视频帧图像中颜色和运动全局对比度的视觉显著性算法
专利汇可以提供视频帧图像中颜色和运动全局对比度的视觉显著性算法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种 视频 帧 图像中 颜色 和运动全局 对比度 的视觉显著性 算法 ，其步骤为：(1)输入原始视频帧图像，把原始的视频帧图像预分割为个区域，；(2)计算第个区域的颜色显著性值；(3)计算第个区域的 像素 点归一化的颜色显著性值；(4)计算第个区域的运动显著性值；(5)计算第个区域的像素点归一化的运动显著性值；(6)计算整幅视频帧图像的颜色和运动的显著性值。该方法将视频帧图像中颜色显著性图和视频帧图像中运动显著性图两个方面融合，计算出视频帧图像中的颜色和运动显著性图，能将视频帧图像中的显著对象凸显出来，将非显著性的背景区域抑制下去，该算法对于不同类型的视频帧图像均能取得较好效果，适合用于视频缩放等应用。，下面是视频帧图像中颜色和运动全局对比度的视觉显著性算法专利的具体信息内容。
1.一种视频帧图像中颜色和运动全局对比度的视觉显著性算法，其具体步骤如下： (1)、输入原始视频帧图像，运用均值漂移算法把原始的视频帧图像预分割为 个区域， ；
(2)、计算第 个区域的颜色显著性值；
(3)、计算第 个区域的像素点 归一化的颜色显著性值；
(4)、计算第 个区域的运动显著性值；
(5)、计算第 个区域的像素点 归一化的运动显著性值；
(6)、计算整幅视频帧图像的颜色和运动的显著性值。
2.根据权利要求1所述的视频帧图像中颜色和运动全局对比度的视觉显著性算法，其特征在于，上述步骤(2)所述的计算第 个区域的颜色显著性值，其具体步骤如下：
(2-1)、将原始视频帧图像中的 颜色空间的三个颜色分量分别量化成16等分，
3
再将 颜色空间的三个颜色分量组合，组合成16 种颜色；
3
(2-2)、统计组合后的16 种颜色在视频帧图像上出现的频率，组成全局颜色直方图，记为 ；
(2-3)、将全局颜色直方图按照频率的高低进行降序排列，然后从前到后选择原始视频帧图像95%以上的颜色出现的频率，将没有被选择的颜色的频率叠加到已选择的最相近的颜色的频率中，选择后的颜色种数为 ；
(2-4)、分别计算 个区域的颜色直方图，计算出第 个区域中 种颜
色出现的频率，分别得到第 个区域颜色直方图，记为 ，即，得到 个区域的颜色直方图；
(2-5)、分别利用第 个区域的颜色直方图与全局颜色直方图比较得出
频率的差异，计算第 个区域的颜色显著性值，其计算式为：
(1)
其中， 表示第 个区域的颜色直方图 中的第 种颜色 所占的概率，
表示第 个区域的颜色直方图， 表示是颜色直方图， 表示是第 个区域的个数序号，， 表示颜色直方图中的第 种颜色的种数序号， ， 表示颜色直
方图中的第 种颜色的颜色值， 表示全局颜色直方图 中的第 种颜色 所占的概率， 表示全局颜色直方图，0表示是整幅图像的全局直方图， 表示全局颜色直方图中的第 种颜色的种数序号， ， 表示全局颜色直方图中的第 种颜色的颜色值，表示 颜色空间中颜色 和 之间的欧式距离， 表示颜色种数，
表示第 个区域的颜色显著性值。
3.根据权利要求2所述的视频帧图像中颜色和运动全局对比度的视觉显著性算法，其特征在于，上述步骤(3)所述的计算第 个区域中像素点 归一化的颜色显著性值，其具体步骤如下：
(3-1)、计算第 个区域中像素点 归一化前的颜色显著性值，其计算式为：
(2)
其中， 表示第 个区域的颜色直方图， 表示第 个区域， 表示像素点 属于第 个区域 ， 表示第 个区域中像素点 的归一化前的颜色显著性值；
(3-2)、计算第 个区域中像素点 归一化的颜色显著性值，得到整幅视频帧图像的颜色显著性值，其计算式为：
(3)
其中， 表示像素点 的归一化前的颜色显著性值， 表示求最小值的函
数， 表示求最大值的函数， 表示第 个区域中像素点 归一化的颜色显著性值，其范围为0～1。
