图像领域与算法相关的发明专利申请的审查要点
开篇：润墨网以专业的文秘视角，为您筛选了一篇图像领域与算法相关的发明专利申请的审查要点范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
着科学技术的进步，图随像领域的图像处理技术迅速发展。众所周知，计算机图像处理的硬件发展较慢，而软件算法的改进则层出不穷。在近几年，我国国家知识产权局专利局接收到大量图像领域与算法相关的发明专利申请。算法与人的思维运动相关，而《专利法》第二十五条第一款第（二）项规定智力活动的规则和方法不授予专利权，且根据《专利法》第二条第二款的规定，未采用技术手段解决技术问题，以获得符合自然规律的技术效果的方案，不属于《专利法》第二条第二款规定的客体，因此，专利局图像领域审查员在对涉及算法的发明专利申请的审查过程中保持高度的敏感度是必要的。图像领域科技工作者在提交相关专利申请之前如果对审查原则有准确的认识，将有利于获得授权。本文将基于《专利法》的相关规定与审查标准，结合图像领域与算法
相关的发明专利申请的特点，提出符合我国专利体制的图像领域涉及算法的专利申请审查要点，同时，从属于保护客体和不属于保护客体两个方面给出具体案例进行分析，希望能够给予图像领域的人和科技工作者一些启发。
一、图像领域与算法相关的发明专利申请的特点
一部分图像领域与算法相关的权利要求仅涉及了人的思维活动，如单纯的面积计算方法，这一类型的权利要求是较容易判断的。然而，大部分图像领域与算法相关的权利要求还涉及了装置、模块或存储器等技术特征，在判断其是否属于专利法保护的客体时存在着一定的困难。作为图像领域的相关申请人，如果不能对判断原则有一个正确的认识，导致其提交的专利申请被认定为不属于专利法保护的客体会造成无法估量的损失，同时也影响了图像领域算法的技术发展。
及终点，弧线的绘图参数包括位图长度、弧线的起点、圆心及圆心角，所述位图是一个矩形三维文件，所述三维路径由所述位图拼接而成；
计算模块，用于根据上述判断结果和获取的绘图参数计算绘制直线的位图个数、直线的各个位图起点及直线的位图角度，或是计算绘制弧线的位图圆心角、弧线的位图个数、弧线的各个位图起点及弧线的位图角度，所述直线的位图角度由直线的起点A（a1，a2，a3）和终点B（b1，b2，b3）确定，且该位图角度为|（a2-b2）/（a1-b1）|的反正切值，所述弧线的位图角度为|（y2-y1）/（x2-x1）|的反正切值，其中，y1、y2分别为该弧线的位图的起点和终点的y轴坐标，x1、x2分别为该弧线的位图的起点和终点的x轴坐标，所述弧线的位图圆心角为2*asin（L/（2*R）），其中，a sin表示反正弦，R为该弧线的半径，L为该弧线的位图长度；
保存模块，用于保存计算出的各个位图起点及位图角度；绘制模块，用于根据保存的各个位图起点及位图角度绘制三维路径。
说明书背景技术部分提及：
三维（3D）路径是在三维环境下绘制的具有长、宽、高视觉效果的路径。利用3d s M ax绘制三维路径时，需要将用户选取的材质或位图粘贴到控件上，形成的三维路径效果不逼真。另外一种方法是将用户选取的位图拼接在一起，形成的三维路径效果比较逼真，但用户操作不方便，并且对所绘制的三维路径有诸多限制。
鉴于以上内容，有必要提出一种三维路径绘制系统及方法，可以方便且逼真地绘制三维路径。
相较于现有技术，本发明所提供的三维路径绘制系统及方法将位图自动拼接而成三维路径，方法简单且绘制出的三维路径效果比较逼真。
（2）审查要点
首先，权利要求的方案中包含了运行在计算机中和系统包括多个模块的特征，这些特征属于技术特
权利要求的方案中包含了运行在计算机中和系统包括多个模块的特征，这些特征属于技术特征，因此该权利要求不属于智力活动的规则和方法。
征，因此该权利要求不属于智力活动的规则和方法。
