[发明专利]用于车辆中的自动图像改善的设备和方法在审
申请号: | 201910915453.X | 申请日: | 2019-09-26 |
公开(公告)号: | CN110956597A | 公开(公告)日: | 2020-04-03 |
发明(设计)人: | A·伯尔奇;K·I·基什;L·基什;P·克勒希-绍博 | 申请(专利权)人: | 罗伯特·博世有限公司 |
主分类号: | G06T5/20 | 分类号: | G06T5/20;G06K9/62;G06N3/08 |
代理公司: | 永新专利商标代理有限公司 72002 | 代理人: | 郭毅 |
地址: | 德国斯*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 车辆 中的 自动 图像 改善 设备 方法 | ||
1.一种用于车辆(110)中的自动图像改善的方法,所述方法具有以下步骤:
借助摄像机(120)检测初始图像(150);
借助多个图像处理滤波器(221,222,223,224)将所述初始图像(150)变换成多个中间图像(231,232,233,234);
对于借助所述图像处理滤波器(221,222,223,224)变换的中间图像(231,232,233,234)中的每个,借助评估模块(240)确定一个质量度量数(241,242,243,244);
借助选择模块(260)选择具有最高的质量度量数(241,242,243,244)的中间图像(231,232,233,234),并且将所述具有最高的质量度量数的中间图像输出作为结果图像(190),
其中,在学习阶段中,学习神经网络(300)针对每个初始图像(150)对所述多个图像处理滤波器(221,222,223,224)中的如下图像处理滤波器(221,222,223,224)进行学习:所述图像处理滤波器具有所述中间图像(231,232,233,234)的最高的质量度量数(241,242,243,244),
在所述学习阶段之后,所述学习神经网络(300)针对每个初始图像(150)从所述多个图像处理滤波器(221,222,223,224)中选择出如下图像处理滤波器(221,222,223,224):所述图像处理滤波器具有所述中间图像(231,232,233,234)的最高的质量度量数(241,242,243,244)。
2.根据权利要求1所述的方法,其中,所述学习神经网络(300)还使用分类模块(400),所述分类模块设置用于对于每个初始图像(150)确定一个照明类别(490)。
3.根据权利要求1或2所述的方法,其中,所述多个图像处理滤波器(221,222,223,224)中的至少一个实施成使用双边网格(165)。
4.根据以上权利要求中任一项所述的方法,其中,将所述初始图像的颜色参数(158)与所述双边网格(165)的参数分开使用。
5.根据以上权利要求中任一项所述的方法,其中,所述多个图像处理滤波器(221,222,223,224)包括:用于改变亮度的滤波器、用于改变对比度的滤波器、用于改变颜色的滤波器、失真滤波器、清晰度滤波器和/或另一滤波器。
6.根据以上权利要求中任一项所述的方法,所述方法具有其他步骤:
借助分类模块(400)对于每个初始图像(150)确定一个照明类别,
其中,在所述学习阶段期间,所述学习神经网络(300)针对每个初始图像(150)和/或针对每个照明类别对所述多个图像处理滤波器(221,222,223,224)中的如下图像处理滤波器(221,222,223,224)进行学习:所述图像处理滤波器具有所述中间图像(231,232,233,234)的最高的质量度量数(241,242,243,244),
在所述学习阶段之后,所述学习神经网络针对每个初始图像(150)和/或针对每个照明类别(490)从所述多个图像处理滤波器(221,222,223,224)中选择出如下图像处理滤波器(221,222,223,224):所述图像处理滤波器具有所述中间图像(231,232,233,234)的最高的质量度量数(241,242,243,244)。
7.根据权利要求6所述的方法,其中,所述分类模块(400)使用照明粗略估计(410)、天气数据的描述(420)、真实环境的描述(430)或时间信息(440)中的至少一个。
8.根据以上权利要求中任一项所述的方法,其中,所述摄像机(120)设置用于检测初始图像(150)的序列。
9.根据以上权利要求中任一项所述的方法,其中,如果满足预定义的质量标准,则所述结果图像(190)与所述初始图像(150)相同。
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罗伯特·博世有限公司,未经罗伯特·博世有限公司许可,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/201910915453.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:用于动态对象的位置预测
- 下一篇:半导体器件及其形成方法