4.根据权利要求3所述的视频帧图像中颜色和运动全局对比度的视觉显著性算法，其特征在于，上述步骤(4)所述的计算第 个区域的运动显著性值，其具体步骤如下：
(4-1)、采用光流法计算出视频帧图像中第 个区域的像素点的运动矢量；
(4-2)、将 个区域的各个像素点的运动矢量的幅值归一化，归一化后，再量化成11等分，将 个区域的各个像素点的运动矢量的方向角量化成8等分，再将各个像素点的运动矢量的幅值和对应的方向角组合，组合成 种像素点的运动矢量；
(4-3)、统计组合后的 种运动矢量在视频帧图像上出现的概率，组成全局运动直方图，记为 ；
(4-4)、分别计算 个区域的运动直方图，计算出第 个区域中 种像素
点的运动矢量出现的频率，分别得到第 个区域的运动直方图，记为 ，即，得到 个区域的运动直方图；
(4-5)、分别利用第 个区域的运动直方图与全局运动直方图比较得出
频率的差异，计算第 个区域的运动显著性值，其计算式为：
(4)
其中， 表示第 个区域的运动直方图 中第 种运动矢量 所占的概率，
表示第 个区域的运动直方图， 表示是运动直方图， 表示是第 个区域域的个数序号， ， 表示运动直方图中的第 种运动矢量的种数序号， ，
表示运动直方图中第 种运动矢量的值， 表示全局运动直方图 中第 个运动矢量 所占的概率， 表示全局运动直方图，0表示是整幅图像的全局直方图， 表示全局运动直方图中的第 种运动矢量的种数序号， ， 表示全局运动直方图中的第种运动矢量的值， 表示运动矢量
和 之间的距离， 表示运动矢量 和 之间的夹角， 表示运动矢量 的幅
值， 表示运动矢量 的幅值， 表示运动矢量的种数， 表示第 个区域的运动显著性值。
5.根据权利要求4所述的视频帧图像中颜色和运动全局对比度的视觉显著性算法，其特征在于，上述步骤(5)所述的计算第 个区域中像素点 归一化的运动显著性值，其具体步骤如下：
(5-1)、计算第 个区域中像素点 归一化前的运动显著性值，其计算式为：
(5)
其中， 表示第 个区域的运动直方图， 表示第 个区域， 表示像素点 属于第 个区域 ， 表示第 个区域中像素点 的归一化前的运动显著性值；
(5-2)、计算第 个区域中像素点 归一化的运动显著性值，得到整幅视频帧图像的运动显著性值，其计算式为：
(6)
其中， 表示像素点 的未归一化的运动显著性值， 表示求最小值的函
数， 表示求最大值的函数， 表示第 个区域中像素点 归一化的运动显著性值，其范围为0～1。
6.根据权利要求5所述的视频帧图像中颜色和运动全局对比度的视觉显著性算法，其特征在于，上述步骤(6)所述的计算整幅图像的颜色和运动的显著性值，其具体步骤如下：
(6-1)、计算第 个区域中像素点 归一化前的颜色和运动的显著性值，其计算式为：
(7)
其中， 表示像素点 的颜色显著性值， 表示像素点 的运动显
著性值， 表示像素点 归一化前的颜色和运动的显著性值。
(6-2)、计算第 个区域中像素点 归一化的颜色和运动的显著性值，得到整幅视频帧图像的颜色和运动显著性值，其计算式为：
(8)
其中， 表示第 个区域中像素点 的归一化前的颜色和运动的显著性
值， 表示求最小值的函数， 表示求最大值的函数， 表示第 个
区域中像素点 归一化的颜色和运动的显著性值，其范围为0～1，该第 个区域中像素点归一化的颜色和运动的显著性值作为整幅视频帧图像的颜色和运动显著性值。
视频帧图像中颜色和运动全局对比度的视觉显著性算法
技术领域
背景技术
进而提取人眼感兴趣区域，最后得到一幅与视觉关注度相对应的视觉显著性图。通过将图
像划分为若干个区域，将这些区域与整幅图像进行对比，度量出各个区域的显著性大小的
方法称为全局对比度法。目前国内外研究学者提出了一些基于全局对比度的视觉显著性
算法，如Cheng（参考：M. M. Cheng, G. X. Zhang, N. J. Mitra, X. Huang and S. M. Hu.Global contrast based salient region detection, IEEE CVPR, pp. 409-416, Feb.
