学习设备、图像处理设备、参数生成设备、学习方法和图像处理方法技术

一种学习设备，其中，第一学习单元执行使用包括针对要评估的图像的第一评估结果的第一训练数据的第一机器学习以生成第一学习完成模型，第一学习完成模型输出针对输入图像的第二评估结果，评估单元使用第一学习完成模型来获取针对多个输入图像中的每一个的多个第二评估结果，生成单元基于所述多个第二评估结果从多个第一图像质量参数中选择第二图像质量参数并生成包括所选择的第二图像质量参数的第二训练数据，并且第二学习单元执行使用第二训练数据的第二机器学习以生成第二学习完成模型，第二学习完成模型输出用于处理要处理的图像的第三图像质量参数。的图像的第三图像质量参数。的图像的第三图像质量参数。

【技术实现步骤摘要】
【国外来华专利技术】学习设备、图像处理设备、参数生成设备、学习方法和图像处理方法


[0001]本公开涉及学习设备、图像处理设备、参数生成设备、学习方法和图像处理方法。

技术介绍

[0002]为了提高具有亮度、对比度、饱和度、色调、清晰度等因素的“图像质量”，使用改变图像质量的参数(在下文中，有时称为“图像质量参数”)来处理图像。
[0003]用于图像处理的图像质量参数的调整通常由具有详细分析能力的熟练工程师执行。熟练工程师观察图像质量如何根据图像质量参数的不同变化而变化，并确定用于图像处理的最优图像质量参数。
[0004]引用列表
[0005]专利文献
[0006]专利文献1：日本专利特开2015
‑
088805号公报

