基于不可分离小波框架变换的多聚焦图像融合方法
阅读：788发布：2020-05-13
专利汇可以提供基于不可分离小波框架变换的多聚焦图像融合方法专利检索，专利查询，专利分析的服务。并且一种基于不可分离小波 框架 变换的多聚焦图像融合方法，采用不可分离小波框架变换系数重要性指标反映原图像 像素 的清晰程度，并基于系数重要性指标对原图像的不可分离小波框架系数进行组合。首先对待融合的多聚焦原图像分别进行离散小波框架变换，然后求取各原图像经不可分离小波框架变换分解后的系数的重要性指标。融合过程就是基于系数重要性指标对各图像不可分离小波框架变换分解后的系数进行选取，并进行一致性检验。最后对组合后的不可分离小波框架变换系数进行逆变换从而得到融合后的图像。本 发明 使融合后的图像 质量 得到大幅度地提高，对于各种应用系统的后续处理和图像显示具有重要意义和实用价值。，下面是基于不可分离小波框架变换的多聚焦图像融合方法专利的具体信息内容。
1.一种基于不可分离小波框架变换的多聚焦图像融合方法，其特征在于包括如下具体步骤：1)对两幅多聚焦输入原图像A和B分别进行N层不可分离小波框架变换，每一幅图像经分解后得到一个最低频子带系数和N个高频子带系数，其中N为2或3；2)求取各图像每个像素的不可分离小波框架变换系数的重要性，该系数重要性由局部区域内的不可分离小波框架变换的高频子带系数能量决定，以当前待求系数重要性的像素为中心选取一个固定大小的窗口，计算在这个窗口内的所有各层不可分离小波框架变换的高频系数的加权平方和；3)根据各多聚焦输入原图像不可分离小波框架变换系数的重要性，确定哪些像素是属于图像中的清晰区域，哪些像素是属于图像中的模糊区域，对多聚焦图像中属于清晰区域的像素的不可分离小波框架变换系数进行组合；4)对组合后的不可分离小波框架变换系数进行一致性检验，如果某像素组合后的不可分离小波框架变换系数来自于图像A变换后的系数，而以该像素为中心的窗口区域内的像素组合后的系数大多数来自于图像B变换后的系数，则将该组合后的系数改为取自图像B变换后的系数，反之亦然；一致性检验的窗口大小为11×11～20×20；5)对一致性检验后的不可分离小波框架变换组合系数进行逆变换，得到最终融合后的图像。
基于不可分离小波框架变换的多聚焦图像融合方法
技术领域
本发明涉及一种基于不可分离小波框架变换的多聚焦图像融合方法，是信息融合领域中的一项多聚焦图像信息融合方法，在光学成像、目标监视、安全检查等系统中均可有广泛应用。
背景技术
图像融合技术是多传感器信息融合中可视信息的融合，它利用各种成像传感器不同的成像方式，为不同的影像提供互补信息，增加图像信息量，减少原始图像数据量，提高对环境的适应性，以获得更可靠、更准确的有用信息供观察或进一步处理。它是一门综合了传感器、信号处理、图像处理和人工智能等的新兴技术。近年来，图像融合已成为一种十分重要和有用的图像分析与计算机视觉技术。它在自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域有着广泛的应用前景。
作为图像融合研究内容之一的多聚焦图像融合，是指在相同的成像条件下获取镜头聚焦目标不同的多个配准后的图像，通过图像融合得到一个所有目标都聚焦清晰的融合后图像。光学镜头的焦距有限，使得人们在摄影时很难得到一幅所有被摄物体均被聚焦的图像。解决这个问题的一个有效方法是对同一景物拍摄几幅聚焦点不同的图像，然后将其融合为一幅所有物体均被聚焦的图像。在处理多聚焦图像的融合方法中，具有代表性的方法是多分辨图像融合方法，如基于离散小波变换的图像融合方法(Li H，Manjunath B.S，Mitra S.，Multisensorimage fusion using the wavelet transform，Graphical Models and Image Process，1995，57(3)：235-245)。其基本思想就是在将输入原图像分解得到不同分辨率表示的基础上，分别对它们进行融合运算得到一个融合的图像多分辨率表示，经多分辨率重构获得融合后图像。