張玲玲， 凌世婷

(電子科技大學圖書館, 成都 611731)

圖像處理(image processing)又稱為計算機圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像。常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。借助計算機技術(shù)的飛速發(fā)展與各類理論的不斷完善，數(shù)字圖像處理技術(shù)的應用范圍被拓寬，在航空航天、工業(yè)生產(chǎn)、醫(yī)療診斷、資源環(huán)境、氣象及交通監(jiān)測、文化教育等領域創(chuàng)造了巨額社會價值。專利具有新穎性、創(chuàng)造性和實用性，專利信息分析以及技術(shù)生命周期階段分析對于評估一項技術(shù)所處的發(fā)展水平，以及預測技術(shù)發(fā)展趨勢、指導領域科研管理、制定企業(yè)技術(shù)戰(zhàn)略、規(guī)劃相關(guān)發(fā)展政策等方面都發(fā)揮著重要作用[1]。圖像處理技術(shù)領域?qū)＠姸啵趯＠墨I開展技術(shù)生命周期研究，能夠定量分析技術(shù)發(fā)展方向及趨勢，可以有效指導相關(guān)企業(yè)挺進技術(shù)市場的進入時期與機會成本，有利于促進圖像處理技術(shù)的快速良性發(fā)展。

1 研究綜述

技術(shù)生命周期是反映技術(shù)發(fā)展狀態(tài)與未來發(fā)展趨勢的重要方法[2]。與產(chǎn)品生命周期類似，技術(shù)的發(fā)展會經(jīng)過技術(shù)生命周期的不同階段。國內(nèi)外學者就技術(shù)生命周期提出了四階段論、五階段論與六階段論，但多數(shù)學者認同四階段論，即技術(shù)生命周期由萌芽期(導入期)、成長期、成熟期與飽和期(衰退期)組成。

學術(shù)界并沒有一個權(quán)威的技術(shù)生命周期分析方法，專利數(shù)據(jù)能夠客觀真實地衡量技術(shù)研發(fā)情況、反映技術(shù)發(fā)展脈絡，較多研究均基于專利數(shù)據(jù)開展技術(shù)生命周期研究。李春燕[3]評價了S曲線、技術(shù)生命周期圖、專利指標分析法等多種技術(shù)生命周期研究方法；王山等[4]將技術(shù)生命周期研究方法總結(jié)為3類，包括模型化方法、計量法與描述型方法。李進進等[5]采用技術(shù)生命周期圖法對體外診斷試劑行業(yè)專利技術(shù)進行了研究；靳軍寶等[6]、婁巖等[7]基于Fisher-pry模型，分別對相關(guān)領域的技術(shù)成熟度進行了分析；余致力[8]采用專利指標法對研究了藥物紫杉醇技術(shù)生命周期及發(fā)展趨勢；張海峰等[9]提煉了技術(shù)生命周期中各階段的特征指標，并運用基于模糊貼近度的多目標分類算法，構(gòu)建了技術(shù)生命周期階段判定方法，通過人工智能技術(shù)驗證了該判定方法的準確性；高常青等[10]運用TRIZ法預測離心沖擊打夯機技術(shù)已度過成長期進入成熟期。

