[发明专利]影像处理设备以及方法

权利要求书

1.一种影像处理设备，其特征在于，包括：

影像撷取电路，用以撷取影像；以及

处理器，连接该影像撷取电路，并运行超解析模型，其中该超解析模型包括多个神经网络区块，其中该处理器用以进行下列操作：

利用该些神经网络区块从该影像产生超解析影像，其中该些神经网络区块其中一区块包括空间注意力模型以及通道注意力模型，该通道注意力模型串接在该空间注意力模型之后，该空间注意力模型与该通道注意力模型用以增强该影像当中兴趣区在该超解析影像中的权重。

2.根据权利要求1所述的影像处理设备，其特征在于，其中该空间注意力模型包括第一压缩卷积网络以及空洞卷积网络，其中该空间注意力模型增强该影像当中该兴趣区在该超解析影像中的该权重的操作包括：

从在该空间注意力模型之前的神经网络区块接收多个特征图；

利用该第一压缩卷积网络对该些特征图进行压缩处理以产生多个压缩特征图，其中该些压缩特征图的数量小于该些特征图的数量；以及

利用该空洞卷积网络对该些压缩特征图进行跳格特征提取以产生多个全局特征图，进而依据该些全局特征图增强该影像当中该兴趣区在该超解析影像中的该权重。

3.根据权利要求2所述的影像处理设备，其特征在于，其中利用该第一压缩卷积网络对该些特征图进行压缩处理以产生该些压缩特征图的操作包括：

利用与该第一压缩卷积网络对应的多个卷积核对该些特征图进行卷积处理以产生多个卷积图，其中该些卷积核的数量小于该些特征图的数量；以及

依据该些卷积核与该些卷积图之间的对应关系对该些卷积图进行对应元素非线性转换处理以产生该些压缩特征图，其中该些压缩特征图分别对应于该些卷积核。

4.根据权利要求2所述的影像处理设备，其特征在于，其中该空间注意力模型还包括第一激励卷积网络，其中该权重包括与该些特征图的影像空间域对应的空间域权重，其中该空间注意力模型增强该影像当中该兴趣区在该超解析影像中的该权重的操作包括：

利用该第一激励卷积网络对该些全局特征图进行解压缩处理以产生多个激励权重图，其中该些激励权重图的数量等于该些特征图的数量；以及

将该些激励权重图分别与该些特征图进行元素层级相乘处理以产生多个空间权重特征图，进而依据该些空间权重特征图增强该影像当中该兴趣区在该超解析影像中的该空间域权重。

5.根据权利要求4所述的影像处理设备，其特征在于，其中利用该第一激励卷积网络对该些全局特征图进行解压缩处理以产生多个激励权重图的操作包括：

利用与该第一激励卷积网络对应的多个卷积核对该些全局特征图进行卷积处理以产生多个卷积图，其中该些卷积核的数量大于该些全局特征图的数量；以及

依据该些卷积核与该些卷积图之间的对应关系对该些卷积图进行对应元素正规化处理以产生该些激励权重图，其中该些激励权重图分别对应于该些卷积核。

6.根据权利要求4所述的影像处理设备，其特征在于，其中该通道注意力模型包括全局平均池化层，其中该通道注意力模型增强该影像当中该兴趣区在该超解析影像中的该权重的操作包括：

从该空间注意力模型接收该些空间权重特征图；以及

利用该全局平均池化层对该些空间权重特征图进行通道平均化处理以产生特征阵列，进而依据该特征阵列增强该影像当中该兴趣区在该超解析影像中的该权重。

7.根据权利要求6所述的影像处理设备，其特征在于，其中该通道注意力模型还包括第二压缩卷积网络，其中该权重包括与该些特征图的影像通道域对应的通道域权重，其中该通道注意力模型增强该影像当中该兴趣区在该超解析影像中的该权重的操作包括：

利用该第二压缩卷积网络对该特征阵列进行压缩处理以产生压缩特征阵列，进而依据该压缩特征阵列增强该影像当中该兴趣区在该超解析影像中的该通道域权重，其中该压缩特征阵列的尺寸小于该特征阵列的尺寸。