然而传统的多分辨率图像融合方法对多聚焦原图像进行融合处理所得到的融合结果，与原图像的清晰区域相比，其对应区域的图像质量有所降低；而与原图像的模糊区域相比，其对应区域的图像质量得到提高，这也就是说，传统的多分辨率图像融合方法通过降低图像清晰区域的图像质量来提升图像模糊区域的图像质量以得到目标均“清晰”的融合结果。其融合结果与理想融合结果存在一定程度的偏差，并造成图像中一些边缘信息的丢失。最近李淑涛等提出了一种基于视觉特性的多聚焦图像融合方法(Li S.T.，James T.K.，Wang Y.N.，Multifocus image fusion using artificial neural networks，Pattern Recognition Letters，2002，23：985-997.)，融合过程是首先将配准的原图像分割成若干块，计算每个图像块的清晰度指标，通过选取两幅图像中清晰的图像块形成融合图像。但在实际的多聚焦图像融合应用中，块分割的大小会影响融合的效果，而且很难自适应的确定一个最优的块分割大小，在对同时包含模糊区域与清晰区域的块进行融合时，简单的块选择并不能产生最优的融合效果。
作为图像融合研究内容之一的多聚焦图像融合，是指在相同的成像条件下获取镜头聚焦目标不同的多个配准后的图像，通过图像融合得到一个所有目标都聚焦清晰的融合后图像。光学镜头的焦距有限，使得人们在摄影时很难得到一幅所有被摄物体均被聚焦的图像。解决这个问题的一个有效方法是对同一景物拍摄几幅聚焦点不同的图像，然后将其融合为一幅所有物体均被聚焦的图像。在处理多聚焦图像的融合方法中，具有代表性的方法是多分辨图像融合方法，如基于离散小波变换的图像融合方法(Li H，Manjunath B.S，Mitra S.，Multisensorimage fusion using the wavelet transform，Graphical Models and Image Process，1995，57(3)：235-245)。其基本思想就是在将输入原图像分解得到不同分辨率表示的基础上，分别对它们进行融合运算得到一个融合的图像多分辨率表示，经多分辨率重构获得融合后图像。然而传统的多分辨率图像融合方法对多聚焦原图像进行融合处理所得到的融合结果，与原图像的清晰区域相比，其对应区域的图像质量有所降低；而与原图像的模糊区域相比，其对应区域的图像质量得到提高，这也就是说，传统的多分辨率图像融合方法通过降低图像清晰区域的图像质量来提升图像模糊区域的图像质量以得到目标均“清晰”的融合结果。其融合结果与理想融合结果存在一定程度的偏差，并造成图像中一些边缘信息的丢失。最近李淑涛等提出了一种基于视觉特性的多聚焦图像融合方法(Li S.T.，James T.K.，Wang Y.N.，Multifocus image fusion using artificial neural networks，Pattern Recognition Letters，2002，23：985-997.)，融合过程是首先将配准的原图像分割成若干块，计算每个图像块的清晰度指标，通过选取两幅图像中清晰的图像块形成融合图像。但在实际的多聚焦图像融合应用中，块分割的大小会影响融合的效果，而且很难自适应的确定一个最优的块分割大小，在对同时包含模糊区域与清晰区域的块进行融合时，简单的块选择并不能产生最优的融合效果。
发明内容
本发明针对现有技术存在的不足，提供了一种基于不可分离小波框架变换的多聚焦图像融合方法，能够提高融合图像的质量，达到理想的实用效果。
为实现这样的目的，本发明技术方案的创新点在于采用不可分离小波框架变换系数重要性指标反映原图像像素的清晰程度，并基于系数重要性指标对原图像的不可分离小波框架系数进行组合。首先对待融合的多聚焦原图像分别进行离散小波框架变换，然后求取各原图像经不可分离小波框架变换分解后的系数的重要性指标。融合过程就是基于系数重要性指标对各图像不可分离小波框架变换分解后的系数进行选取，并进行一致性检验。最后对组合后的不可分离小波框架变换系数进行逆变换从而得到融合后的图像。