S曲線法可定量推算技術(shù)生命周期發(fā)展階段，適用于較長時間范圍的大數(shù)據(jù)分析，在專利技術(shù)領域的應用分析非常普遍。S 曲線主要包括Logistic曲線和Gompertz曲線，前者對稱，后者不對稱，Logistic曲線在實踐中應用比較廣泛。馮康[11]根據(jù)Logistic模型對中國環(huán)境治理領域的專利文獻進行分析研究，發(fā)現(xiàn)中國環(huán)境治理領域處于技術(shù)發(fā)展萌芽期，即將進入發(fā)展期，從發(fā)展現(xiàn)狀及趨勢的角度提出相關(guān)建議。葛亮[12]結(jié)合技術(shù)生命周期理論與Logistic模型綜合分析了國內(nèi)石墨烯技術(shù)所處的發(fā)展階段，揭示了石墨烯技術(shù)發(fā)展現(xiàn)狀及未來發(fā)展趨勢。張豐等[13]運用Logistic模型分析中國、美國和日本等三國新能源汽車的技術(shù)生命周期，預測其技術(shù)發(fā)展趨勢，發(fā)現(xiàn)現(xiàn)階段美國、日本的新能源汽車技術(shù)更加成熟，但是中國的新能源汽車發(fā)展?jié)摿薮?，具有后發(fā)優(yōu)勢。方曦等[14]結(jié)合專利指標法和S曲線數(shù)學模型法分析中國門禁系統(tǒng)安全技術(shù)的生命周期，揭示了門禁系統(tǒng)安全技術(shù)所處發(fā)展階段及發(fā)展趨勢，并從專利戰(zhàn)略視角為相關(guān)企業(yè)提供出了相應專利策略。Mahdis等[15]運用Logistic模型對光伏技術(shù)生命周期進行了研究。Chang等[16]利用Logistic曲線與專利指標結(jié)合的方法對車聯(lián)網(wǎng)產(chǎn)業(yè)技術(shù)生命周期進行了判別。Mohammad等[17]運用 Logistic分析方法識別了石油產(chǎn)業(yè)二氧化碳注入技術(shù)生命周期階段。

2 研究方法

技術(shù)生命周期是指某領域的技術(shù)研發(fā)與成長的動態(tài)軌跡，符合生命周期S曲線規(guī)律，主要由技術(shù)萌芽期、技術(shù)成長期、技術(shù)成熟期、技術(shù)飽和期(衰退期)構(gòu)成。本次報告采用Logistic曲線方法研究圖像處理各技術(shù)分支領域的技術(shù)發(fā)展周期，了解分支技術(shù)目前所處生命周期及未來可能的發(fā)展空間，Logistic曲線公式為

(1)

運用Logistic曲線進行生命周期測算時，以Loglet Lab軟件作為運算工具。Loglet Lab軟件的運算結(jié)果包含3項參數(shù)，即飽和值(Saturation)、成長時間(Growth Time)和反曲點(midpoint)。式(1)中，y為因變量，t為時間變量，L即為自然極限飽和值(saturation)，β即曲線中轉(zhuǎn)折點(midpoint)的時間點，α即為成長時間。Staturation表示使用某一技術(shù)所產(chǎn)生的最大效用值，即預估專利飽和值； Growth Time用tg表示，指某一技術(shù)所產(chǎn)生最大效用值的10%～90%所花費的時間，即表示成長期與成熟期所需要花費的時間；midpoint表示S曲線的反曲點，用tm表示，即二次微分由正轉(zhuǎn)負的零點值，即技術(shù)成熟期開始出現(xiàn)的時間[18]。

設定t0為技術(shù)萌芽期開始時間，t1為成長期開始臨界點，t2為成熟期開始臨界點，t3為飽和期開始臨界點，如圖1所示。利用Loglet Lab軟件，計算出Staturation最大效用值、成長時間tg和反曲點tm參數(shù)值，根據(jù)Logistic模型的反轉(zhuǎn)點對稱性，進一步推算出技術(shù)成長期的臨界點t1=tm-tg/2，技術(shù)成熟期的臨界點t2=tm，技術(shù)飽和期的臨界點t3=tm+tg/2。

圖1 Logistic曲線模型的技術(shù)生命周期

3 實證分析

3.1 技術(shù)分解與數(shù)據(jù)獲取

研究數(shù)據(jù)來源于科睿唯安公司Derwent Innovation(DI)專利分析系統(tǒng)，因為發(fā)明專利相較于實用新型專利和外觀設計專利技術(shù)含量高，能夠較為真實地反映科技創(chuàng)新能力，故本文以DI系統(tǒng)中發(fā)明專利為基礎數(shù)據(jù)源。數(shù)據(jù)檢索時間為2019年5月1日，數(shù)據(jù)來源時間未做限制。因圖像處理技術(shù)方向較多，且應用廣泛，為深入分析圖像處理技術(shù)發(fā)展趨勢及主要發(fā)展方向，本次研究首先進行領域技術(shù)分解，并進一步根據(jù)技術(shù)分支制定檢索式，獲取數(shù)據(jù)。本次研究邀請領域?qū)＜夜餐瑥膱D像處理方法和圖像處理應用兩個角度開展技術(shù)分解，圖像處理方法技術(shù)分支包括圖像增強、圖像去噪、圖像復原、圖像重建、圖像編碼、圖像分割、圖像識別及圖像融合等8個領域；圖像處理技術(shù)應用分支包括通信、生物識別、醫(yī)療、交通、工業(yè)應用及遙感等6個領域，技術(shù)分支如圖2所示。根據(jù)技術(shù)分支，制定檢索式，并根據(jù)重點申請人進行數(shù)據(jù)檢全與檢準驗證，檢索式如圖3所示，因分支較多，檢索式龐大，此處僅截圖展示部分。

