[发明专利]影像插补方法以及应用该方法的影像插补装置与影像装置

权利要求书

1.一种影像插补方法，其利用一机率神经网络模型获得一影像的一插补点的一插补数值，包括：

(1)选取邻近于该插补点的多个参考点；

(2)利用该多个参考点中的每一该参考点的一边缘方向角度、一横向平滑参数、一纵向平滑参数以及每一该参考点与该插补点之间的一距离，获得每一该参考点的一非等向性高斯函数数值；以及

(3)利用一统计方法对该些非等向性高斯函数数值进行整合运算，以获得该插补点的该插补数值；

其中，于该步骤(2)中，包括：

将每一该参考点的多个特征值输入至一单神经元神经网络中，以获得每一该参考点的该横向平滑参数以及该纵向平滑参数；其中，该单神经元神经网络的一转移函数为线性函数、S形函数或双曲正切函数，且该转移函数的一自变量为

∑(每一该特征值)·(每一该特征值所相对应的一权重)+(一偏压值)。

2.如权利要求1所述的影像插补方法，其特征在于，该步骤(3)中的该统计方法为重心法、最大值法、中值法或四分位法。

3.如权利要求1所述的影像插补方法，其特征在于，于该步骤(2)中，包括：

(2-1)利用一梯度运算子获得每一该参考点的一横向梯度值以及一纵向梯度值；以及

(2-2)利用每一该参考点的该横向梯度值以及该纵向梯度值获得每一该参考点的该边缘方向角度。

4.如权利要求3所述的影像插补方法，其特征在于，于该步骤(2-1)中的该梯度运算子为索贝尔运算子、普里威特运算子、中心差分运算子、中间差分运算子、斯给尔运算子或罗伯兹算子；及/或

该步骤(2-2)，包括：将每一该参考点的该横向梯度值以及该纵向梯度值输入至一拉奥算法中进行运算，以获得每一该参考点的该边缘方向角度。

5.如权利要求1所述的影像插补方法，其特征在于，于该步骤(2)中，还包括：

利用一最佳化算法求得该转移函数中的至少一参数、每一该特征值所相对应的该权重以及该偏压值。

6.如权利要求5所述的影像插补方法，其特征在于，该最佳化算法为粒子群最佳化算法或一遗传算法。

7.如权利要求6所述的影像插补方法，其特征在于，于该步骤(2)中，还包括：

采用一峰值信号噪声比或一边缘误差百分比作为该最佳化算法的一适应函数。

8.如权利要求1所述的影像插补方法，其特征在于，每一该参考点的该多个特征值包括一横向梯度值以及一纵向梯度值。

9.如权利要求1所述的影像插补方法，其特征在于，于该步骤(3)中，该插补点的该插补数值为

10.如权利要求9所述的影像插补方法，其特征在于，每一该参考点的该信号值为每一该参考点的一灰度值。