[发明专利]图像处理方法、图像处理装置、图像拾取装置和存储介质

说明书

提供高度精确地校正图像捕获装置的光学劣化、同时抑制不利效果的图像处理方法。该图像处理方法包括：获取通过使用图像获取装置获取的输入图像的部分区域的步骤；获取根据部分区域的位置不同的预先学习的校正信息的步骤；以及产生通过使用部分区域和校正信息校正由于图像获取装置引起的部分区域的光学劣化而得到的校正部分区域的校正步骤。图像处理方法的特征在于，校正步骤包含：关于部分区域，通过依次执行使用基于校正信息的多个线性函数中的每一个的第n线性转换和使用非线性函数的第n非线性转换来产生中间数据，其中n从1增加到N，N为高于或等于2的整数且n为1～N之间的包含1和N的整数；以及关于中间数据，通过使用基于校正信息的一个或更多个线性函数执行第(N+1)线性转换来产生校正部分区域。

技术领域

本发明涉及关于通过使用图像拾取装置拍摄的图像校正由图像拾取装置的光学系统产生的诸如像差或衍射的光学劣化的图像处理方法。

背景技术

伴随显示装置的清晰度的提高，希望进一步提高通过使用图像拾取装置拍摄的图像(拍摄图像)的图像质量。但是，在拍摄图像中产生由图像拾取装置中的光学系统产生的诸如像差或衍射的光学劣化 (模糊)。出于这种原因，被照体空间的信息丢失，这导致图像质量的下降。

到目前为止，已提出大量的用于校正拍摄图像的光学劣化(模糊) 并获得具有更高清晰度的图像的技术。PTL 1提出用于通过使用维纳 (Wiener)滤波器校正像差的技术。由于像差根据像高而改变，因此使用分别对多个像高设定的模糊校正滤波器。PTL 2提出使用理查德森露西(Richardson-Lucy，RL)方法而不是Wiener滤波器的技术。

引文列表

专利文献

PTL 1：日本专利公开No.2015-216576

PTL 2：日本专利公开No.2013-025473

非专利文献

NPL 1：Y.LeCun，et al.″Gradient-based Learning Applied to DocumentRecognition″，Proc.of The IEEE，1998.

NPL 2：G.E.Hinton，et al.″A fast learning algorithm for deep beliefnets″，Neural Comput.2006Jul；18(7)：1527-54.

NPL 3：G.E.HintonR.R.Salakhutdinov(2006-07-28). ″Reducing theDimensionality of Data with Neural Networks″， Science 313(5786)：504-507.

NPL 4：P.Y.Simard，et al.″Best Practices for Convolutional NeuralNetworks Applied toVisual Document Analysis″，ICDAR 2003.

NPL 5：A.Krizhevsky，″Learning Multiple Layers of Features from TinyImages″，2009，https：// www.cs.toronto.edu/～kriz/learning-features-2009-TR.pdf

发明内容

技术问题