本发明的一种基于不可分离小波框架变换的多聚焦图像融合方法包括如下具体步骤：1.对多聚焦输入原图像分别进行不可分离小波框架变换，对一幅图像进行N(N一般为2或3)层不可分离小波框架变换将得到N+1个子带系数，包括一个最低频子带系数和N个高频子带系数。
2.求取各多聚焦图像每个像素的不可分离小波框架变换系数的重要性，该系数重要性由局部区域内的不可分离小波框架变换的高频系数能量决定：以当前待求系数重要性的像素为中心选取一个固定大小的窗口(窗口的尺寸一般比较小，如3×3)，计算在这个窗口内的所有各层不可分离小波框架变换的高频系数的加权平方和。
3.对各多聚焦图像每个像素的不可分离小波框架变换系数进行组合。根据不可分离小波框架变换系数的重要性确定哪些像素是属于图像中的清晰区域，哪些像素是属于图像中的模糊区域，对多聚焦图像中属于清晰区域的像素的不可分离小波框架变换系数进行组合。
4.对组合后的不可分离小波框架变换系数进行一致性检验。如果某像素组合后的不可分离小波框架变换系数来自于图像A变换后的系数，而以该像素为中心的窗口区域内的像素组合后的系数大多数来自于图像B变换后的系数，则将该组合后的系数改为取自图像B变换后的系数；反之亦然。对组合后的不可分离小波框架变换系数进行一致性检验，以保证某像素组合后的不可分离小波框架变换系数与其相邻像素组合后的系数大多数来自于同一幅图像经不可分离小波框架变换变换后的系数。一致性检验的窗口大小一般较大，如11×11，最大可取20×20。
5.对一致性检验后的不可分离小波框架变换组合系数进行逆变换，得到最终融合后的图像。
本发明的图像融合方法具有如下有益效果：多聚焦图像具有各自的聚焦点，因而具有各自的清晰区域和模糊区域。本方法根据不可分离小波框架变换系数的重要性确定哪些像素是属于图像中的清晰区域，哪些像素是属于图像中的模糊区域，直接选取多聚焦图像中各自的清晰区域作为融合后相应的区域，整个融合后图像更接近于理想的融合结果。采用基于不可分离小波框架变换的多聚焦图像融合方法大大提高了融合后图像质量，对于应用系统的后续处理和图像显示具有重要意义和实用价值。
附图说明
图1为本发明基于不可分离小波框架变换的多聚焦图像融合方法示意图。
图2为图像融合结果对照。
图2中，(a)、(b)为两幅输入原图像，(c)为基于离散小波变换融合算法的结果图像，(d)为基于视觉特性的融合算法结果图像，(e)为本发明方法的融合后图像。
为实现这样的目的，本发明技术方案的创新点在于采用不可分离小波框架变换系数重要性指标反映原图像像素的清晰程度，并基于系数重要性指标对原图像的不可分离小波框架系数进行组合。首先对待融合的多聚焦原图像分别进行离散小波框架变换，然后求取各原图像经不可分离小波框架变换分解后的系数的重要性指标。融合过程就是基于系数重要性指标对各图像不可分离小波框架变换分解后的系数进行选取，并进行一致性检验。最后对组合后的不可分离小波框架变换系数进行逆变换从而得到融合后的图像。
本发明的一种基于不可分离小波框架变换的多聚焦图像融合方法包括如下具体步骤：1.对多聚焦输入原图像分别进行不可分离小波框架变换，对一幅图像进行N(N一般为2或3)层不可分离小波框架变换将得到N+1个子带系数，包括一个最低频子带系数和N个高频子带系数。
2.求取各多聚焦图像每个像素的不可分离小波框架变换系数的重要性，该系数重要性由局部区域内的不可分离小波框架变换的高频系数能量决定：以当前待求系数重要性的像素为中心选取一个固定大小的窗口(窗口的尺寸一般比较小，如3×3)，计算在这个窗口内的所有各层不可分离小波框架变换的高频系数的加权平方和。
3.对各多聚焦图像每个像素的不可分离小波框架变换系数进行组合。根据不可分离小波框架变换系数的重要性确定哪些像素是属于图像中的清晰区域，哪些像素是属于图像中的模糊区域，对多聚焦图像中属于清晰区域的像素的不可分离小波框架变换系数进行组合。