圖2 圖像處理領域的技術(shù)分支

圖3 圖像處理領域技術(shù)分支檢索式

3.2 圖像處理技術(shù)專利整體分布

圖4 圖像處理領域?qū)＠暾堏厔?/p>

全球圖像處理領域截至檢索時間共有專利申請436 917件，圖像處理專利申請趨勢及申請人增長趨勢，如圖4所示。自1960年左右開始出現(xiàn)圖像處理相關(guān)的專利申請，90年代以前圖像處理專利一直處于緩慢增長狀態(tài)，自1990年開始，專利申請數(shù)量呈現(xiàn)快速增長狀態(tài)并持續(xù)至今，申請人發(fā)展態(tài)勢與專利申請趨勢保持一致。曲線擬合發(fā)現(xiàn)，專利申請趨勢和申請人趨勢均符合多項式增長模型，專利申請擬合曲線為y=20.011x2-790 71x+8×107(R2=0.984 5)，申請人擬合曲線為y=1.955 9x2-7 721.9x+8×106(R2=0.986 9)?？傮w來說，圖像處理技術(shù)處于快速發(fā)展態(tài)勢。

進一步關(guān)注圖像處理方法與應用的技術(shù)分支專利分布情況，見表1。在圖像處理方法層面，圖像識別與圖像融合領域?qū)＠暾堈急茸疃?，分別達到29%、21%；其次圖像編碼領域?qū)＠暾堓^高，占比16%；圖像增強、圖像去噪、圖像復原、圖像分割、圖像重建技術(shù)領域?qū)＠暾埾鄬^少，占比均低于10%。在圖像處理的應用層面，醫(yī)療、生物識別、工業(yè)領域?qū)＠暾埛蓊~相對較大，占比分別為27%、23%、21%；通信及交通領域?qū)＠暾埩看沃?，專利申請占比分別13%、10%；遙感領域?qū)＠暾埾鄬^少，占比6%。總體而言，圖像處理領域，方法創(chuàng)新相對技術(shù)應用的研發(fā)略多，方法創(chuàng)新研發(fā)更偏重圖像融合及圖像識別領域，技術(shù)應用則主要分布在醫(yī)療、生物識別及工業(yè)場景。

3.3 圖像處理技術(shù)生命周期分布

利用Loglet Lab軟件，根據(jù)Logistic模型，研究圖像處理技術(shù)14個分支的技術(shù)生命周期，求得Logistic模型待估參數(shù)，見表2。由表2可知，圖像處理技術(shù)領域各分支的技術(shù)飽和值、技術(shù)成長時間等存在較大差異。關(guān)注應用方面的技術(shù)最大效用，圖像處理技術(shù)在醫(yī)療領域的最大效用值最高(44 698.947)，表明醫(yī)療領域?qū)D像處理技術(shù)的需求最高；其次在生物識別領域也有較高需求(13 108.01)。關(guān)注方法方面的技術(shù)最大效用，圖像

表1 圖像處理領域的技術(shù)構(gòu)成

表2 圖像處理領域技術(shù)分支的Logistic模型待估參數(shù)

處理技術(shù)領域在圖像識別方向的最大技術(shù)效用最高(20 191.86)，表明圖像識別是圖像處理技術(shù)中研究最多的方向，其次圖像融合、圖像分割方向研究也較豐富，均有較高技術(shù)效用(分別為7 305.504、7 114.051)。從技術(shù)方向的成長時間來看，圖像識別方向技術(shù)成長時間最長，為38.171，說明該領域具有較大技術(shù)難度；其次，圖像分割、圖像融合兩個方向的技術(shù)成長時間分別是36.004、33.229，說明該兩領域技術(shù)也需要較長發(fā)展時間。

