[发明专利]图像处理设备和系数学习设备

说明书

技术领域

本发明涉及图像处理设备和系数学习设备，尤其涉及能够更准确 地识别要对之执行高质量的图像形成处理的图像的特征量的图像处 理设备和系数学习设备。

背景技术

在从包含恶化的学生(输入)图像预测教师图像时，利用其中整 个图像用学生(输入)图像的线性和来表示的模型的相应处理在准确 性上有问题。为此，执行这样一种方法：根据局部特征量对学生(输 入)图像进行分类，对于每一类切换回归系数。到目前为止，已经提 出了使用1位ADRC或K-means算法进行分类的方法。

例如，为了将标准电视信号(SD信号)转换成高分辨率信号(HD 信号)，提出了使用分类自适应处理的技术(例如，参见日本未审查 专利申请公开No.7-79418)。

在采用日本未审查专利申请公开No.7-79418的技术将SD信号转 换成HD信号的情况下，首先，使用ADRC(自适应动态范围编码) 等来确定从输入SD信号形成的类抽头的特征，并且基于获得的类抽 头的特征来执行分类。然后，通过在为每一类提供的预测系数和从输 入SD信号形成的预测抽头之间进行计算，获得HD信号。

分类被设计成基于低S/N像素的像素值的图案来分组高S/N像 素，这些低S/N像素位于在空间或时间上与低S/N图像中与要为之确 定预测值的高S/N像素的位置相对应的位置相接近的位置上。自适应 处理是这样的：为每一组(对应于上述的类)确定对于属于一组的高 S/N像素更准确的预测系数，并且基于预测系数来改进图像质量。因 此，优选的是按照以下方式来进行分类：基本上，使用与要为之确定 预测值的高S/N像素有关的更多像素来形成类抽头。

发明内容

然而，例如，在如日本未审查专利申请公开No.7-79418中根据 像素值的图案(pattern)对像素进行分组的方法中，分类变得均一。 因此，取决于图像质量的恶化程度和关注像素的位置，可能无法适当 地进行分类。日本未审查专利申请公开No.7-79418的技术被设计为利 用适于分类所识别的类的预测系数来计算被形成为具有更高质量的 图像的像素值。因而，如果难以适当地进行分类，那么就很难计算适 当的像素值。

在一种分类中仅使用像素值图案的线性特征量，存在一种担心就 是基于这种分类的高质量图像形成处理的局限性。

希望能够更优地识别为之执行高质量图像形成处理的图像的特 征量。

根据本发明的一个实施例，提供了一种图像处理设备，包括： 存储装置，在该存储装置中基于抽头对于每一类存储回归系数数据， 与第一图像数据的关注像素相对应的线性特征量和从该图像数据确 定的非线性特征量被用作所述抽头中的元素；分类装置，用于将输入 的第一图像的多项输入数据的每个线性特征量分类成预定的类；读装 置，用于从存储装置中读取与分类装置确定的类相对应的回归系数数 据；和数据生成装置，用于生成通过使第一图像具有更高质量而获得 的第二图像的数据，其中通过使用从读装置读取的回归系数数据以及 输入的第一图像的多项输入数据中的每项数据的抽头的元素来执行 乘积和运算处理，而使第一图像具有更高质量。

非线性特征量可以是关注像素周围的像素位置处的水平微分绝 对值和垂直微分绝对值。

非线性特征量可以是关注像素周围的像素的最大值和最小值。

非线性特征量可以是关注像素周围的像素位置处的水平微分绝 对值的最大值和垂直微分绝对值的最大值。

该图像处理设备还可以包括：判别预测装置，用于执行判别预测 计算，该判别预测计算通过与第一图像数据的关注像素相对应的每个 线性特征量与预先存储的判别系数之间的乘积和运算，来获得用于识 别关注像素所属的判别类的判别预测值，其中，基于该判别预测值， 分类装置将第一图像信号的每个关注像素分类成预定的类。

在本发明的一个实施例中，基于抽头来存储每一类的回归系数数 据，与第一图像数据的关注像素相对应的线性特征量和从图像数据确 定的非线性特征量被用作该抽头的元素。输入的第一图像的多项输入 数据的每个线性特征量被分类到预定的类中。从存储装置中读取与分 类装置所确定的类相对应的回归系数数据。通过使第一图像具有更高 质量而获得第二图像的数据，其中通过使用从读装置读取的回归系数 数据以及输入的第一图像的多项输入数据中的每项数据的抽头的元 素来执行乘积和运算处理，而使第一图像具有更高质量。