4.对组合后的不可分离小波框架变换系数进行一致性检验。如果某像素组合后的不可分离小波框架变换系数来自于图像A变换后的系数，而以该像素为中心的窗口区域内的像素组合后的系数大多数来自于图像B变换后的系数，则将该组合后的系数改为取自图像B变换后的系数；反之亦然。对组合后的不可分离小波框架变换系数进行一致性检验，以保证某像素组合后的不可分离小波框架变换系数与其相邻像素组合后的系数大多数来自于同一幅图像经不可分离小波框架变换变换后的系数。一致性检验的窗口大小一般较大，如11×11，最大可取20×20。
5.对一致性检验后的不可分离小波框架变换组合系数进行逆变换，得到最终融合后的图像。
本发明的图像融合方法具有如下有益效果：多聚焦图像具有各自的聚焦点，因而具有各自的清晰区域和模糊区域。本方法根据不可分离小波框架变换系数的重要性确定哪些像素是属于图像中的清晰区域，哪些像素是属于图像中的模糊区域，直接选取多聚焦图像中各自的清晰区域作为融合后相应的区域，整个融合后图像更接近于理想的融合结果。采用基于不可分离小波框架变换的多聚焦图像融合方法大大提高了融合后图像质量，对于应用系统的后续处理和图像显示具有重要意义和实用价值。
附图说明
图1为本发明基于不可分离小波框架变换的多聚焦图像融合方法示意图。
图2为图像融合结果对照。
图2中，(a)、(b)为两幅输入原图像，(c)为基于离散小波变换融合算法的结果图像，(d)为基于视觉特性的融合算法结果图像，(e)为本发明方法的融合后图像。
具体实施方式
为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作进一步描述。
图1为本发明提出的一种基于不可分离小波框架变换的多聚焦图像融合方法示意图。首先对两幅待融合的多聚焦原图像A、B分别进行不可分离小波框架变换，再求取各原图像经小波变换后的系数重要性指标，然后基于系数重要性指标对两幅图像的不可分离小波框架变换系数进行组合，并对组合后的系数进行一致性检验，最后对组合后的不可分离小波框架变换系数进行逆变换，从而得到融合后的图像。
本发明实施例以图2(a)、图2(b)所示的多聚焦输入原图像A和B为例进行图像融合，具体实施步骤如下：1.对多聚焦输入原图像A和B分别进行不可分离小波框架变换。
图像的不可分离小波框架变换是对图像的低通部分重复进行滤波以及重采样，从而产生新的低通和细节信号。
不可分离小波框架变换图像分解后的系数表示如下：其中H0，G0是二维的原型分析滤波器，[H0]↑D′是低通滤波器H0经过升采样后的滤波器，[G0]↑D′是高通滤波器G0经过升采样后的滤波器，D=111-1,]]>f0(K)＝f(K)，N是图像分解的层数，H1，G1是二维原型综合滤波器。
图像f(x，y)经过N层不可分离小波框架变换分解后将产生几个高通子带{gi(x，y)|i＝1，2，...，N}以及一个低通子带fN(x，y)，其中{(x，y)|(x，y)∈Z2}代表像素的坐标位置，每一个子带的尺寸与原图像的尺寸相同。
2.求取各图像每个像素的不可分离小波框架变换系数的重要性。
使用giA(x，y)与fNA(x，y)，giB(x，y)与fNB(x，y)表示原图像A，B分别经不可分离小波框架变换分解后的系数，使用giF(x，y)与fNF(x，y)表示组合后的不可分离小波框架变换系数。原图像经过不可分离小波框架变换后高通子带系数代表了原图像的细节信息，图像中细节信息越多，说明清晰度越高，所以利用原图像不可分离小波框架变换后的高通子带系数能衡量原图像的清晰度指标，为此目的，定义了不可分离小波框架变换系数重要性如下：SI(x,y)=Σi=1NΣ(m,n)∈N(x,y)w(m,n)·giI(m,n)2,I=A,B,---(2)]]>其中w(m，n)是权值且满足Σ(m,n)∈N(x,y)w(m,n)=1,]]>N(x，y)是以像素(x，y)为中心定义的一个窗口，窗口的尺寸一般比较小，如3×3。如果SI(x，y)越大，说明原图像I中像素(x，y)所在局部区域清晰度越高。
