圖像領域與算法相關的發明專利申請的審查要點

著科學技術的進步，圖隨像領域的圖像處理技術迅速發展。眾所周知，計算機圖像處理的硬件發展較慢，而軟件算法的改進則層出不窮。在近幾年，我國國家知識產權局專利局接收到大量圖像領域與算法相關的發明專利申請。算法與人的思維運動相關，而《專利法》第二十五條第一款第（二）項規定智力活動的規則和方法不授予專利權，且根據《專利法》第二條第二款的規定，未采用技術手段解決技術問題，以獲得符合自然規律的技術效果的方案，不屬于《專利法》第二條第二款規定的客體，因此，專利局圖像領域審查員在對涉及算法的發明專利申請的審查過程中保持高度的敏感度是必要的。圖像領域科技工作者在提交相關專利申請之前如果對審查原則有準確的認識，將有利于獲得授權。本文將基于《專利法》的相關規定與審查標準，結合圖像領域與算法

相關的發明專利申請的特點，提出符合我國專利體制的圖像領域涉及算法的專利申請審查要點，同時，從屬于保護客體和不屬于保護客體兩個方面給出具體案例進行分析，希望能夠給予圖像領域的代理人和科技工作者一些啟發。

一、圖像領域與算法相關的發明專利申請的特點

一部分圖像領域與算法相關的權利要求僅涉及了人的思維活動，如單純的面積計算方法，這一類型的權利要求是較容易判斷的。然而，大部分圖像領域與算法相關的權利要求還涉及了裝置、模塊或存儲器等技術特征，在判斷其是否屬于專利法保護的客體時存在著一定的困難。作為圖像領域的相關申請人，如果不能對判斷原則有一個正確的認識，導致其提交的專利申請被認定為不屬于專利法保護的客體會造成無法估量的損失，同時也影響了圖像領域算法的技術發展。

及終點，弧線的繪圖參數包括位圖長度、弧線的起點、圓心及圓心角，所述位圖是一個矩形三維文件，所述三維路徑由所述位圖拼接而成；

計算模塊，用于根據上述判斷結果和獲取的繪圖參數計算繪制直線的位圖個數、直線的各個位圖起點及直線的位圖角度，或是計算繪制弧線的位圖圓心角、弧線的位圖個數、弧線的各個位圖起點及弧線的位圖角度，所述直線的位圖角度由直線的起點A（a1，a2，a3）和終點B（b1，b2，b3）確定，且該位圖角度為|（a2-b2）/（a1-b1）|的反正切值，所述弧線的位圖角度為|（y2-y1）/（x2-x1）|的反正切值，其中，y1、y2分別為該弧線的位圖的起點和終點的y軸坐標，x1、x2分別為該弧線的位圖的起點和終點的x軸坐標，所述弧線的位圖圓心角為2*asin（L/（2*R）），其中，a sin表示反正弦，R為該弧線的半徑，L為該弧線的位圖長度；

保存模塊，用于保存計算出的各個位圖起點及位圖角度；繪制模塊，用于根據保存的各個位圖起點及位圖角度繪制三維路徑。

說明書背景技術部分提及：

三維（3D）路徑是在三維環境下繪制的具有長、寬、高視覺效果的路徑。利用3d s M ax繪制三維路徑時，需要將用戶選取的材質或位圖粘貼到控件上，形成的三維路徑效果不逼真。另外一種方法是將用戶選取的位圖拼接在一起，形成的三維路徑效果比較逼真，但用戶操作不方便，并且對所繪制的三維路徑有諸多限制。

鑒于以上內容，有必要提出一種三維路徑繪制系統及方法，可以方便且逼真地繪制三維路徑。

相較于現有技術，本發明所提供的三維路徑繪制系統及方法將位圖自動拼接而成三維路徑，方法簡單且繪制出的三維路徑效果比較逼真。

（2）審查要點

首先，權利要求的方案中包含了運行在計算機中和系統包括多個模塊的特征，這些特征屬于技術特

權利要求的方案中包含了運行在計算機中和系統包括多個模塊的特征，這些特征屬于技術特征，因此該權利要求不屬于智力活動的規則和方法。

征，因此該權利要求不屬于智力活動的規則和方法。

接下來進行《專利法》的保護客體的判斷，根據上一節給出的審查要點，這時需要考慮具體處理的數據是否有具體的物理含義。權利要求處理的數據是三維路徑，即在三維環境下繪制的具有長、寬、高視覺效果的路徑，是抽象意義上的，沒有具體的物理含義，屬于數據處理，則其不涉及具體的技術領域。說明書中要解決的問題“可以方便且逼真地繪制三維路徑”不是技術問題，也沒有獲得相應的技術效果。因此，該權利要求所要求保護的解決方案不屬于《專利法》第2條第2款規定的專利保護客體。【案例2】

