[发明专利]卷积网络装置及其影像强化装置与方法

说明书

一种卷积网络装置及其影像强化装置与方法。影像强化装置包括：缩减取样模块、校正模块、扩增取样模块及串接模块。缩减取样模块对输入影像进行缩减取样，以产生不同缩减解析度的缩减取样影像。校正模块耦接于缩减取样模块，通过各校正模型，根据校正参数对缩减取样影像进行校正，以产生校正影像。扩增取样模块耦接于校正模块，并对校正影像进行扩增取样，以产生多个扩增取样影像，其中各扩增取样影像具有相同的扩增解析度。串接模块耦接于扩增取样模块，并串接扩增取样影像为输出影像。本发明可根据学习结果进行影像强化，并进一步进行卷积达到更佳的影像分割结果。

技术领域

本发明是有关于影像处理技术，且特别是有关于一种卷积网络装置及其影像强化装置与方法。

背景技术

影像分割对于计算机影像运算是具有挑战性的问题，特别是要将数字影像中欲分割的物件(前景)从背景中分割时。这样的分割技术，在静止影像或是动画中要进行数字编辑时非常有用。在部分技术中，是用以模型为基础的深度学习分割法来进行影像分割。然而，利用这样的方法所产生的分割结果，常常会受到影像尺寸、亮度以及位置变化影响，无法达到较佳的分割结果。

因此，如何设计一个新的卷积网络装置及其影像强化装置与方法，以解决上述的缺失，乃为此一业界亟待解决的问题。

发明内容

本发明的目的在于提供一种卷积网络装置及其影像强化装置与方法，以根据学习结果进行影像强化，并进一步进行卷积达到更佳的影像分割结果。

本发明的目的在于提供一种影像强化(image enhancement)装置，包括：缩减取样(down-sampling)模块、多个校正模块、扩增取样(up-sampling)模块以及串接模块。缩减取样模块配置以对输入影像进行缩减取样，以产生具有不同缩减解析度的多个缩减取样影像。校正模块耦接于缩减取样模块，并各配置以通过至少一校正模型，根据至少一校正参数对缩减取样影像其中之一进行校正，以产生多个校正影像的其中之一。扩增取样模块耦接于校正模块，并配置以对校正影像进行扩增取样，以产生多个扩增取样影像，其中各扩增取样影像具有相同的扩增解析度。串接模块耦接于扩增取样模块，并配置以串接扩增取样影像为输出影像。

于一实施例中，校正模型包括模糊校正模型、颜色校正模型、亮度校正模型或其组合。

于一实施例中，影像强化装置还包括：比较模块，耦接于校正模块，配置以通过成本函数并根据输出影像以及对应输入影像的预设影像间的差计算成本值，或通过成本函数并根据处理后影像以及预设影像间的差计算成本值，其中处理后影像是由影像强化装置后的至少一运算层处理后所产生。其中在学习模式中，各校正模块更配置以根据成本值调整校正参数，以降低成本值。在操作模式中，各校正模块停止调整校正参数。

于一实施例中，在学习模式中，校正模块判断成本值是否小于预设门槛值，以在成本值小于预设门槛值时，使影像强化装置运作于操作模式中，并使各校正模块停止调整校正参数。

于一实施例中，串接模块传送输出影像至卷积(convolutional)网络装置的多个运算层中的第一运算层。

于一实施例中，串接模块自卷积网络装置的运算层中，在第一运算层之前的第二运算层接收输入影像。

于一实施例中，串接模块接收卷积网络装置的待处理输入影像做为输入影像。