[发明专利]用于处理图像的系统

权利要求书

1.一种用于处理图像(4)的系统(1)，所述系统(1)包括主神经网络(2)、优选基于卷积的主神经网络(CNN)，和至少一个在所述主神经网络(2)的上游的预处理神经网络(6)、优选基于卷积的预处理神经网络，所述预处理神经网络(6)用于在通过所述主神经网络(2)进行处理之前进行至少一种关于其参数是可微分的参数变换f，所述参数变换被应用于所述图像的像素的至少一部分并且具有形式p′＝f(V(p)，Θ)，式中，p为原始图像的处理过的像素或所述图像的分解的处理过的像素，p'为变换后的图像的像素或所述变换后的图像的分解的像素，V(p)为所述像素p的邻域，Θ为参数的向量，所述预处理神经网络(6)使其学习的至少一部分与所述主神经网络(2)的学习同时地进行。

2.根据权利要求1所述的系统，其中，所述变换f使所述像素在所述图像上是空间不变的。

3.根据权利要求1所述的系统，其中，所述预处理神经网络(6)被设计成进行逐像素的修正，尤其进行色彩校正、色调补偿或伽玛校正，或噪音阈值化操作。

4.根据权利要求1所述的系统，其中，所述预处理神经网络(6)被配置成应用局部操作符，尤其是用于管理局部模糊或局部对比度的局部操作符。

5.根据权利要求1所述的系统，其中，所述预处理神经网络(6)被配置成在所述图像的变换之后应用频率空间中的操作符，优选地被配置成降低模拟噪音或数字噪音，尤其被配置成降低压缩伪影、改善所述图像的清晰度、清楚度或对比度，或者被配置成进行滤波，例如直方图均衡化、所述图像的动态摆动的校正、数字水印类型的图案的删除、频率校正和/或图像的清洁。

6.根据权利要求1所述的系统，其中，所述预处理神经网络(6)包括一个或多个卷积层CONV和/或一个或多个完全连接层FC。

7.根据权利要求1所述的系统，其中，所述预处理神经网络(6)被配置成进行非线性变换，尤其是像素的伽玛校正和/或局部对比度校正。

8.根据权利要求1所述的系统，其中，所述预处理神经网络(6)被配置成应用比色变换。

9.根据权利要求1所述的系统，包括输入操作符，所述输入操作符使得能够向起始图像应用输入变换，以基于所述起始图像在所述预处理神经网络(6)的上游生成与所述起始图像的空间不同的空间中的数据，所述预处理神经网络被配置成对这些数据起作用，所述系统包括输出操作符，所述输出操作符被设计成通过与所述输入变换相反的输出变换来恢复在所述起始图像的处理空间中由所述预处理神经网络处理的数据，从而生成通过所述主神经网络处理的校正的图像。

10.根据权利要求9所述的系统，其中，所述输入操作符被配置成应用小波变换，所述输出操作符被配置成应用逆变换。

11.根据权利要求9所述的系统，其中，所述预处理神经网络被配置成对图像压缩伪影和/或图像的清晰度起作用。

12.根据权利要求1所述的系统，其中，所述预处理神经网络(6)被配置成生成对应于低分辨率映射(7)的一组向量(9)，所述系统包括被配置成通过插值、尤其双线性插值生成对应于较高分辨率映射(8)的一组向量的操作符，所述较高分辨率映射(8)优选具有与起始图像相同的分辨率。

13.根据权利要求1所述的系统，其中，所述主神经网络和所述预处理神经网络被训练以进行生物计量学的分类、识别或检测，尤其面部的生物计量学的分类、识别或检测。

14.一种根据权利要求1所述的系统的所述主神经网络(2)和所述预处理神经网络(6)的学习的方法，其中，与所述主神经网络的训练同时地进行所述预处理神经网络的所述学习的至少一部分。