（1）基本案情

權利要求1：一種點云數據的主曲率和主方向估計方法，其特征在于，該主曲率和主方向估計步驟包括：

步驟1：利用激光掃描儀掃描直接采集點云數據并對點云數據預處理，按照點云數據中每個點的坐標進行空間劃分，實現三維空間的二分查找樹的數據存儲結構稱為kd樹（k-dimensional tree）；

步驟2：對于點云數據的每一個點，利用點云數據的kd樹查找15個或30個近鄰點，根據最小二乘方法把這些近鄰點擬合出一個平面，以這個平面的法向量作為點云法向量的初始估計值，然后通過加權平均算法修正點云數據的各個點的法向量估計；

步驟3：對于點云數據的每一個點，利用其法向量、切平面構造局部三維直角坐標系；

步驟4：對于點云數據的每一個點，利用點云數據的kd樹查找15個或30個近鄰點；

步驟5：對于查找到的近鄰點，通過三維坐標變換，把這些近鄰點的原始坐標和這些近鄰點的法向量都轉化為局部坐標系的坐標；

步驟6：利用點云數據的每一個點及其法向量、一個近鄰點、近鄰點的法向量構造近似三角形，根據正弦定理給出點云的法截線的法曲率的近似表達式；

步驟7：在局部坐標系中，利用法曲率，根據歐拉公式（Euler Equation）構造非線性最優化問題。通過三角形公式進行恒等變換，把這個非線性最優化問題轉化為線性擬合，求出韋恩伽汀矩陣（W eingarten矩陣）的各個元素；

步驟8：利用矩陣的奇異值分解（S VD分解）求出 Weingarten 矩陣的特征值和特征向量；

步驟9：利用Weingarten矩陣的特征值和特征向量求出主曲率和主方向。

說明書背景技術部分提及：

隨著激光掃描儀精度的提高，掃描得到的信息越來越豐富，掃描得到的模型數據越來越龐大。人們利用這些龐大的數據進行特征提取、數據壓縮或者進行三維重建。但是，這些工作的實現，往往需要對一些微分幾何量進行估計，其中最重要的估計包括主曲率和主方向的估計。

隨著激光掃描儀精度的提高，掃描得到的信息越來越豐富，掃描得到的模型數據越來越龐大。人們利用這些龐大的數據進行特征提取、數據壓縮或者進行三維重建。但是，這些工作的實現，往往需要對一些微分幾何量進行估計，其中最重要的估計包括主曲率和主方向的估計。

（2）審查要點

首先，權利要求的方案中包含了采用激光掃描儀掃描數據的特征，該特征屬于技術特征，因此該權利要求不屬于智力活動的規則和方法。

接下來進行《專利法》的保護客體的判斷，根據上一節給出的審查要點，這時需要考慮具體處理的數據是否有具體的物理含義。權利要求中處理的數據為點云數據，點云數據是由激光掃描儀掃描物體后采集到的，具有具體的物理含義，要計算的點云主曲率和主方向與圖像掃描處理領域關聯，涉及了具體的技術領域，解決了對具有實際物理含義的主曲率和主方向進行計算時的時間和空間開銷過大的技術問題，達到了技術效果。因此權利要求1屬于《專利法》第2條第2 款規定的專利保護客體。

四、小結

本文通過對圖像領域涉及算法的發明專利申請的特點進行分析，提出涉及智力活動的規則和方法的審查要點和涉及專利保護客體的審查要點，并結合具體案例進行分析。

希望通過本文，能夠幫助圖像領域從事算法相關技術研究的科技工作者和代理機構的代理人能夠更加明確算法與專利保護客體之間的關系，從而在提交相關專利申請時能夠做到有的放矢。