接下来进行《专利法》的保护客体的判断，根据上一节给出的审查要点，这时需要考虑具体处理的数据是否有具体的物理含义。权利要求处理的数据是三维路径，即在三维环境下绘制的具有长、宽、高视觉效果的路径，是抽象意义上的，没有具体的物理含义，属于数据处理，则其不涉及具体的技术领域。说明书中要解决的问题“可以方便且逼真地绘制三维路径”不是技术问题，也没有获得相应的技术效果。因此，该权利要求所要求保护的解决方案不属于《专利法》第2条第2款规定的专利保护客体。【案例2】
（1）基本案情
权利要求1：一种点云数据的主曲率和主方向估计方法，其特征在于，该主曲率和主方向估计步骤包括：
步骤1：利用激光扫描仪扫描直接采集点云数据并对点云数据预处理，按照点云数据中每个点的坐标进行空间划分，实现三维空间的二分查找树的数据存储结构称为kd树（k-dimensional tree）；
步骤2：对于点云数据的每一个点，利用点云数据的kd树查找15个或30个近邻点，根据最小二乘方法把这些近邻点拟合出一个平面，以这个平面的法向量作为点云法向量的初始估计值，然后通过加权平均算法修正点云数据的各个点的法向量估计；
步骤3：对于点云数据的每一个点，利用其法向量、切平面构造局部三维直角坐标系；
步骤4：对于点云数据的每一个点，利用点云数据的kd树查找15个或30个近邻点；
步骤5：对于查找到的近邻点，通过三维坐标变换，把这些近邻点的原始坐标和这些近邻点的法向量都转化为局部坐标系的坐标；
步骤6：利用点云数据的每一个点及其法向量、一个近邻点、近邻点的法向量构造近似三角形，根据正弦定理给出点云的法截线的法曲率的近似表达式；
步骤7：在局部坐标系中，利用法曲率，根据欧拉公式（Euler Equation）构造非线性最优化问题。通过三角形公式进行恒等变换，把这个非线性最优化问题转化为线性拟合，求出韦恩伽汀矩阵（W eingarten矩阵）的各个元素；
步骤8：利用矩阵的奇异值分解（S VD分解）求出 Weingarten 矩阵的特征值和特征向量；
步骤9：利用Weingarten矩阵的特征值和特征向量求出主曲率和主方向。
说明书背景技术部分提及：
随着激光扫描仪精度的提高，扫描得到的信息越来越丰富，扫描得到的模型数据越来越庞大。人们利用这些庞大的数据进行特征提取、数据压缩或者进行三维重建。但是，这些工作的实现，往往需要对一些微分几何量进行估计，其中最重要的估计包括主曲率和主方向的估计。
随着激光扫描仪精度的提高，扫描得到的信息越来越丰富，扫描得到的模型数据越来越庞大。人们利用这些庞大的数据进行特征提取、数据压缩或者进行三维重建。但是，这些工作的实现，往往需要对一些微分几何量进行估计，其中最重要的估计包括主曲率和主方向的估计。
（2）审查要点
首先，权利要求的方案中包含了采用激光扫描仪扫描数据的特征，该特征属于技术特征，因此该权利要求不属于智力活动的规则和方法。
接下来进行《专利法》的保护客体的判断，根据上一节给出的审查要点，这时需要考虑具体处理的数据是否有具体的物理含义。权利要求中处理的数据为点云数据，点云数据是由激光扫描仪扫描物体后采集到的，具有具体的物理含义，要计算的点云主曲率和主方向与图像扫描处理领域关联，涉及了具体的技术领域，解决了对具有实际物理含义的主曲率和主方向进行计算时的时间和空间开销过大的技术问题，达到了技术效果。因此权利要求1属于《专利法》第2条第2 款规定的专利保护客体。
四、小结
本文通过对图像领域涉及算法的发明专利申请的特点进行分析，提出涉及智力活动的规则和方法的审查要点和涉及专利保护客体的审查要点，并结合具体案例进行分析。
希望通过本文，能够帮助图像领域从事算法相关技术研究的科技工作者和机构的人能够更加明确算法与专利保护客体之间的关系，从而在提交相关专利申请时能够做到有的放矢。