图像处理装置及其图像处理方法制造方法及图纸

图像处理装置将图像施加于第一学习网络模型以优化图像的边缘，将图像施加于第二学习网络模型以优化图像的纹理，并且基于关于图像的边缘区域和纹理区域的信息，将第一权重应用于第一图像并将第二权重应用于第二图像，以获取输出图像。

【技术实现步骤摘要】
图像处理装置及其图像处理方法
本公开涉及一种图像处理装置及其图像处理方法，更具体地，涉及一种通过使用学习网络模型来增强图像特征的图像处理装置及其图像处理方法。
技术介绍
受电子技术发展的激励，已经开发并发布了各种类型的电子装置。特别地，图像处理装置已经被部署在诸如住宅、办公室和公共场所之类的各种地方，并且近年来正在不断发展。最近，诸如4KUHDTV的高分辨率显示面板已面世，并且已经广泛分布。然而，用于在这种高分辨率显示面板上再现的高分辨率内容的可用性在一定程度上受到限制。因此，正在开发用于从低分辨率内容生成高分辨率内容的各种技术。特别地，对在有限的处理资源内生成高分辨率内容所必需的大量操作的有效处理的需求正在增加。此外，近来，模仿人类水平智能的人工智能系统已经在各个领域中使用。与常规的基于规则的智能系统不同，人工智能系统是指机器自己学习、确定和执行处理的系统。随着系统迭代地操作，人工智能系统显示出更加改进的识别率，并且例如变得能够更正确地理解用户偏好。因此，常规的基于规则的智能系统越来越多地被基于深度学习的人工智能系统取代。...

【技术保护点】
1.一种图像处理装置，包括：/n存储器，存储计算机可读指令；以及/n处理器，被配置为执行所述计算机可读指令以便：/n将输入图像作为第一输入施加于第一学习网络模型，/n从所述第一学习网络模型获取包括基于所述输入图像的边缘而被优化的增强边缘在内的第一图像，/n将所述输入图像作为第二输入施加于第二学习网络模型，/n从所述第二学习网络模型获取包括基于所述输入图像的纹理而被优化的增强纹理在内的第二图像，/n识别所述输入图像中所包括的边缘的边缘区域，/n识别所述输入图像中所包括的纹理的纹理区域，/n基于所述边缘区域将第一权重应用于所述第一图像，/n基于所述纹理区域将第二权重应用于所述第二图像，/n基于应用...

【技术特征摘要】
20190522 KR 10-2019-0060240;20190703 KR 10-2019-001.一种图像处理装置，包括：
存储器，存储计算机可读指令；以及
处理器，被配置为执行所述计算机可读指令以便：
将输入图像作为第一输入施加于第一学习网络模型，
从所述第一学习网络模型获取包括基于所述输入图像的边缘而被优化的增强边缘在内的第一图像，
将所述输入图像作为第二输入施加于第二学习网络模型，
从所述第二学习网络模型获取包括基于所述输入图像的纹理而被优化的增强纹理在内的第二图像，
识别所述输入图像中所包括的边缘的边缘区域，
识别所述输入图像中所包括的纹理的纹理区域，
基于所述边缘区域将第一权重应用于所述第一图像，
基于所述纹理区域将第二权重应用于所述第二图像，
基于应用于所述第一图像的第一权重和应用于所述第二图像的第二权重，获取从所述输入图像优化的输出图像。


2.根据权利要求1所述的图像处理装置，其中，所述第一学习网络模型的第一类型不同于所述第二学习网络模型的第二类型。


3.根据权利要求1所述的图像处理装置，其中，所述第一学习网络模型是以下模型中的一种：用于通过使用多个层来优化所述输入图像的边缘的深度学习模型、或被训练为通过使用多个预先学习的滤波器来优化所述输入图像的边缘的机器学习模型。


4.根据权利要求1所述的图像处理装置，其中，所述第二学习网络模型是以下模型中的一种：用于通过使用多个层来优化所述输入图像的纹理的深度学习模型、或通过使用多个预先学习的滤波器来优化所述输入图像的纹理的机器学习模型。


5.根据权利要求1所述的图像处理装置，其中，执行所述计算机可读指令的处理器还被配置为：
基于所述输入图像中的边缘区域和所述输入图像中的纹理区域的比例信息来获取所述第一权重和所述第二权重。


6.根据权利要求1所述的图像处理装置，其中，执行所述计算机可读指令的处理器还被配置为：
对所述输入图像进行降频以获取分辨率小于所述输入图像的分辨率的降频图像，
将所述降频图像作为所述第一输入施加于所述第一学习网络模型，
从所述第一学习网络模型获取具有增强边缘的第一图像，所述第一学习网络模型将所述降频图像进行升频，
将所述降频图像作为所述第二输入施加于所述第二学习网络模型，以及
从所述第二学习网络模型获取具有增强纹理的第二图像，所述第二学习网络模型将所述降频图像进行升频。


7.根据权利要求1所述的图像处理装置，其中，执行所述计算机可读指令的处理器还被配置为：
获取识别所述输入图像的边缘区域的第一区域检测信息和识别所述输入图像的纹理区域的第二区域检测信息，
将所述输入图像和所述第一区域检测信息作为所述第一输入施加于所述第一学习网络模型，以及
将所述输入图像和所述第二区域检测信息作为所述第二输入施加于所述第二学习网络模型。


8.根...

【专利技术属性】
技术研发人员：李天，金东炫，朴熔燮，朴在演，安一埈，李炫承，安泰庆，文永秀，李泰美，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR