图像处理方法、图像处理装置和存储介质制造方法及图纸

本发明专利技术涉及图像处理方法、图像处理装置和存储介质。图像处理方法包括以下步骤：获取训练图像和正确图像；将训练图像输入到多层神经网络中以产生输出图像；对正确图像和输出图像中的每一个执行伽马校正并且计算伽马校正之后的正确图像与伽马校正之后的输出图像之间的误差；以及，通过使用所述误差来更新所述神经网络的网络参数。

Image Processing Method, Image Processing Device and Storage Media

【技术实现步骤摘要】
图像处理方法、图像处理装置和存储介质
本专利技术涉及使用深度学习的图像处理方法。
技术介绍
美国专利No.9373160公开了用于基于通过穿过玻璃拍摄被照体图像获得的输入图像使用卷积神经网络估计没有污渍或水滴的图像的图像的方法。在美国专利No.9373160中公开的方法使用卷积神经网络以检测污渍和水滴的图像并去除检测区域的瑕疵。X.Mao，C.Shen，Y.Yang，“ImageRestorationUsingConvolutionalAuto-encoderswithSymmetricSkipConnections”，https://arxiv.org/abs/1606.08921(“Mao等”)公开了普遍适用于各种回归问题的网络配置。另外，Mao等公开了通过使用网络执行对输入图像的上采样、JPEG解块(压缩噪声降低)、去噪、非盲去模糊或去除瑕疵。但是，美国专利No.9373160和Mao等人的方法均不能在输入图像是RAW图像时适当地估计图像。将RAW图像输入到多层神经网络并估计期望的输出图像的尝试需要将RAW图像用于神经网络学习。通过最小化将训练RAW图像输入到网络所获得的输出与本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括步骤：获取训练图像和正确图像；以及将训练图像输入到多层神经网络中以产生输出图像，其中，所述图像处理方法的特征在于还包括：对正确图像和输出图像中的每一个执行伽马校正并且计算伽马校正之后的正确图像与伽马校正之后的输出图像之间的误差；以及通过使用所述误差来更新所述神经网络的网络参数。

【技术特征摘要】
2018.01.10 JP 2018-0015521.一种图像处理方法，其特征在于，包括步骤：获取训练图像和正确图像；以及将训练图像输入到多层神经网络中以产生输出图像，其中，所述图像处理方法的特征在于还包括：对正确图像和输出图像中的每一个执行伽马校正并且计算伽马校正之后的正确图像与伽马校正之后的输出图像之间的误差；以及通过使用所述误差来更新所述神经网络的网络参数。2.根据权利要求1所述的图像处理方法，其特征在于，训练图像和正确图像中的每一个具有周期性布置的多个颜色成分，其中，图像处理方法还包括：用于训练图像的分离步骤，被配置为分离训练图像的所述多个颜色成分中的每一个；以及用于正确图像的分离步骤，被配置为分离正确图像的所述多个颜色成分中的每一个，其中，在训练图像被输入到所述神经网络中之前执行用于训练图像的分离步骤，并且在利用正确图像计算误差之前，执行用于正确图像的分离步骤。3.根据权利要求1所述的图像处理方法，还包括在执行伽马校正之前在预定范围内剪裁输出图像的信号值的步骤。4.根据权利要求1所述的图像处理方法，其特征在于，输出图像是具有比训练图像的分辨率或对比度高的分辨率或对比度的图像。5.根据权利要求1所述的图像处理方法，还包括以下步骤：获取训练图像和正确图像中的每...

【专利技术属性】
技术研发人员：日浅法人，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：日本,JP