技术生命周期视域下领域介入方向与时机研究——以图像处理技术领域为例

张玲玲， 凌世婷

(电子科技大学图书馆, 成都 611731)

图像处理(image processing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。借助计算机技术的飞速发展与各类理论的不断完善，数字图像处理技术的应用范围被拓宽，在航空航天、工业生产、医疗诊断、资源环境、气象及交通监测、文化教育等领域创造了巨额社会价值。专利具有新颖性、创造性和实用性，专利信息分析以及技术生命周期阶段分析对于评估一项技术所处的发展水平，以及预测技术发展趋势、指导领域科研管理、制定企业技术战略、规划相关发展政策等方面都发挥着重要作用[1]。图像处理技术领域专利众多，基于专利文献开展技术生命周期研究，能够定量分析技术发展方向及趋势，可以有效指导相关企业挺进技术市场的进入时期与机会成本，有利于促进图像处理技术的快速良性发展。

1 研究综述

技术生命周期是反映技术发展状态与未来发展趋势的重要方法[2]。与产品生命周期类似，技术的发展会经过技术生命周期的不同阶段。国内外学者就技术生命周期提出了四阶段论、五阶段论与六阶段论，但多数学者认同四阶段论，即技术生命周期由萌芽期(导入期)、成长期、成熟期与饱和期(衰退期)组成。

学术界并没有一个权威的技术生命周期分析方法，专利数据能够客观真实地衡量技术研发情况、反映技术发展脉络，较多研究均基于专利数据开展技术生命周期研究。李春燕[3]评价了S曲线、技术生命周期图、专利指标分析法等多种技术生命周期研究方法；王山等[4]将技术生命周期研究方法总结为3类，包括模型化方法、计量法与描述型方法。李进进等[5]采用技术生命周期图法对体外诊断试剂行业专利技术进行了研究；靳军宝等[6]、娄岩等[7]基于Fisher-pry模型，分别对相关领域的技术成熟度进行了分析；余致力[8]采用专利指标法对研究了药物紫杉醇技术生命周期及发展趋势；张海峰等[9]提炼了技术生命周期中各阶段的特征指标，并运用基于模糊贴近度的多目标分类算法，构建了技术生命周期阶段判定方法，通过人工智能技术验证了该判定方法的准确性；高常青等[10]运用TRIZ法预测离心冲击打夯机技术已度过成长期进入成熟期。

S曲线法可定量推算技术生命周期发展阶段，适用于较长时间范围的大数据分析，在专利技术领域的应用分析非常普遍。S 曲线主要包括Logistic曲线和Gompertz曲线，前者对称，后者不对称，Logistic曲线在实践中应用比较广泛。冯康[11]根据Logistic模型对中国环境治理领域的专利文献进行分析研究，发现中国环境治理领域处于技术发展萌芽期，即将进入发展期，从发展现状及趋势的角度提出相关建议。葛亮[12]结合技术生命周期理论与Logistic模型综合分析了国内石墨烯技术所处的发展阶段，揭示了石墨烯技术发展现状及未来发展趋势。张丰等[13]运用Logistic模型分析中国、美国和日本等三国新能源汽车的技术生命周期，预测其技术发展趋势，发现现阶段美国、日本的新能源汽车技术更加成熟，但是中国的新能源汽车发展潜力巨大，具有后发优势。方曦等[14]结合专利指标法和S曲线数学模型法分析中国门禁系统安全技术的生命周期，揭示了门禁系统安全技术所处发展阶段及发展趋势，并从专利战略视角为相关企业提供出了相应专利策略。Mahdis等[15]运用Logistic模型对光伏技术生命周期进行了研究。Chang等[16]利用Logistic曲线与专利指标结合的方法对车联网产业技术生命周期进行了判别。Mohammad等[17]运用 Logistic分析方法识别了石油产业二氧化碳注入技术生命周期阶段。

