[发明专利]一种图像处理系统、方法及显示装置有效

专利信息
申请号: 201710324036.9 申请日: 2017-05-08
公开(公告)号: CN107169927B 公开(公告)日: 2020-03-24
发明(设计)人: 刘瀚文;那彦波 申请(专利权)人: 京东方科技集团股份有限公司
主分类号: G06T3/40 分类号: G06T3/40;G06T7/00
代理公司: 北京银龙知识产权代理有限公司 11243 代理人: 许静;黄灿
地址: 100015 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 处理 系统 方法 显示装置
【权利要求书】:

1.一种图像处理系统,其特征在于,所述图像处理系统包括至少一个分辨率转换子系统,所述分辨率转换子系统包括级联的卷积神经网络模块、复合器和激活模块,所述卷积神经网络模块,用于对输入信号进行卷积处理,得到具有第一分辨率的多个第一特征图像;所述复合器,用于利用所述第一特征图像合成具有大于第一分辨率的第二分辨率的第二特征图像;激活模块,与所述复合器连接,用于利用激活函数对所述第二特征图像进行选择;

还包括:

转换模块,用于将接收RGB格式的输入图像转换为YUV格式,输出Y通道信号、U通道信号和V通道信号;

所述至少一个分辨率转换子系统仅对所述Y通道信号进行分辨率放大处理;

或者,所述图像处理系统对所述输入图像的分辨率的放大倍数为N倍;其中:

所述Y通道信号通过至少一个分辨率转换子系统进行分辨率放大的放大倍数为N倍;

所述U通道信号通过至少一个分辨率转换子系统进行分辨率放大的放大倍数为N1倍,N1小于N;

所述V通道信号通过至少一个分辨率转换子系统进行分辨率放大的放大倍数为N2倍,N2小于N。

2.根据权利要求1所述的图像处理系统,其特征在于,所述激活模块具体用于在条件满足时,输出所述第二特征图像或施加偏移量后的第二特征图像,否则丢弃所述第二特征图像。

3.如权利要求1-2中任意一项所述的图像处理系统,其特征在于,所述复合器为分辨率放大M倍的复合器,具体用于:将每M个第一特征图像的像素值交叉后合成M个第二特征图像并输出。

4.如权利要求3所述的图像处理系统,其特征在于,所述复合器为自适应插值滤波器。

5.如权利要求4所述的图像处理系统,其特征在于,所述复合器采用如下公式合成第二特征图像:

其中,i的取值范围为0...H-1,j的取值范围为0...W-1,p的取值范围为0...MyH-1,q的取值范围为0...MxW-1,H表示第二特征图像的高度,W表示第二特征图像的宽度,c表示第一特征图像的个数,Mx表示第一特征图像相对于第二特征图像在行方向的放大因子,My表示第一特征图像相对于第二特征图像在列方向的放大因子,表示小于(n-1)/My的最大整数,表示第一特征图像,和均表示的第二特征图像,n表示第二特征图像的编号,a为第二特征图像具有卷积处理中的权重参数,b为偏移量参数。

6.如权利要求1-2中任意一项所述的图像处理系统,其特征在于,所述复合器为分辨率放大M倍的复合器,所述复合器包括:

级联的多个在行列方向同时进行在行和列方向进行放大处理的子复合器,所述子复合器的放大倍数的乘积等于所述M;

或者

级联的用于在行方向进行放大处理的水平子复合器和用于在列方向进行放大处理的垂直子复合器,所述水平子复合器在行方向的放大倍数与所述垂直子复合器在列方向的放大倍数的乘积等于所述M。

7.如权利要求1-2中任意一项所述的图像处理系统,其特征在于,所述卷积神经网络模块和所述激活模块的训练基于结构相似性SSIM准则的成本函数进行判断。

8.如权利要求7所述的图像处理系统,其特征在于,所述成本函数为:

Cost(INPUT,REFERENCE)

=1-SSIN(Output(INPUT)+REFERENCE)+λ1DownReg(INPUT)+λ2WBratioReg(W,b)

其中,INPUT为原始图像,REFERENCE为参考值,SSIM为结构相似性计算函数,DownReg(INPUT)为描述原始图像和训练图像的相似度的函数,λ1为DownReg(INPUT)的权重系数和λ2为WBratioReg(W,b)的权重系数,WBratioReg(W,b)为权重偏移比函数;

其中L1(W)为权重参数的L1范数,L1(b)为偏移参数的L1范数,eps为常数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于京东方科技集团股份有限公司,未经京东方科技集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710324036.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top