[發明專利]圖像處理方法、裝置、學習模型制造方法和圖像處理系統

在審

• 申請號: 202010141303.0
• 申請日: 2020-03-04
• 公開（公告）號: CN111667416A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 日淺法人
• 申請（專利權）人: 佳能株式會社
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 宋巖

公開了圖像處理方法、裝置、學習模型制造方法和圖像處理系統。一種圖像處理方法，包括：第一步驟，被配置成獲得第一真實圖像和第一訓練圖像；第二步驟，被配置成通過將相互相關的噪聲施加到第一真實圖像和第一訓練圖像來生成第二真實圖像和第二訓練圖像；以及第三步驟，被配置成使神經網絡基于第二真實圖像和第二訓練圖像進行學習。

技術領域

本發明一般涉及被配置成抑制與圖像處理相關聯的圖像噪聲變化的圖像處理方法。

背景技術

日本專利公開No.(“JP”)2011-123589公開了一種方法，該方法通過使用基于維納(Wiener)濾波器的處理校正由像差引起的模糊來從捕獲的圖像中獲得高分辨率圖像。

然而，JP 2011-123589中公開的方法由于不能區分對象與噪聲，所以隨著分辨率和對比度變高而放大圖像噪聲。

發明內容

本發明提供了可以抑制與圖像處理相關聯的圖像噪聲變化的圖像處理方法等。

根據本發明的一個方面的圖像處理方法包括：第一步驟，被配置成獲得第一真實圖像和第一訓練圖像；第二步驟，被配置成通過將相互相關的噪聲施加到第一真實圖像和第一訓練圖像來生成第二真實圖像和第二訓練圖像；以及第三步驟，被配置成使神經網絡基于第二真實圖像和第二訓練圖像進行學習。

遵循上述圖像處理方法的制造已學習模型的方法構成本發明的另一方面。

作為本發明的一個方面的圖像處理方法包括以下步驟：將捕獲的圖像輸入到神經網絡，并且生成估計的圖像，對該估計的圖像執行了分辨率增強處理、對比度增強處理和亮度改善處理中的至少一個，并且對基于估計的圖像的圖像執行去噪處理。

被配置成執行上述圖像處理方法的圖像處理裝置也構成本發明的另一方面。

通過以下參考附圖對示例性實施例的描述，本發明的更多特征將變得清楚。

附圖說明

圖1是示出根據第一實施例的神經網絡學習的流程的圖。

圖2是根據第一實施例的圖像處理系統的框圖。

圖3是根據第一實施例的圖像處理系統的外部視圖。

圖4是與根據第一實施例的權重學習有關的流程圖。

圖5是與根據第一實施例的輸出圖像生成有關的流程圖。

圖6是根據第二實施例的圖像處理系統的框圖。

圖7是根據第二實施例的圖像處理系統的外部視圖。

圖8是與根據第二實施例的權重學習有關的流程圖。

圖9是示出根據第二實施例的神經網絡學習的流程的圖。

圖10是與根據第二實施例的輸出圖像的生成有關的流程圖。

圖11是示出在生成根據第二實施例的輸出圖像時噪聲圖像的生成的圖。

圖12是根據第三實施例的圖像處理系統的框圖。

圖13是與根據第三實施例的輸出圖像的生成有關的流程圖。。

具體實施方式

現在參考附圖，將給出根據本發明的實施例的詳細描述。各附圖中的對應元件將由相同的附圖標記表示，并且將省略其描述。