2011.）提出一种用稀疏直方图比较来计算区域对比度的显著性计算方法，采用区域的颜色信息建立直方图，通过直方图对比来度量区域间的颜色距离，找出整幅图像中与其它区域
差异最大的区域为图像的视觉显著性区域。Cheng的方法简单有效，但是由于其只利用了图像的颜色信息，缺少对运动信息的考量，因而不适用于视频中帧图像的显著性计算。
率的方法，光流法是通过检测视频帧图像中像素点的强度随时间的变化，估算出各像素点
的移动速度和方向，进而得到各个像素点的运动矢量。本发明用光流法来计算像素点的运
动矢量。
来，将非显著性的背景区域抑制下去。为了达到上述目的，本发明的视频帧图像中颜色和运动全局对比度的视觉显著性算法，其具体步骤如下：
(1)、输入原始视频帧图像，运用均值漂移算法把原始的视频帧图像预分割为
个区域， ；
(2)、计算第 个区域的颜色显著性值；
(3)、计算第 个区域的像素点 归一化的颜色显著性值；
(4)、计算第 个区域的运动显著性值；
(5)、计算第 个区域的像素点 归一化的运动显著性值；
(6)、计算整幅视频帧图像的颜色和运动的显著性值。
3
再将 颜色空间的三个颜色分量组合，组合成16 种颜色；
3
(2-2)、统计组合后的16 种颜色在视频帧图像上出现的频率，组成全局颜色直方图，记
为 ；
(2-3)、将全局颜色直方图按照频率的高低进行降序排列，然后从前到后选择原始视频
帧图像95%以上的颜色出现的频率，将没有被选择的颜色的频率叠加到已选择的最相近的
颜色的频率中，选择后的颜色种数为 ；
(2-4)、分别计算 个区域的颜色直方图，计算出第 个区域中 种颜
色出现的频率，分别得到第 个区域颜色直方图，记为 ，即，得到 个区
域的颜色直方图；
(2-5)、分别利用第 个区域的颜色直方图与全局颜色直方图比较得出
频率的差异，计算第 个区域的颜色显著性值，其计算式为：
(1)
其中， 表示第 个区域的颜色直方图 中的第 种颜色 所占的概率，
表示第 个区域的颜色直方图， 表示是颜色直方图， 表示是第 个区域的个数序号，
， 表示颜色直方图中的第 种颜色的种数序号， ， 表示颜色直
方图中的第 种颜色的颜色值， 表示全局颜色直方图 中的第 种颜色 所占的概
率， 表示全局颜色直方图，0表示是整幅图像的全局直方图， 表示全局颜色直方图中
的第 种颜色的种数序号， ， 表示全局颜色直方图中的第 种颜色的颜色值，
表示 颜色空间中颜色 和 之间的欧式距离， 表示颜色种数，
表示第 个区域的颜色显著性值。
(3-1)、计算第 个区域中像素点 归一化前的颜色显著性值，其计算式为：
(2)
其中， 表示第 个区域的颜色直方图， 表示第 个区域， 表示像素点 属
于第 个区域 ， 表示第 个区域中像素点 的归一化前的颜色显著性值；
(3-2)、计算第 个区域中像素点 归一化的颜色显著性值，得到视频帧图像的颜色显
著性值，其计算式为：
(3)
其中， 表示像素点 的归一化前的颜色显著性值， 表示求最小值的函
数， 表示求最大值的函数， 表示第 个区域中像素点 归一化的颜色显著性
值，其范围为0～1。
(4-2)、将 个区域的各个像素点的运动矢量的幅值归一化，归一化后，再量化成11等
分，将 个区域的各个像素点的运动矢量的方向角量化成8等分，再将各个像素点的运动
矢量的幅值和对应的方向角组合，组合成 种像素点的运动矢量；
(4-3)、统计组合后的 种运动矢量在视频帧图像上出现的概率，组成全局运动直方
图，记为 ；
(4-4)、分别计算 个区域的运动直方图，计算出第 个区域中 种像素
点的运动矢量出现的频率，分别得到第 个区域的运动直方图，记为 ，即，得到 个区
域的运动直方图；
(4-5)、分别利用第 个区域的运动直方图与全局运动直方图比较得出