根據(jù)參數(shù)值進一步求得圖像處理技術(shù)分支的萌芽期開始時間t0、成長期開始臨界點t1、成熟期開始臨界點t2、飽和期開始臨界點t3，如表3、圖5、圖6所示。表3給出了各技術(shù)分支在技術(shù)生命周期各階段的臨界時間，圖5、圖6給出了技術(shù)分支發(fā)展趨勢及未來發(fā)展預測，圖中橫坐標均表示時間，縱坐標均表示專利申請量，圖中藍色面積表示截止數(shù)據(jù)采集時的已有專利申請量，灰色面積區(qū)域表示預測專利申請量，橙色線表示成長期開始的臨界點(t1)，黃色線表示成熟期開始的臨界點(t2)，綠色線表示飽和期開始的臨界點(t3)。

由圖表可知，目前圖像處理技術(shù)分支中，所有分支方向都已經(jīng)過了技術(shù)萌芽階段；共有3個分支處于技術(shù)成長階段，包括圖像分割與圖像識別技術(shù)方法研究，以及生物識別應用領域；共有4個分支方向處于技術(shù)成熟階段，包括圖像增強、圖像去噪、圖像重建、圖像融合等技術(shù)方法研究方向；共7個分支方向處于技術(shù)飽和階段，包括圖像復原、圖像編碼技術(shù)方法研究方向及通信、醫(yī)療、交通、工業(yè)應用、遙感等方向。

表3 圖像處理領域技術(shù)分支的生命周期臨界點

圖5 圖像處理領域分支技術(shù)生命周期(方法)

圖6 圖像處理領域分支技術(shù)生命周期(應用)

3.4 結(jié)論與建議

雖然圖像處理技術(shù)領域整體處于上升發(fā)展狀態(tài)，但實際上，在不同分支的技術(shù)生命周期表現(xiàn)差異非常大。圖像處理方法層面，圖像分割處于技術(shù)成長期，預估在2025年進入成熟期，說明該領域的技術(shù)仍處于快速成長期，技術(shù)競爭空間明顯較大，值得相關(guān)創(chuàng)新主體積極關(guān)注。圖像識別領域則剛好處在進入技術(shù)成熟期的轉(zhuǎn)折點，說明該領域技術(shù)正在迎接越來越多機構(gòu)加入其中，相關(guān)技術(shù)仍持續(xù)增加，但增速逐漸放緩，技術(shù)競爭空間將逐漸減小。但總體來說，圖像分割、圖像識別分別預計到2043、2040年才會進入技術(shù)飽和期，故該兩個領域技術(shù)仍然處于競爭開發(fā)階段，是值得重點進入的技術(shù)方向。圖像去噪、圖像重建、圖像融合、圖像增強領域目前處于技術(shù)成熟期，也就是表明上述4個分支方向的技術(shù)已逐漸趨于成熟，欲尋求大的技術(shù)革新或技術(shù)變革變得比較困難，更多的發(fā)明屬于小的改進型發(fā)明。整體來看，4個方向預估在未來2～8年時間將進入技術(shù)飽和期，也就是說未來技術(shù)創(chuàng)新的空間相對較小，雖然技術(shù)競爭仍有開放空間，但若此時相關(guān)機構(gòu)想要進入該領域進行技術(shù)角逐，應充分考慮自身技術(shù)優(yōu)勢。圖像復原、圖像編碼領域分別于2002、2005年就已經(jīng)進入技術(shù)飽和階段了，也就是說上述兩個方向的技術(shù)創(chuàng)新空間已顯著減小，重大技術(shù)創(chuàng)新幾乎難以出現(xiàn)，專利數(shù)量也呈現(xiàn)出逐漸下滑趨勢。進入技術(shù)飽和期后，技術(shù)方向的發(fā)展要么在一段時期內(nèi)停滯不前，要么正處在新一輪顛覆性技術(shù)孕育時期，故此時若相關(guān)機構(gòu)想進入該領域，除非有實力成為新一代技術(shù)引領者，否則并非良策。

