[發(fā)明專利]影像插補(bǔ)方法以及應(yīng)用該方法的影像插補(bǔ)裝置與影像裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201410298894.7
• 申請(qǐng)日: 2014-06-27
• 公開(kāi)（公告）號(hào): CN104284126B
• 公開(kāi)（公告）日: 2018-10-12
• 發(fā)明（設(shè)計(jì)）人: 陳慶瀚;郭家銘
• 申請(qǐng)（專利權(quán)）人: 中央大學(xué)
• 主分類號(hào): H04N7/01
• 分類號(hào): H04N7/01
• 代理公司: 北京潤(rùn)平知識(shí)產(chǎn)權(quán)代理有限公司 11283
• 代理人: 董彬;孟綱

1.一種影像插補(bǔ)方法，其利用一機(jī)率神經(jīng)網(wǎng)絡(luò)模型獲得一影像的一插補(bǔ)點(diǎn)的一插補(bǔ)數(shù)值，包括：

(1)選取鄰近于該插補(bǔ)點(diǎn)的多個(gè)參考點(diǎn)；

(2)利用該多個(gè)參考點(diǎn)中的每一該參考點(diǎn)的一邊緣方向角度、一橫向平滑參數(shù)、一縱向平滑參數(shù)以及每一該參考點(diǎn)與該插補(bǔ)點(diǎn)之間的一距離，獲得每一該參考點(diǎn)的一非等向性高斯函數(shù)數(shù)值；以及

(3)利用一統(tǒng)計(jì)方法對(duì)該些非等向性高斯函數(shù)數(shù)值進(jìn)行整合運(yùn)算，以獲得該插補(bǔ)點(diǎn)的該插補(bǔ)數(shù)值；

其中，于該步驟(2)中，包括：

將每一該參考點(diǎn)的多個(gè)特征值輸入至一單神經(jīng)元神經(jīng)網(wǎng)絡(luò)中，以獲得每一該參考點(diǎn)的該橫向平滑參數(shù)以及該縱向平滑參數(shù)；其中，該單神經(jīng)元神經(jīng)網(wǎng)絡(luò)的一轉(zhuǎn)移函數(shù)為線性函數(shù)、S形函數(shù)或雙曲正切函數(shù)，且該轉(zhuǎn)移函數(shù)的一自變量為

∑(每一該特征值)·(每一該特征值所相對(duì)應(yīng)的一權(quán)重)+(一偏壓值)。

2.如權(quán)利要求1所述的影像插補(bǔ)方法，其特征在于，該步驟(3)中的該統(tǒng)計(jì)方法為重心法、最大值法、中值法或四分位法。

3.如權(quán)利要求1所述的影像插補(bǔ)方法，其特征在于，于該步驟(2)中，包括：

(2-1)利用一梯度運(yùn)算子獲得每一該參考點(diǎn)的一橫向梯度值以及一縱向梯度值；以及

(2-2)利用每一該參考點(diǎn)的該橫向梯度值以及該縱向梯度值獲得每一該參考點(diǎn)的該邊緣方向角度。

4.如權(quán)利要求3所述的影像插補(bǔ)方法，其特征在于，于該步驟(2-1)中的該梯度運(yùn)算子為索貝爾運(yùn)算子、普里威特運(yùn)算子、中心差分運(yùn)算子、中間差分運(yùn)算子、斯給爾運(yùn)算子或羅伯茲算子；及/或

該步驟(2-2)，包括：將每一該參考點(diǎn)的該橫向梯度值以及該縱向梯度值輸入至一拉奧算法中進(jìn)行運(yùn)算，以獲得每一該參考點(diǎn)的該邊緣方向角度。

5.如權(quán)利要求1所述的影像插補(bǔ)方法，其特征在于，于該步驟(2)中，還包括：

利用一最佳化算法求得該轉(zhuǎn)移函數(shù)中的至少一參數(shù)、每一該特征值所相對(duì)應(yīng)的該權(quán)重以及該偏壓值。

6.如權(quán)利要求5所述的影像插補(bǔ)方法，其特征在于，該最佳化算法為粒子群最佳化算法或一遺傳算法。

7.如權(quán)利要求6所述的影像插補(bǔ)方法，其特征在于，于該步驟(2)中，還包括：

采用一峰值信號(hào)噪聲比或一邊緣誤差百分比作為該最佳化算法的一適應(yīng)函數(shù)。

8.如權(quán)利要求1所述的影像插補(bǔ)方法，其特征在于，每一該參考點(diǎn)的該多個(gè)特征值包括一橫向梯度值以及一縱向梯度值。

9.如權(quán)利要求1所述的影像插補(bǔ)方法，其特征在于，于該步驟(3)中，該插補(bǔ)點(diǎn)的該插補(bǔ)數(shù)值為

10.如權(quán)利要求9所述的影像插補(bǔ)方法，其特征在于，每一該參考點(diǎn)的該信號(hào)值為每一該參考點(diǎn)的一灰度值。