频率的差异，计算第 个区域的运动显著性值，其计算式为：
(4)
其中， 表示第 个区域的运动直方图 中第 种运动矢量 所占的概率，
表示第 个区域的运动直方图， 表示是运动直方图， 表示是第 个区域的个数序
号， ， 表示运动直方图中的第 种运动矢量的种数序号， ， 表
示运动直方图中第 种运动矢量的值， 表示全局运动直方图 中第 个运动矢量
所占的概率， 表示全局运动直方图，0表示是整幅图像的全局直方图， 表示全局
运动直方图中的第 种运动矢量的种数序号， ， 表示全局运动直方图中的第
种运动矢量的值， 表示运动矢量
和 之间的距离， 表示运动矢量 和 之间的夹角， 表示运动矢量 的幅
值， 表示运动矢量 的幅值， 表示运动矢量的种数， 表示第 个区域的
运动显著性值。
(5-1)、计算第 个区域中像素点 归一化前的运动显著性值，其计算式为：
(5)
其中， 表示第 个区域的运动直方图， 表示第 个区域， 表示像素点 属
于第 个区域 ， 表示第 个区域中像素点 的归一化前的运动显著性值；
(5-2)、计算第 个区域中像素点 归一化的运动显著性值，得到整幅视频帧图像的运
动显著性值，其计算式为：
(6)
其中， 表示像素点 的未归一化的运动显著性值， 表示求最小值的函
数， 表示求最大值的函数， 表示第 个区域中像素点 归一化的运动显著
性值，其范围为0～1。
(7)
其中， 表示像素点 的颜色显著性值， 表示像素点 的运动显
著性值， 表示像素点 归一化前的颜色和运动的显著性值。
(8)
其中， 表示第 个区域中像素点 的归一化前的颜色和运动的显著性
值， 表示求最小值的函数， 表示求最大值的函数， 表示第 个区
域中像素点 归一化的颜色和运动的显著性值，其范围为0～1，该第 个区域中像素点
归一化的颜色和运动的显著性值作为整幅视频帧图像的颜色和运动显著性值，该显著性值
越大表示该像素点越显著，该显著性值越小表示该像素点越不显著。
频帧图像中的颜色和运动显著性值，能够将视频帧图像中的显著对象凸显出来，将非显著
性的背景区域抑制下去，该算法对于不同类型的视频帧图像均能取得较好的效果，适合用
于视频缩放以及视频分割等应用。
附图说明
图2是图1中步骤(1)中所述的输入的原始视频帧图像；
图3是图1中步骤(3)中所述的整幅视频帧图像的颜色显著性图；
图4是图1中步骤(4)中所述的量化后的运动矢量的幅值的示意图；
图5是图1中步骤(4)中所述的量化后的运动矢量示意图；
图6是图1中步骤(5)中所述的整幅视频帧图像的运动显著性图；
图7是图1中步骤(6)中所述的整幅视频帧图像的颜色和运动显著性图；
图8是摄像镜头上下平移的电影视频的颜色和运动显著性图，图中，第1列(a)是原始
视频帧图像，第2列(b)是颜色显著性图，第3列(c)是运动显著性图，第4列(d)是整幅
视频帧图像的颜色和运动显著性图；
图9是摄像镜头静止的室外监控视频的颜色和运动显著性图，图中，第1列(a)是原始
视频帧图像，第2列(b)是颜色显著性图，第3列(c)是运动显著性图，第4列(d)是整幅
视频帧图像的颜色和运动显著性图；
图10是摄像镜头剧烈抖动的室外监控视频的颜色和运动显著性图，图中，第1列(a)
是原始视频帧图像，第2列(b)是颜色显著性图，第3列(c)是运动显著性图，第4列(d)
是整幅视频帧图像的颜色和运动显著性图。
具体实施方式
如图1所示，本发明的视频帧图像中颜色和运动全局对比度的视觉显著性算法，采用
以下步骤加以详述：
(1)、输入原始视频帧图像，如图2所示，运用均值漂移算法把原始的视频帧图像预分
割为 个区域， ，即，生成 个视频帧图像区域；
(2)、计算第 个区域的颜色显著性值，其具体步骤如下：
