[发明专利]显示设备及其图像处理方法

说明书

提供了图像处理设备和方法。该图像处理设备包括：存储器，被配置为存储至少一个指令；以及处理器，电连接至存储器，其中，处理器通过执行至少一个指令，被配置为：将输入图像应用于训练网络模型；以及将与像素块相对应的纹理片应用于输入图像中包括的像素块，以获得输出图像，其中，训练网络模型存储与基于图像的特性分类的多个类别相对应的多个纹理片，并且训练网络模型被配置为基于输入图像来训练多个纹理片中的至少一个纹理片。

相关申请的交叉引用

本申请要求于2019年4月2日在韩国知识产权局递交的韩国专利申请No.10-2019-0038439和于2019年7月3日递交的韩国专利申请No.10-2019-0080320的优先权，其全部内容通过引用合并于此。

技术领域

本公开涉及一种图像处理设备及其图像处理方法，尤其涉及一种用于恢复输入图像的纹理分量的图像处理设备及其图像处理方法。

本公开还涉及一种人工智能(AI)系统及其应用，该人工智能系统使用机器学习算法来模拟诸如人脑的辨识和判断之类的功能。

背景技术

随着电子技术的发展，开发并广泛使用了各种类型的电子设备。特别地，近些年来已经开发了在诸如家庭、办公室和公共场所的各种场所中使用的显示设备。

而且，诸如4K超高清(UHD)电视(TV)等的高分辨率显示面板已经被广泛地投放和使用。然而，仍然缺乏高质量的高分辨率内容。因此，已经利用了用于从低分辨率内容生成高分辨率内容的各种技术。然而，由于MPEG/H.264/HEVC等的图像压缩，可能发生内容的纹理丢失，因此需要用于恢复丢失的纹理分量的技术。

最近，在各个领域中使用了实现人类级人工智能(AI)的人工智能系统。人工智能系统是机器进行学习、判断并变得智能的系统，这与现有技术的基于规则的智能系统不同。人工智能系统使用得越多，辨识率就越高，对用户偏好的理解就越好。因此，现有技术的基于规则的智能系统已逐渐被基于深度学习的人工智能系统所取代。

人工智能技术包括机器学习(例如深度学习)、和使用机器学习的基本技术。

机器学习是一种自身对输入数据的特征进行分类/训练的算法技术。元素技术(Element technology)是一种使用诸如深度学习之类的机器学习算法来模拟诸如人脑的辨识和判断之类的功能的技术，并且包括语言理解、视觉理解、推理/预测、知识表示、运动控制等。

人工智能技术可以应用于各种领域，下面描述其示例。语言理解是用于辨识、应用和处理人类语言/字符的技术，包括自然语言处理、机器翻译、对话系统、查询响应、语音辨识/合成等。视觉理解是一种用于辨识和处理仿佛由人类感知的对象的技术，包括对象辨识、对象跟踪、图像搜索、人类辨识、场景理解、空间理解、图像增强等。推理预测是用于判断并逻辑推断和预测信息的技术，包括基于知识/概率的推理、优化预测、基于偏好的计划和推荐。知识表示是将人类体验信息自动转为知识数据的技术，包括知识构建(数据产生/分类)和知识管理(数据利用)。运动控制是一种用于控制设备或物体的自主运动的技术，例如车辆的行驶和机器人的运动，包括运动控制(导航、碰撞和行驶)、操作控制(行为控制)等。

现有技术的图像处理设备具有以下问题：应用固定的纹理片来恢复丢失的纹理分量，或者应用不太适合图像的纹理片。因此，需要一种用于生成适合图像的纹理的技术。

发明内容

提供了一种图像处理设备及其图像处理方法，该图像处理设备用于通过使用基于输入图像的特性而训练的纹理片来增强输入图像的细节。

附加方面部分地将在以下描述中阐述，且部分地将通过以下描述而变得清楚明白，或者可以通过实践所呈现的实施例来获知。