圖像處理應用層面，生物識別領域的技術(shù)應用已于2018年進入技術(shù)成熟期，也就是說圖像處理技術(shù)目前在生物識別方向的技術(shù)應用已慢慢趨于成熟，在生物識別方向的圖像處理技術(shù)更多屬于改進型創(chuàng)新，技術(shù)空間相對開放，但競爭較激烈。到2033年，圖像處理技術(shù)在生物識別方向的應用將進入飽和期，目前而言，若相關(guān)機構(gòu)考慮此時進入生物識別領域，仍有一定競爭空間與機會。工業(yè)應用、通信、醫(yī)療、交通、遙感領域目前都已進入應用飽和期，其中工業(yè)應用、通信、醫(yī)療、交通領域進入飽和期較長時間了，遙感領域則剛進入技術(shù)飽和階段。總體來說，圖像處理技術(shù)在上述5個分支方向的創(chuàng)新應用空間在逐漸減小，專利呈現(xiàn)出下滑發(fā)展趨勢。進入技術(shù)應用飽和期后，圖像處理技術(shù)在相關(guān)方向的創(chuàng)新應用越來越少，或停留于目前技術(shù)應用現(xiàn)狀，或等待相關(guān)技術(shù)的突破性發(fā)展引發(fā)新一輪的創(chuàng)新應用，故此時若相關(guān)機構(gòu)期望進入該領域展開競爭，時機不佳，需要慎之又慎。

綜合來說，就圖像處理技術(shù)領域的14個分支的技術(shù)生命周期而言，可整體分為3個層級，按層級評估技術(shù)發(fā)展情況及進入該領域的機會成本。層級①是指處于技術(shù)成長期的領域，包括圖像分割、圖像識別及生物識別3個技術(shù)分支。上述3個分支領域有較大的技術(shù)創(chuàng)新空間，較強的競爭優(yōu)勢與機會，建議優(yōu)先重點關(guān)注上述3個技術(shù)成長期的領域，把握進入圖像處理技術(shù)領域的潛力方向。層級②是指處于技術(shù)成熟期的領域，包括圖像去噪、圖像重建、圖像融合、圖像增強等4個技術(shù)分支。上述4個領域目前處于技術(shù)成熟期，相比圖像分割、圖像識別及生物識別領域而言，技術(shù)仍然快速發(fā)展，但增速相對放緩，技術(shù)創(chuàng)新空間仍然開放，仍有一定競爭空間與機會，建議該4個領域可作為第二梯度關(guān)注。層級③是指處于技術(shù)飽和期的領域，包括圖像復原、圖像編碼技術(shù)研發(fā)領域及工業(yè)應用、通信、醫(yī)療、交通應用及遙感領域。相對來說，上述7個領域目前技術(shù)已經(jīng)比較飽和，技術(shù)創(chuàng)新空間已顯著減小，進入機會成本明顯較高，對于能夠進行顛覆性技術(shù)發(fā)明創(chuàng)造的機構(gòu)是較好的進入時期，否則需慎重考慮在技術(shù)飽和期進入技術(shù)市場。

4 結(jié)語

本文從技術(shù)生命周期角度出發(fā)，實證研究了圖像處理技術(shù)領域的整體發(fā)展情況及技術(shù)分支的生命周期進展，明確了圖像處理技術(shù)在不同技術(shù)分支的發(fā)展進程各不同相同，進一步確定了各分支的技術(shù)生命周期階段及未來發(fā)展趨勢，為相關(guān)企業(yè)、科研機構(gòu)等創(chuàng)新主體期望進入圖像處理技術(shù)研發(fā)領域與市場角逐提供了方向選擇及進入時期建議。但在研究過程中仍然存在一些不足，比如僅僅采用S曲線模型開展技術(shù)生命周期研究，缺乏更豐富、全面的研究視角與方法支撐；專利申請存在一定滯后性，尤其近兩年的數(shù)據(jù)會比較失真，在反映技術(shù)發(fā)展情況方面有一定影響。實際上，技術(shù)生命周期的影響因素比較多，基于專利數(shù)據(jù)視角的分析僅能作為參考，實踐過程中應充分考慮多種因素，綜合決策。