[发明专利]用于优化数字相机中图像质量的系统和方法

权利要求书

1.一种用于渲染图像的计算机实现的方法，包括：

经由包括在数字相机中的光学传感器来采集原始图像；

基于与所述原始图像相关联的像素值集生成针对所述原始图像的图像统计集；

使第一机器学习引擎选择渲染算法和与所选择的渲染算法相对应的渲染算法引数集；以及

通过利用所述渲染算法和所述渲染算法引数集处理所述原始图像来渲染所述图像。

2.根据权利要求1所述的计算机实现的方法，其中所述第一机器学习引擎通过以下各项被训练：

接收目标图像；

通过将所述图像与所述目标图像比较来计算偏差值；

确定所述偏差值超过阈值；以及

基于在与所述图像和所述目标图像相关联的像素值之间的差异来调节所述第一机器学习引擎内的权值集。

3.根据权利要求2所述的计算机实现的方法，其中所述第一机器学习引擎包括人工神经网络并且其中调节与所述第一机器学习引擎相关联的所述权值集包括将反向传播学习算法应用到所述权值集。

4.根据权利要求1所述的计算机实现的方法，其中所述图像统计集包括表示与所述原始图像相关联的白平衡、对比度、饱和度和/或曝光度的原始图像统计。

5.根据权利要求4所述的计算机实现的方法，其中所述图像统计集进一步包括由第二机器学习引擎基于所述原始图像统计所生成的导出的图像统计，并且其中所述导出的图像统计指示外部环境的性质。

6.根据权利要求5所述的计算机实现的方法，其中所述第一和第二机器学习引擎通过以下各项被训练：

接收目标图像；

通过将所述图像与所述目标图像比较来计算偏差值；

确定所述偏差值超过阈值；

基于在与所述图像和所述目标图像相关联的像素值之间的差异来调节所述第一机器学习引擎内的权值集；以及

基于在与所述图像和所述目标图像相关联的像素值之间的差异来调节所述第二机器学习引擎内的权值集。

7.根据权利要求6所述的计算机实现的方法，其中所述第一机器学习引擎包括人工神经网络并且调节与所述第一机器学习引擎相关联的所述权值集包括将反向传播学习算法应用到所述权值集，以及其中所述第二机器学习引擎包括人工神经网络并且调节与所述第二机器学习引擎相关联的所述权值集包括将反向传播学习算法应用到所述权值集。

8.一种配置为渲染图像的计算设备，包括：

处理单元，其配置为：

经由包括在数字相机中的光学传感器来采集原始图像；

基于与所述原始图像相关联的像素值集生成针对所述原始图像的图像统计集；

使第一机器学习引擎选择渲染算法和与所选择的渲染算法相对应的渲染算法引数集；以及

通过利用所述渲染算法和所述渲染算法引数集处理所述原始图像来渲染所述图像。

9.根据权利要求8所述的计算设备，进一步包括：

存储器，其耦连到所述处理单元并且存储程序指令，所述程序指令当由所述处理单元执行时使所述处理单元：

采集所述原始图像，

生成所述图像统计集，

使所述第一机器学习引擎选择所述渲染算法和所述渲染算法引数集，以及

渲染所述图像。

10.根据权利要求8所述的计算设备，其中所述第一机器学习引擎通过以下各项被训练：

接收目标图像；

通过将所述图像与所述目标图像比较来计算偏差值；

确定所述偏差值超过阈值；以及

基于在与所述图像和所述目标图像相关联的像素值之间的差异来调节所述第一机器学习引擎内的权值集，其中所述第一机器学习引擎包括人工神经网络并且其中调节与所述第一机器学习引擎相关联的所述权值集包括将反向传播学习算法应用到所述权值集。