2 研究方法

技术生命周期是指某领域的技术研发与成长的动态轨迹，符合生命周期S曲线规律，主要由技术萌芽期、技术成长期、技术成熟期、技术饱和期(衰退期)构成。本次报告采用Logistic曲线方法研究图像处理各技术分支领域的技术发展周期，了解分支技术目前所处生命周期及未来可能的发展空间，Logistic曲线公式为

(1)

运用Logistic曲线进行生命周期测算时，以Loglet Lab软件作为运算工具。Loglet Lab软件的运算结果包含3项参数，即饱和值(Saturation)、成长时间(Growth Time)和反曲点(midpoint)。式(1)中，y为因变量，t为时间变量，L即为自然极限饱和值(saturation)，β即曲线中转折点(midpoint)的时间点，α即为成长时间。Staturation表示使用某一技术所产生的最大效用值，即预估专利饱和值； Growth Time用tg表示，指某一技术所产生最大效用值的10%～90%所花费的时间，即表示成长期与成熟期所需要花费的时间；midpoint表示S曲线的反曲点，用tm表示，即二次微分由正转负的零点值，即技术成熟期开始出现的时间[18]。

设定t0为技术萌芽期开始时间，t1为成长期开始临界点，t2为成熟期开始临界点，t3为饱和期开始临界点，如图1所示。利用Loglet Lab软件，计算出Staturation最大效用值、成长时间tg和反曲点tm参数值，根据Logistic模型的反转点对称性，进一步推算出技术成长期的临界点t1=tm-tg/2，技术成熟期的临界点t2=tm，技术饱和期的临界点t3=tm+tg/2。

图1 Logistic曲线模型的技术生命周期

3 实证分析

3.1 技术分解与数据获取

研究数据来源于科睿唯安公司Derwent Innovation(DI)专利分析系统，因为发明专利相较于实用新型专利和外观设计专利技术含量高，能够较为真实地反映科技创新能力，故本文以DI系统中发明专利为基础数据源。数据检索时间为2019年5月1日，数据来源时间未做限制。因图像处理技术方向较多，且应用广泛，为深入分析图像处理技术发展趋势及主要发展方向，本次研究首先进行领域技术分解，并进一步根据技术分支制定检索式，获取数据。本次研究邀请领域专家共同从图像处理方法和图像处理应用两个角度开展技术分解，图像处理方法技术分支包括图像增强、图像去噪、图像复原、图像重建、图像编码、图像分割、图像识别及图像融合等8个领域；图像处理技术应用分支包括通信、生物识别、医疗、交通、工业应用及遥感等6个领域，技术分支如图2所示。根据技术分支，制定检索式，并根据重点申请人进行数据检全与检准验证，检索式如图3所示，因分支较多，检索式庞大，此处仅截图展示部分。

图2 图像处理领域的技术分支

图3 图像处理领域技术分支检索式

3.2 图像处理技术专利整体分布

图4 图像处理领域专利申请趋势

全球图像处理领域截至检索时间共有专利申请436 917件，图像处理专利申请趋势及申请人增长趋势，如图4所示。自1960年左右开始出现图像处理相关的专利申请，90年代以前图像处理专利一直处于缓慢增长状态，自1990年开始，专利申请数量呈现快速增长状态并持续至今，申请人发展态势与专利申请趋势保持一致。曲线拟合发现，专利申请趋势和申请人趋势均符合多项式增长模型，专利申请拟合曲线为y=20.011x2-790 71x+8×107(R2=0.984 5)，申请人拟合曲线为y=1.955 9x2-7 721.9x+8×106(R2=0.986 9)。总体来说，图像处理技术处于快速发展态势。