技术实现思路

[0007]技术问题
[0008]作为图像质量参数，存在改变亮度、对比度、饱和度、色调、清晰度等的各种图像质量参数。例如，在存在作为图像质量参数的28个类型的图像质量参数并且这28个类型的图像质量参数中的每一个类型都具有可以按255级调节的值的情况下，图像质量参数的组合总数达到了的“2.4
×
10
67
集合”的巨大数量。即使熟练的工程师也很难从如此巨大数量的图像质量参数组合中在视觉上确定最优组合。
[0009]另外，每个图像的最优图像质量参数是不同的，因此，某个图像的最优图像质量参数对于另一图像并不总是最优的。因此，即使将一个图像质量参数固定地应用于多个图像，也可能无法获得令人满意的图像质量。
[0010]因此，本公开提出了一种学习设备、图像处理设备、参数生成设备、学习方法和图像处理方法，该学习设备、图像处理设备、参数生成设备、学习方法和图像处理方法被配置为减少确定合适的图像质量参数所需的劳动，从而提高各种图像的图像质量。
[0011]问题的解决方案
[0012]在所公开的实施例的一个方面，一种学习设备包括：第一学习单元，执行使用包括针对评估目标图像的第一评估结果的第一训练数据的第一机器学习，以生成第一学习完成(learned)模型，第一学习完成模型输出针对输入图像的第二评估结果；评估单元，使用第一学习完成模型来获取针对多个输入图像的多个第二评估结果；生成单元，基于所述多个第二评估结果从具有不同值的多个第一图像质量参数中选择第二图像质量参数，并生成包括所选择的第二图像质量参数的第二训练数据；以及第二学习单元，执行使用第二训练数据的第二机器学习以生成第二学习完成模型，第二学习完成模型输出用于处理处理目标图像的第三图像质量参数。
附图说明
[0013]图1是示出根据本公开的第一实施例的图像处理系统的配置示例的图。
[0014]图2是示出根据本公开的第一实施例的学习设备的配置示例的图。
[0015]图3是示出根据本公开的第一实施例的图像处理设备的配置示例的图。
[0016]图4是示出根据本公开的第一实施例的图像处理系统中的处理过程的示例的图。
[0017]图5是示出根据本公开的第一实施例的图像处理系统中的处理过程的示例的图。
[0018]图6是示出根据本公开的第一实施例的图像处理系统中的处理过程的示例的图。
[0019]图7是示出根据本公开的第一实施例的图像处理系统中的处理过程的示例的图。
[0020]图8是示出根据本公开的第一实施例的图像处理系统中的处理过程的示例的图。
[0021]图9是示出根据本公开的第三实施例的学习设备的配置示例的图。
[0022]图10是示出根据本公开的第三实施例的图像处理设备的配置示例的图。
[0023]图11是示出根据本公开的第四实施例的图像处理设备的配置示例的图。
具体实施方式
[0024]下面将参考附图详细描述本公开的实施例。注意，在以下实施例中，由相同的参考数字和符号表示相同的部分和处理，并且在某些情况下将省略其重复描述。
[0025]另外，将按照下面示出的项目的顺序描述本公开。
[0026][第一实施例][0027]<图像处理系统的配置>
[0028]<学习设备的配置>
[0029]<图像处理设备的配置>
[0030]<图像处理系统中的处理过程>
[0031][第二实施例][0032]<图像处理系统中的处理过程>
[0033][第三实施例][0034]<学习设备的配置>
[0035]<图像处理设备的配置>
[0036][第四实施例][0037]<图像处理设备的配置>
[0038][第五实施例][0039]<硬件配置>
[0040][所公开技术的效果][0041][第一实施例][0042]<图像处理系统的配置>
[0043]图1是示出根据本公开的第一实施例的图像处理系统的配置示例的图。在图1中，图像处理系统1包括学习设备10和图像处理设备20。学习设备10使用训练数据、原始图像和图像质量参数组来执行机器学习，生成参数生成模型，并将所生成的参数生成模型输出到图像处理设备20。图像处理设备20使用从学习设备10输入的参数生成模型对处理目标图像进行处理，并获取处理后的图像。
[0044]<学习设备的配置>
[0045]图2是示出根据本公开的第一实施例的学习设备的配置示例的图。在图2中，学习设备10包括第一机器学习单元11、第一存储单元12、第一处理单元13、评估单元14、训练数据生成单元15、第二存储单元16、第二机器学习单元17、第三存储单元18和输出单元19。
[0046]<图像处理设备的配置>
[0047]图3是示出根据本公开的第一实施例的图像处理设备的配置示例的图。在图3中，图像处理设备20包括获取单元21、第四存储单元22、参数生成单元23和第二处理单元24。
[0048]<图像处理系统中的处理过程>
[0049]图4至图8是各自示出根据本公开的第一实施例的图像处理系统中的处理过程的示例的图。
[0050]在学习设备10在图像处理系统1中执行处理之前，人类评估者在视觉上比较参考图像和评估目标图像的同时评估该评估目标图像，如图4所示。
[0051]首先，评估者手动调整图像质量参数，并将已经手动调整的各种图像质量参数应用于参考图像。使用已经手动调整的各种图像质量参数对参考图像进行处理，并且因此获得作为处理后的图像的评估目标图像。作为示例，图4示出了作为用具有不同值的图像质量参数对参考图像进行处理的结果而获得的评估目标图像ET01至ET13。...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种学习设备，包括：第一学习单元，执行使用包括针对评估目标图像的第一评估结果的第一训练数据的第一机器学习，以生成第一学习完成模型，第一学习完成模型输出针对输入图像的第二评估结果；评估单元，使用第一学习完成模型来获取针对多个输入图像的多个第二评估结果；生成单元，基于所述多个第二评估结果从具有不同值的多个第一图像质量参数中选择第二图像质量参数，并生成包括所选择的第二图像质量参数的第二训练数据；和第二学习单元，执行使用第二训练数据的第二机器学习以生成第二学习完成模型，第二学习完成模型输出用于处理处理目标图像的第三图像质量参数。2.根据权利要求1所述的学习设备，其中第一学习单元通过使用第一训练数据来执行第一机器学习，第一训练数据包括参考图像、通过处理所述参考图像而获得的评估目标图像以及指示评估目标图像相对于所述参考图像的相对评估结果的第一评估结果。3.根据权利要求1所述的学习设备，还包括处理单元，通过使用所述多个第一图像质量参数中的每一个来处理原始图像，从而获取通过使用所述多个第一图像质量参数处理原始图像而获得的多个输出图像，所述多个输出图像对应于所述多个第一图像质量参数，其中所述评估单元使用原始图像和所述多个输出图像作为输入图像，从而获取与所述多个输出图像相对应的所述多个第二评估结果。4.根据权利要求3所述的学习设备，其中第二学习单元通过使用第二训练数据来执行第二机器学习，第二训练数据包括原始图像和第二图像质量参数。5.一种图像处理设备，包括：生成单元，通过使用由学习设备生成的第二学习完成模型来生成第三图像质量参数；和第一处理单元，通过使用所生成的第三图像质量参数来处理处理目标图像，所述学习设备包括：第一学习单元，执行使用包括针对评估目标图像的第一评估结果的第一训练数据的第一机器学习，以生成第一学习完成模型，第一学习完成模型输出针对输入图像的第二评估结果；评估单元，使用第一学习完成模型来获取针对多个输入图像的多个第二评估结果；生成单元，基于所述多个第二评估结果从具有不同值的多个第一图像质量参数中选择第二图像质量参数，并生成包括所选择的第二图像质量参数的第二训练数据；和第二学习单元，执行使用第二训练数据的第二机器学习以生成第二学习完成模型，第二学习完成模型输出用于处理所述处理目标图像的第三图像质量参数。6.根据权利要求5所述的图像处理设备，其中第一处理单元获取通过用第三图像质量参数对所述处理目标图像进行处理而获得的第一处理后的图像，并且图像处理设备还包括：
第二处理单元，通过使用具有预定值的第四图像质量参数对所述处理目标图像进行处理，从而获取通过使用第四图像质量参数对所述处理目标图像进行处理而获得的第二处理后的图像；第二评估单元，使用第一学习完成模型来获取针对第一处理后的图像的第三评估结果；和选择单元，在第三评估结果满足预定条件时选择第一处理后的图像，另一方面，在第三评估结果不满足所述条件时选择第二处理后的图像。7.根据权利要...

【专利技术属性】
技术研发人员：小坂纯一，稻石大祐，平井裕麻，新井宏明，
申请(专利权)人：索尼集团公司，
类型：发明
国别省市：