3.对两幅多聚焦输入原图像的不可分离小波框架变换系数进行组合。
根据不可分离小波框架变换系数的重要性，确定哪些像素是属于图像中的清晰区域，哪些像素是属于图像中的模糊区域，融合过程就是对多聚焦图像中属于清晰区域的像素的不可分离小波框架变换系数进行组合。多聚焦图像的高通子带系数融合过程定义如下：对于多聚焦图像的低通子带融合过程类似：4.对组合后的不可分离小波框架变换系数进行一致性检验。
如果某像素组合后的不可分离小波框架变换系数来自于图像A变换后的系数而以该像素为中心的窗口区域内的像素组合后的系数大多数来自于图像B变换后的系数，则将该组合后的系数改为取自图像B变换后的系数，反之亦然。对组合后的不可分离小波框架变换系数进行一致性检验以保证某像素组合后的不可分离小波框架变换系数与其相邻像素组合后的系数大多数来自于同一幅图像经不可分离小波框架变换变换后的系数。一致性检验的窗口大小一般较大，如11×11，最大可取20×20。
5.对一致性检验后的不可分离小波框架变换组合系数进行逆变换。
经一致性检验后，对于组合后的不可分离小波框架变换系数进行逆变换即可得到融合后的图像。
图2所示为本发明的基于不可分离小波框架变换的多聚焦图像融合方法与现有技术中基于视觉特性的融合方法及基于离散小波变换融合方法的融合结果对照。图2中，(a)、(b)为两幅输入原图像，(c)为基于离散小波变换融合算法的结果图像，(d)为基于视觉特性的融合算法结果图像，(e)为本发明方法的融合后图像。从图中可见，本发明方法所得融合图像继承了原图像中的所有清晰区域，融合效果最好。表1为与此相对应的融合结果性能评价。性能评价指标采用了常用的整体交叉熵以及空间频率。整体交叉熵可以用来衡量融合图像从原图像中继承信息的多少，整体交叉熵越小表示融合图像从原图像继承的信息越多，融合效果越好。空间频率可以用来衡量融合图像的整体清晰度，空间频率越大表示融合图像的整体清晰度越高，融合效果越好。从表1的定量评价数据可以看出本发明方法在性能上优于其它两种融合方法。
表1：图像融合结果性能评价
图1为本发明提出的一种基于不可分离小波框架变换的多聚焦图像融合方法示意图。首先对两幅待融合的多聚焦原图像A、B分别进行不可分离小波框架变换，再求取各原图像经小波变换后的系数重要性指标，然后基于系数重要性指标对两幅图像的不可分离小波框架变换系数进行组合，并对组合后的系数进行一致性检验，最后对组合后的不可分离小波框架变换系数进行逆变换，从而得到融合后的图像。
本发明实施例以图2(a)、图2(b)所示的多聚焦输入原图像A和B为例进行图像融合，具体实施步骤如下：1.对多聚焦输入原图像A和B分别进行不可分离小波框架变换。
图像的不可分离小波框架变换是对图像的低通部分重复进行滤波以及重采样，从而产生新的低通和细节信号。
不可分离小波框架变换图像分解后的系数表示如下：其中H0，G0是二维的原型分析滤波器，[H0]↑D′是低通滤波器H0经过升采样后的滤波器，[G0]↑D′是高通滤波器G0经过升采样后的滤波器，D=111-1,]]>f0(K)＝f(K)，N是图像分解的层数，H1，G1是二维原型综合滤波器。
图像f(x，y)经过N层不可分离小波框架变换分解后将产生几个高通子带{gi(x，y)|i＝1，2，...，N}以及一个低通子带fN(x，y)，其中{(x，y)|(x，y)∈Z2}代表像素的坐标位置，每一个子带的尺寸与原图像的尺寸相同。
2.求取各图像每个像素的不可分离小波框架变换系数的重要性。