(2-1)、将原始视频帧图像中的 颜色空间的三个颜色分量分别量化成16等分，
3
再将 颜色空间的三个颜色分量组合，组合成16 种颜色；
3
(2-2)、统计组合后的16 种颜色在视频帧图像上出现的频率，组成全局颜色直方图，记
为 ，该全局颜色直方图中，横坐标表示颜色，纵坐标表示对应颜色在原始图像上出现的
频率；
(2-3)、将全局颜色直方图按照频率的高低进行降序排列，然后从前到后选择原始视频
帧图像95%以上的颜色出现的频率，将没有被选择的颜色的频率叠加到已选择的最相近的
颜色的频率中，选择后的颜色种数为 ；
(2-4)、分别计算 个区域的颜色直方图，计算出第 个区域中 种颜
色出现的频率，分别得到第 个区域颜色直方图，记为 ，即，得到 个区
域的颜色直方图；
(2-5)、分别利用第 个区域的颜色直方图与全局颜色直方图比较得出
频率的差异，计算第 个区域的颜色显著性值，其计算式为：
(1)
其中， 表示第 个区域的颜色直方图 中的第 种颜色 所占的概率，
表示第 个区域的颜色直方图， 表示是颜色直方图， 表示是第 个区域的个数序号，
， 表示颜色直方图中的第 种颜色的种数序号， ， 表示颜色直
方图中的第 种颜色的颜色值， 表示全局颜色直方图 中的第 种颜色 所占的概
率， 表示全局颜色直方图，0表示是整幅图像的全局直方图， 表示全局颜色直方图中
的第 种颜色的种数序号， ， 表示全局颜色直方图中的第 种颜色的颜色值，
表示 颜色空间中颜色 和 之间的欧式距离， 表示颜色种数，
表示第 个区域的颜色显著性值。
(2)
其中， 表示第 个区域的颜色直方图， 表示第 个区域， 表示像素点 属
于第 个区域 ， 表示第 个区域中像素点 的归一化前的颜色显著性值；
(3-2)、计算第 个区域中像素点 归一化的颜色显著性值，得到视频帧图像的颜色显
著性值，其计算式为：
(3)
其中， 表示像素点 的归一化前的颜色显著性值， 表示求最小值的
函数， 表示求最大值的函数， 表示第 个区域中像素点 归一化的颜色显著
性值，其范围为0～1，该第 个区域中像素点 的颜色显著性值作为整幅视频帧图像的颜
色显著性值，如图3所示，该显著性值越大表示该像素点越显著，显著性值越小表示该像素点越不显著；
(4)、计算第 个区域的运动显著性值，其具体步骤如下：
(4-1)、采用光流法计算出视频帧图像中第 个区域的像素点的运动矢量；
(4-2)、将 个区域的各个像素点的运动矢量的幅值归一化后，再将归一化后的所有运
动矢量的幅值分成11个等分，即11个等分为（0.00～0.05）, （0.05～0.15），（0.15～
0.25），（0.25 ～0.35）， （0.35 ～ 0.45）， （0.45 ～ 0.55）， （0.55～ 0.65）， （0.65～
0.75）， （0.75～0.85），（0.85～0.95）， （0.95～1.00），如图4所示；将 个区域的各个像素点的运动矢量的方向角量化成8个运动矢量方向角，即所有运动矢量的方向角量化为
0～360度量化成8等分的运动矢量方向角，其8个扇形区为：东扇形区，东南扇形区，南
扇形区，西南扇形区，西扇形区，西北扇形区，北扇形区，东北扇形区，再将运动矢量的幅值和方向角组合，组合成 种像素点的运动矢量，例如，运动矢量为： （0.1，
东）， （0.1，东南）， （0.1，南），……，（0.1，北）， （0.1，东北）， （0.2，东）， （0.2，东南），（0.2，南），……，（0.2，北）， （0.2，东北），……，（1，东）， （1，东南）， （1，南），……，（1，北）， （1，东北），如图5所示；
(4-3)、统计组合后的 种运动矢量在视频帧图像上出现的概率，组成全局运动直方
