0033]段），并未涉及接收来自不同“行程”（如不同时间、不同车辆旅程）的数据。因此，该特征未被公开。 |
| **B** 接收对应于第二行程的第二组对象数据； | 无对应原文。 | 同上，对比文件处理的是单幅图像，未提及接收来自第二行程或任何其他行程的数据。因此，该特征未被公开。 |
| **C** 确定所述第一组对象数据与所述第二组对象数据之间的相似性度量； | 说明书第[0061]段：“wlm＝exp(-λd‖dm-dl‖2-λc‖cm-cl‖2) 其中dm为超像素m的双调和距离概率分布向量，cm代表超像素m的颜色...根据公式建立图像的相似性矩阵”。 | 对比文件计算了同一图像内不同超像素（节点）之间的相似性权重wlm，并构建了相似性矩阵。这属于确定数据点之间的相似性度量。然而，其作用在于为后续的谱聚类分析提供基础，以分割图像区域，与目标专利中用于关联不同行程的同一物理对象的作用不同。但就“确定相似性度量”这一行为本身而言，对比文件有直接记载。因此，该特征**直接公开**。 |
| **D** 其中所述相似性度量指示至少一个对象的所述第一组对象数据的点与所述第二组对象数据的点之间的距离； | 说明书第[0061]段：“wlm＝exp(-λd‖dm-dl‖2-λc‖cm-cl‖2)”。该公式包含基于双调和距离向量差‖dm-dl‖的项。 | 对比文件的相似性度量wlm明确包含了超像素m和l的双调和距离向量dm和dl之间的欧氏距离‖dm-dl‖。双调和距离向量是基于超像素中心点计算得到的（见第[0049]-[0059]段），因此该相似性度量指示了图像内不同“点”（超像素代表点）之间的距离。然而，这些“点”均来自同一幅图像，并非来自“第一组对象数据”和“第二组对象数据”。该特征限定了相似性度量的具体作用是指示**不同组数据点**间的距离，对比文件未公开此限定。因此，该特征未被公开。 |
| **E** 基于所述相似性度量来聚类所述至少一个对象的所述第一组对象数据和所述第二组对象数据，以产生至少一个对象簇； | 说明书第[0064]段：“对向量进行k-means聚类，聚类的结果中每一行所属的类别就是原来相似度矩阵中的节点，即最初图像中N个超像素所属的类别。” | 对比文件明确记载了基于相似性矩阵（由相似性度量构成）对超像素（节点）进行k-means聚类，以产生簇（类别）。这属于基于相似性度量进行聚类以产生簇。但其聚类的对象是单张图像内的超像素，并非来自不同行程的对象数据。因此，该特征未被公开。 |
| **F** 所述聚类用于将所述第一组对象数据的对象与所述第二组对象数据中的对象进行关联； | 无对应原文。 | 对比文件中的聚类目的是将同一图像中的超像素分组，形成更有语义的图像分块（见第[0011]、[0065]段），并非用于关联来自不同集合（行程）的对象。因此，该特征未被公开。 |
| **G** 所述聚类包括使用所述相似性度量来执行分层聚类； | 无对应原文。 | 对比文件明确使用的是谱聚类结合k-means（见第[0011]、[0064]段），并未提及“分层聚类”。因此，该特征未被公开。 |
| **H** 使用物理距离作为针对两个或更多个聚类水平和/或步骤而不同的参数； | 无对应原文。 | 对比文件未提及在不同聚类水平或步骤中使用不同的参数，更未提及使用“物理距离”作为此类参数。其相似性度量中的距离是基于图像特征（双调和距离、颜色）计算的，并非真实世界的物理距离。因此，该特征未被公开。 |
| **I** 和基于所述至少一个对象簇来产生地图数据； | 无对应原文。 | 对比文件聚类后，是基于簇（图像分块）生成图像描述子用于图像检索（见第[0013]、[0066]-[0070]段），并未产生任何形式的地图数据。因此，该特征未被公开。 |