进一步关注图像处理方法与应用的技术分支专利分布情况，见表1。在图像处理方法层面，图像识别与图像融合领域专利申请占比最多，分别达到29%、21%；其次图像编码领域专利申请较高，占比16%；图像增强、图像去噪、图像复原、图像分割、图像重建技术领域专利申请相对较少，占比均低于10%。在图像处理的应用层面，医疗、生物识别、工业领域专利申请份额相对较大，占比分别为27%、23%、21%；通信及交通领域专利申请量次之，专利申请占比分别13%、10%；遥感领域专利申请相对较少，占比6%。总体而言，图像处理领域，方法创新相对技术应用的研发略多，方法创新研发更偏重图像融合及图像识别领域，技术应用则主要分布在医疗、生物识别及工业场景。

3.3 图像处理技术生命周期分布

利用Loglet Lab软件，根据Logistic模型，研究图像处理技术14个分支的技术生命周期，求得Logistic模型待估参数，见表2。由表2可知，图像处理技术领域各分支的技术饱和值、技术成长时间等存在较大差异。关注应用方面的技术最大效用，图像处理技术在医疗领域的最大效用值最高(44 698.947)，表明医疗领域对图像处理技术的需求最高；其次在生物识别领域也有较高需求(13 108.01)。关注方法方面的技术最大效用，图像

表1 图像处理领域的技术构成

表2 图像处理领域技术分支的Logistic模型待估参数

处理技术领域在图像识别方向的最大技术效用最高(20 191.86)，表明图像识别是图像处理技术中研究最多的方向，其次图像融合、图像分割方向研究也较丰富，均有较高技术效用(分别为7 305.504、7 114.051)。从技术方向的成长时间来看，图像识别方向技术成长时间最长，为38.171，说明该领域具有较大技术难度；其次，图像分割、图像融合两个方向的技术成长时间分别是36.004、33.229，说明该两领域技术也需要较长发展时间。

根据参数值进一步求得图像处理技术分支的萌芽期开始时间t0、成长期开始临界点t1、成熟期开始临界点t2、饱和期开始临界点t3，如表3、图5、图6所示。表3给出了各技术分支在技术生命周期各阶段的临界时间，图5、图6给出了技术分支发展趋势及未来发展预测，图中横坐标均表示时间，纵坐标均表示专利申请量，图中蓝色面积表示截止数据采集时的已有专利申请量，灰色面积区域表示预测专利申请量，橙色线表示成长期开始的临界点(t1)，黄色线表示成熟期开始的临界点(t2)，绿色线表示饱和期开始的临界点(t3)。

由图表可知，目前图像处理技术分支中，所有分支方向都已经过了技术萌芽阶段；共有3个分支处于技术成长阶段，包括图像分割与图像识别技术方法研究，以及生物识别应用领域；共有4个分支方向处于技术成熟阶段，包括图像增强、图像去噪、图像重建、图像融合等技术方法研究方向；共7个分支方向处于技术饱和阶段，包括图像复原、图像编码技术方法研究方向及通信、医疗、交通、工业应用、遥感等方向。

表3 图像处理领域技术分支的生命周期临界点

图5 图像处理领域分支技术生命周期(方法)

图6 图像处理领域分支技术生命周期(应用)

3.4 结论与建议

虽然图像处理技术领域整体处于上升发展状态，但实际上，在不同分支的技术生命周期表现差异非常大。图像处理方法层面，图像分割处于技术成长期，预估在2025年进入成熟期，说明该领域的技术仍处于快速成长期，技术竞争空间明显较大，值得相关创新主体积极关注。图像识别领域则刚好处在进入技术成熟期的转折点，说明该领域技术正在迎接越来越多机构加入其中，相关技术仍持续增加，但增速逐渐放缓，技术竞争空间将逐渐减小。但总体来说，图像分割、图像识别分别预计到2043、2040年才会进入技术饱和期，故该两个领域技术仍然处于竞争开发阶段，是值得重点进入的技术方向。图像去噪、图像重建、图像融合、图像增强领域目前处于技术成熟期，也就是表明上述4个分支方向的技术已逐渐趋于成熟，欲寻求大的技术革新或技术变革变得比较困难，更多的发明属于小的改进型发明。整体来看，4个方向预估在未来2～8年时间将进入技术饱和期，也就是说未来技术创新的空间相对较小，虽然技术竞争仍有开放空间，但若此时相关机构想要进入该领域进行技术角逐，应充分考虑自身技术优势。图像复原、图像编码领域分别于2002、2005年就已经进入技术饱和阶段了，也就是说上述两个方向的技术创新空间已显著减小，重大技术创新几乎难以出现，专利数量也呈现出逐渐下滑趋势。进入技术饱和期后，技术方向的发展要么在一段时期内停滞不前，要么正处在新一轮颠覆性技术孕育时期，故此时若相关机构想进入该领域，除非有实力成为新一代技术引领者，否则并非良策。