图，记为 ；
(4-4)、分别计算 个区域的运动直方图，计算出第 个区域中 种像素
点的运动矢量出现的频率，分别得到第 个区域的运动直方图，记为 ，即，得到 个区
域的运动直方图；
(4-5)、分别利用第 个区域的运动直方图与全局运动直方图比较得出
频率的差异，计算第 个区域的运动显著性值，其计算式为：
(4)
其中， 表示第 个区域的运动直方图 中第 种运动矢量 所占的概率，
表示第 个区域的运动直方图， 表示是运动直方图， 表示是第 个区域的个数序
号， ， 表示运动直方图中的第 种运动矢量的种数序号， ， 表
示运动直方图中第 种运动矢量的值， 表示全局运动直方图 中第 个运动矢量
所占的概率， 表示全局运动直方图，0表示是整幅图像的全局直方图， 表示全局
运动直方图中的第 种运动矢量的种数序号， ， 表示全局运动直方图中的第
种运动矢量的值， 表示运动矢量
和 之间的距离， 表示运动矢量 和 之间的夹角， 表示运动矢量 的幅
值， 表示运动矢量 的幅值， 表示运动矢量的种数， 表示第 个区域的
运动显著性值。
(5)
其中， 表示第 个区域的运动直方图， 表示第 个区域， 表示像素点 属
于第 个区域 ， 表示第 个区域中像素点 的归一化前的运动显著性值；
(5-2)、计算第 个区域中像素点 归一化的运动显著性值，得到整幅视频帧图像的运
动显著性值，其计算式为：
(6)
其中， 表示像素点 的未归一化的运动显著性值， 表示求最小值的函
数， 表示求最大值的函数， 表示第 个区域中像素点 归一化的运动显著性
值，其范围为0～1，该第 个区域中像素点 归一化的运动显著性值作为整幅视频帧图像
的运动显著性值，该显著性值越大表示该像素点越显著，该显著性值越小表示该像素点越
不显著，如图6所示。
(7)
其中， 表示像素点 的颜色显著性值， 表示像素点 的运动显著性值，
表示像素点 归一化前的颜色和运动的显著性值。
(8)
其中， 表示第 个区域中像素点 的归一化前的颜色和运动的显著性值，
表示求最小值的函数， 表示求最大值的函数， 表示第 个区域中像素
点 归一化的颜色和运动的显著性值，其范围为0～1，该第 个区域中像素点 归一化的
颜色和运动的显著性值作为整幅视频帧图像的颜色和运动显著性值，该显著性值越大表示
该像素点越显著，该显著性值越小表示该像素点越不显著，如图7所示。
帧图像，生成的整幅视频帧图像的颜色和运动显著性图均能够有效地抑制非显著性的背景
区域，并更好地凸显出显著对象。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于矢量电子海图的气象要素叠加显示方法 | 2020-05-08 | 431 |
| 一种基于块编码特性的3D视频错误隐藏方法 | 2020-05-08 | 451 |
| 一种采用领航跟随法的多机器人综合避障方法 | 2020-05-08 | 950 |
| 一种双星编队半实物测试系统与方法 | 2020-05-08 | 465 |
| 细化运动矢量的利用 | 2020-05-08 | 196 |
| 一种湍流区域识别方法 | 2020-05-08 | 581 |
| 使用先前帧残差的运动矢量预测 | 2020-05-11 | 909 |
| 速度矢量测量光纤传感器及测量方法 | 2020-05-08 | 329 |
| 考虑J2项影响的导弹自由段弹道偏差解析预报方法 | 2020-05-08 | 420 |
| 一种基于扭转模态超声导波的复合绝缘子脱粘检测方法 | 2020-05-11 | 529 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