| **J** 其中所述相似性度量基于对象类型； | 无对应原文。 | 对比文件的相似性度量基于超像素的双调和距离和颜色特征（第[0061]段），并未根据“对象类型”（如标志、车道标记）来区分或采用不同的度量方式。因此，该特征未被公开。 |
| **K** ，其中针对标志对象类型确定所述相似性度量，； | 无对应原文。 | 对比文件未涉及“标志对象类型”。因此，该特征未被公开。 |
| **L** 其中所述第一组对象数据和所述第二组对象数据包括标志数据，； | 无对应原文。 | 对比文件处理的是图像超像素，未涉及“标志数据”。因此，该特征未被公开。 |
| **M** 并且其中所述相似性度量指示来自不同行程的标志的点之间的距离； | 无对应原文。 | 对比文件未涉及“不同行程”、“标志”或标志点之间的距离。因此，该特征未被公开。 |
| **N** 其中所述第一组对象数据和所述第二组对象数据包括车道标记数据，； | 无对应原文。 | 对比文件处理的是图像超像素，未涉及“车道标记数据”。因此，该特征未被公开。 |
| **O** 其中执行分层聚类包括执行多个不同的聚类步骤； | 无对应原文。 | 对比文件未公开“分层聚类”，也未公开执行多个不同的聚类步骤。其谱聚类过程是连续的（构建相似矩阵、计算特征向量、k-means聚类），并非权利要求中定义的基于不同参数的多步骤分层聚类。因此，该特征未被公开。 |
| **P** 其中第一聚类步骤包括基于第一距离参数来聚类，并且第二聚类步骤包括基于第二距离参数来聚类，其中所述第二距离参数小于所述第一距离参数； | 无对应原文。 | 对比文件未公开任何具有不同距离参数的多步骤聚类。因此，该特征未被公开。 |
| **Q** 其中聚类所述第一组对象数据和所述第二组对象数据包括执行谱聚类； | 说明书第[0011]段：“基于谱聚类的图像特征分析：...使用谱聚类来对超像素进行聚类”；第[0064]段：“使用雅克比方法求解拉普拉斯矩阵L的特征值和特征向量...对向量进行k-means聚类”。 | 对比文件明确记载了使用谱聚类（通过求解拉普拉斯矩阵特征值/向量，再结合k-means）对超像素进行聚类。这属于“执行谱聚类”。但其聚类的对象是单张图像内的超像素，并非来自不同行程的对象数据。就“执行谱聚类”这一聚类方法而言，对比文件有直接记载。因此，该特征**直接公开**。 |
| **R** 其进一步包括基于所述至少一个对象簇来执行捆绑调整； | 无对应原文。 | 对比文件未提及“捆绑调整”（Bundle Adjustment）。因此，该特征未被公开。 |
| **S** 其中在一或多个关联块中的每一个内执行聚类； | 无对应原文。 | 对比文件未提及将数据划分为“关联块”并在每个块内执行聚类。其聚类是针对整幅图像的所有超像素进行的。因此，该特征未被公开。 |
| **T** 其中产生所述地图数据包含基于所述至少一个对象簇来细化地图数据； | 无对应原文。 | 对比文件未产生地图数据，更谈不上基于对象簇细化地图数据。因此，该特征未被公开。 |
| **U** 其进一步包括将所产生的地图数据传输到至少一个车辆； | 无对应原文。 | 对比文件未产生地图数据，也未涉及将任何数据传输到车辆。因此，该特征未被公开。 |
| **V** 其中所述对象数据包括对象位姿信息； | 无对应原文。 | 对比文件中的对象数据（超像素）主要包含颜色（Lab）和平面位置（xy）信息（第[0035]段），以及计算得到的双调和距离。未包含如方向、旋转等完整的“位姿信息”（Pose，通常指位置和方向）。因此，该特征未被公开。 |
<<<C>>>
<<<Q>>>