图像处理应用层面，生物识别领域的技术应用已于2018年进入技术成熟期，也就是说图像处理技术目前在生物识别方向的技术应用已慢慢趋于成熟，在生物识别方向的图像处理技术更多属于改进型创新，技术空间相对开放，但竞争较激烈。到2033年，图像处理技术在生物识别方向的应用将进入饱和期，目前而言，若相关机构考虑此时进入生物识别领域，仍有一定竞争空间与机会。工业应用、通信、医疗、交通、遥感领域目前都已进入应用饱和期，其中工业应用、通信、医疗、交通领域进入饱和期较长时间了，遥感领域则刚进入技术饱和阶段。总体来说，图像处理技术在上述5个分支方向的创新应用空间在逐渐减小，专利呈现出下滑发展趋势。进入技术应用饱和期后，图像处理技术在相关方向的创新应用越来越少，或停留于目前技术应用现状，或等待相关技术的突破性发展引发新一轮的创新应用，故此时若相关机构期望进入该领域展开竞争，时机不佳，需要慎之又慎。

综合来说，就图像处理技术领域的14个分支的技术生命周期而言，可整体分为3个层级，按层级评估技术发展情况及进入该领域的机会成本。层级①是指处于技术成长期的领域，包括图像分割、图像识别及生物识别3个技术分支。上述3个分支领域有较大的技术创新空间，较强的竞争优势与机会，建议优先重点关注上述3个技术成长期的领域，把握进入图像处理技术领域的潜力方向。层级②是指处于技术成熟期的领域，包括图像去噪、图像重建、图像融合、图像增强等4个技术分支。上述4个领域目前处于技术成熟期，相比图像分割、图像识别及生物识别领域而言，技术仍然快速发展，但增速相对放缓，技术创新空间仍然开放，仍有一定竞争空间与机会，建议该4个领域可作为第二梯度关注。层级③是指处于技术饱和期的领域，包括图像复原、图像编码技术研发领域及工业应用、通信、医疗、交通应用及遥感领域。相对来说，上述7个领域目前技术已经比较饱和，技术创新空间已显著减小，进入机会成本明显较高，对于能够进行颠覆性技术发明创造的机构是较好的进入时期，否则需慎重考虑在技术饱和期进入技术市场。

4 结语

本文从技术生命周期角度出发，实证研究了图像处理技术领域的整体发展情况及技术分支的生命周期进展，明确了图像处理技术在不同技术分支的发展进程各不同相同，进一步确定了各分支的技术生命周期阶段及未来发展趋势，为相关企业、科研机构等创新主体期望进入图像处理技术研发领域与市场角逐提供了方向选择及进入时期建议。但在研究过程中仍然存在一些不足，比如仅仅采用S曲线模型开展技术生命周期研究，缺乏更丰富、全面的研究视角与方法支撑；专利申请存在一定滞后性，尤其近两年的数据会比较失真，在反映技术发展情况方面有一定影响。实际上，技术生命周期的影响因素比较多，基于专利数据视角的分析仅能作为参考，实践过程中应充分考虑多种因素，综合决策。