使用giA(x，y)与fNA(x，y)，giB(x，y)与fNB(x，y)表示原图像A，B分别经不可分离小波框架变换分解后的系数，使用giF(x，y)与fNF(x，y)表示组合后的不可分离小波框架变换系数。原图像经过不可分离小波框架变换后高通子带系数代表了原图像的细节信息，图像中细节信息越多，说明清晰度越高，所以利用原图像不可分离小波框架变换后的高通子带系数能衡量原图像的清晰度指标，为此目的，定义了不可分离小波框架变换系数重要性如下：SI(x,y)=Σi=1NΣ(m,n)∈N(x,y)w(m,n)·giI(m,n)2,I=A,B,---(2)]]>其中w(m，n)是权值且满足Σ(m,n)∈N(x,y)w(m,n)=1,]]>N(x，y)是以像素(x，y)为中心定义的一个窗口，窗口的尺寸一般比较小，如3×3。如果SI(x，y)越大，说明原图像I中像素(x，y)所在局部区域清晰度越高。
3.对两幅多聚焦输入原图像的不可分离小波框架变换系数进行组合。
根据不可分离小波框架变换系数的重要性，确定哪些像素是属于图像中的清晰区域，哪些像素是属于图像中的模糊区域，融合过程就是对多聚焦图像中属于清晰区域的像素的不可分离小波框架变换系数进行组合。多聚焦图像的高通子带系数融合过程定义如下：对于多聚焦图像的低通子带融合过程类似：4.对组合后的不可分离小波框架变换系数进行一致性检验。
如果某像素组合后的不可分离小波框架变换系数来自于图像A变换后的系数而以该像素为中心的窗口区域内的像素组合后的系数大多数来自于图像B变换后的系数，则将该组合后的系数改为取自图像B变换后的系数，反之亦然。对组合后的不可分离小波框架变换系数进行一致性检验以保证某像素组合后的不可分离小波框架变换系数与其相邻像素组合后的系数大多数来自于同一幅图像经不可分离小波框架变换变换后的系数。一致性检验的窗口大小一般较大，如11×11，最大可取20×20。
5.对一致性检验后的不可分离小波框架变换组合系数进行逆变换。
经一致性检验后，对于组合后的不可分离小波框架变换系数进行逆变换即可得到融合后的图像。
图2所示为本发明的基于不可分离小波框架变换的多聚焦图像融合方法与现有技术中基于视觉特性的融合方法及基于离散小波变换融合方法的融合结果对照。图2中，(a)、(b)为两幅输入原图像，(c)为基于离散小波变换融合算法的结果图像，(d)为基于视觉特性的融合算法结果图像，(e)为本发明方法的融合后图像。从图中可见，本发明方法所得融合图像继承了原图像中的所有清晰区域，融合效果最好。表1为与此相对应的融合结果性能评价。性能评价指标采用了常用的整体交叉熵以及空间频率。整体交叉熵可以用来衡量融合图像从原图像中继承信息的多少，整体交叉熵越小表示融合图像从原图像继承的信息越多，融合效果越好。空间频率可以用来衡量融合图像的整体清晰度，空间频率越大表示融合图像的整体清晰度越高，融合效果越好。从表1的定量评价数据可以看出本发明方法在性能上优于其它两种融合方法。
表1：图像融合结果性能评价
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法 | 2020-05-19 | 87 |
| 一种2D位场构建3D位场的方法 | 2020-05-19 | 480 |
| 一种用于高频局部放电信号检测的抗干扰方法 | 2020-05-13 | 400 |
| 基于非高斯性测度的无线通信系统频谱感知方法 | 2020-05-20 | 224 |
| 基于不可分离小波框架变换的多聚焦图像融合方法 | 2020-05-12 | 696 |
| 基于2D离散小波多尺度分解构建3D位场的方法 | 2020-05-16 | 509 |
| 基于期望值最大与离散小波框架的图像融合方法 | 2020-05-16 | 960 |
| 基于小波变换的快速无损检测绿茶含水率的方法 | 2020-05-14 | 954 |
| 基于小波变换的Prophet与高斯过程用户网络流量预测方法 | 2020-05-16 | 466 |
| 一种基于Renyi熵的小波软阈值图像去噪方法 | 2020-05-14 | 625 |
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。
分析报告
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。
QQ群二维码
意见反馈
意见反馈