[发明专利]用于预测信息的系统、方法

权利要求书

1.一种图像处理系统，由处理对象图像生成高分辨率的图像，所述图像处理系统具备：存储学习对象图像的学习对象存储部；存储学习结果的学习结果存储部；以及与输入部连接的控制部，其中，

所述控制部构成为执行学习处理和超分辨率处理，

在所述学习处理中，针对被存储于所述学习对象存储部的每个学习对象图像分别生成低分辨率图像和高分辨率图像，针对所述低分辨率图像计算第1特征矢量，针对所述高分辨率图像计算第2特征矢量，通过将所述第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量除以表示所述主成分系数矢量的偏差的指标，从而生成行矢量，

使用所有的学习对象图像的所述行矢量进行主成分分析，从而由第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量生成主成分基础矢量，将所述主成分基础矢量与所述第1特征矢量的平均矢量和第2特征矢量的平均矢量一起作为所述学习结果存储于所述学习结果存储部；

在所述超分辨率处理中，针对由所述输入部指定的处理对象图像，根据从所述学习结果存储部取得的所述学习结果进行预测处理，从而生成高分辨率图像，

在所述预测处理中，计算所述处理对象图像的第1特征矢量的主成分系数矢量，使用被存储于所述学习结果存储部的所述主成分基础矢量，计算第2特征矢量的主成分系数矢量，使用所述第2特征矢量的主成分系数矢量，计算所述处理对象图像的第2特征矢量。

2.根据权利要求1所述的图像处理系统，其中，

所述控制部进一步构成为，将所述主成分基础矢量和所述第1特征矢量的成分正交化，并存储于所述学习结果存储部。

3.根据权利要求1所述的图像处理系统，其中，

所述控制部进一步构成为执行后处理，在所述后处理中，对计算出的所述第2特征矢量进行变换，计算出已变换的所述第2特征矢量和所述处理对象图像的所述第1特征矢量的差值，将所述差值与基准值进行比较，在所述差值大于所述基准值的情况下，将所述差值变换，从所述第2特征矢量减去已变换的差值。

4.根据权利要求3所述的图像处理系统，其中，

所述控制部进一步构成为执行后处理，在所述后处理中，将计算出的所述第2特征矢量压缩，计算已压缩的所述第2特征矢量和所述处理对象图像的所述第1特征矢量的差值，将所述差值与基准值进行比较，在所述差值大于所述基准值的情况下，将所述差值放大，从所述第2特征矢量减去放大的差值。

5.根据权利要求1-4中任意一项所述的图像处理系统，其中，

表示所述偏差的指标为所述主成分系数矢量的标准偏差。

6.一种图像处理方法，用于使用图像处理系统由处理对象图像生成高分辨率的图像，该图像处理系统具备：存储学习对象图像的学习对象存储部；存储学习结果的学习结果存储部；以及与输入部连接的控制部，其中，

所述控制部执行学习处理步骤和超分辨率处理步骤，

在学习处理步骤中，针对被存储于所述学习对象存储部的每个学习对象图像分别生成低分辨率图像和高分辨率图像，针对所述低分辨率图像计算第1特征矢量，针对所述高分辨率图像计算第2特征矢量，通过将所述第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量除以表示所述主成分系数矢量的偏差的指标，从而生成行矢量，

使用所有的学习对象图像的所述行矢量进行主成分分析，从而由第1特征矢量的主成分系数矢量和第2特征矢量的主成分系数矢量生成主成分基础矢量，将所述主成分基础矢量与所述第1特征矢量的平均矢量以及第2特征矢量的平均矢量一起作为学习结果存储于所述学习结果存储部；

在所述超分辨率处理步骤中，针对由所述输入部指定的处理对象图像，根据从所述学习结果存储部取得的所述学习结果进行预测处理，从而生成高分辨率图像，

在预测处理步骤中，计算所述处理对象图像的第1特征矢量的主成分系数矢量，使用被存储于所述学习结果存储部的所述主成分基础矢量，计算第2特征矢量的主成分系数矢量，使用所述第2特征矢量的主成分系数矢量计算所述处理对象图像的第2特征矢量。