分类图的置信度辅助上采样制造技术

一种用于分类图的置信度辅助上采样的系统和方法。在一些实施例中，该方法包括：确定图像的第一像素的类别，第一像素具有多个邻近像素，每个邻近像素具有类别；以及基于所确定的类别来处理图像。该确定可以包括：计算每个邻近像素的置信度加权度量，该置信度加权度量基于每个邻近像素当中的最大置信度值；以及基于每个邻近像素的置信度加权度量并基于邻近像素之一的类别来确定第一像素的类别。素之一的类别来确定第一像素的类别。素之一的类别来确定第一像素的类别。

【技术实现步骤摘要】
分类图的置信度辅助上采样
[0001]相关申请的交叉引用
[0002]本申请要求于(i)2021年2月3日提交的标题为“通过置信度加权辅助的分类图的增强最邻近上采样”的美国临时申请第63/145,193号，以及于(ii)2021年8月18日提交的标题为“通过置信度加权辅助的分类图的增强最邻近上采样”的美国临时申请第63/234,649号的优先权和权益，该两件专利申请的全部内容通过引用方式并入本文。


[0003]根据本公开的实施例的一个或多个方面涉及分类图生成，并且更具体地，涉及上采样分类图的生成。

技术介绍

[0004]在用于处理图像和用于产生分类图的系统和方法中，上采样可能是计算上的负担，其复杂度可能是O(N*C)(即，N*C的数量级)，其中N是像素的数目，并且C是分类数据的基数。此外，最邻近上采样的相关技术方法可能具有低复杂度，但是也可能具有较低的质量，例如，它可能受到边缘处锯齿伪影的影响。
[0005]因此，需要一种用于分类图的上采样的改进的系统和方法。

技术实现思路

[0006]根据本公开的实施例，提供了一种方法，包括：确定图像的第一像素的类别，第一像素具有多个邻近像素，每个邻近像素具有类别；以及基于所确定的类别处理图像，该确定包括：计算每个邻近像素的置信度加权度量，该置信度加权度量基于每个邻近像素当中的最大置信度值；以及基于每个邻近像素的置信度加权度量并基于邻近像素之一的类别来确定第一像素的类别。
[0007]在一些实施例中，置信度加权度量还基于空间滤波器函数(spatial filter function)。
[0008]在一些实施例中，空间滤波器函数对于第一邻近像素比对于第二邻近像素具有更大的值，第一像素离第一邻近像素比离第二邻近像素更近。
[0009]在一些实施例中：空间滤波器函数在(x2
–
x)(y2
–
y)/((x2
–
x1)(y2
–
y1))的30％内，x1和y1是第一邻近像素的坐标，x2和y2是第二邻近像素的坐标，并且x和y是第一像素的坐标。
[0010]在一些实施例中，对于每个邻近像素，空间滤波器函数在第一像素和邻近像素之间的坐标差的高斯函数的30％内。
[0011]在一些实施例中，置信度加权度量还基于范围滤波器函数(range filter function)。
[0012]在一些实施例中，范围滤波器函数对于第一邻近像素比对于第二邻近像素具有更大的值，第一像素在强度上离第一邻近像素比离第二邻近像素更近。
[0013]在一些实施例中，置信度加权度量还基于空间滤波器函数。
[0014]在一些实施例中，确定第一像素的类别包括将第一像素的类别确定为邻近像素中具有最大置信度加权度量的像素的类别。
[0015]在一些实施例中，确定第一像素的类别包括将第一像素的类别确定为该类别中所有邻近像素的置信度加权度量之和最大的类别。
[0016]根据本公开的实施例，提供了一种包括处理电路的系统，处理电路被配置为：确定图像的第一像素的类别，第一像素具有多个邻近像素，每个邻近像素具有类别；以及基于所确定的类别处理图像，该确定包括：对每个邻近像素计算置信度加权度量，该置信度加权度量基于每个邻近像素的最大置信度值；以及基于每个邻近像素的置信度加权度量并基于邻近像素之一的类别来确定第一像素的类别。
[0017]在一些实施例中，置信度加权度量还基于空间滤波器函数。
[0018]在一些实施例中，空间滤波器函数对于第一邻近像素比对于第二邻近像素具有更大的值，第一像素离第一邻近像素比离第二邻近像素更近。
[0019]在一些实施例中：空间滤波器函数在(x2
–
x)(y2
–
y)/((x2
–
x1)(y2
–
y1))的30％内，x1和y1是第一邻近像素的坐标，x2和y2是第二邻近像素的坐标，并且x和y是第一像素的坐标。
[0020]在一些实施例中，对于每个邻近像素，空间滤波器函数在第一像素和邻近像素之间的坐标差的高斯函数的30％内。
[0021]在一些实施例中，置信度加权度量还基于范围滤波器函数。
[0022]在一些实施例中，范围滤波器函数对于第一邻近像素比对于第二邻近像素具有更大的值，第一像素在强度上离第一邻近像素比离第二邻近像素更近。
[0023]在一些实施例中，置信度加权度量还基于空间滤波器函数。
[0024]在一些实施例中，确定第一像素的类别包括将第一像素的类别确定为邻近像素中具有最大置信度加权度量的像素的类别。
[0025]根据本公开的实施例，提供了一种系统，包括用于处理的装置，该用于处理的装置被配置为：确定图像的第一像素的类别，第一像素具有多个邻近像素，每个邻近像素具有类别；以及基于所确定的类别处理图像，该确定包括：计算每个邻近像素的置信度加权度量，该置信度加权度量基于每个邻近像素的最大置信度值；以及基于每个邻近像素的置信度加权度量并基于邻近像素之一的类别来确定第一像素的类别。
附图说明
[0026]参考说明书、权利要求书和附图，将会理解和明白本公开的这些以及其他特征和优点，其中：
[0027]图1A是用于分析图像的系统的框图；
[0028]图1B是用于分析图像的系统的框图；
[0029]图2是示出根据本公开的实施例的上采样电路的输入和输出的框图；
[0030]图3是根据本公开的实施例的上采样像素和四个邻近像素的图；
[0031]图4是根据本公开的实施例的用于分析图像的系统的框图；
[0032]图5A是用于分析图像的流水线(pipeline)的框图；
[0033]图5B是用于分析图像的流水线的框图；
[0034]图5C是根据本公开的实施例的用于分析图像的流水线的框图；
[0035]图6是根据本公开的实施例的经处理图像；
[0036]图7A是根据本公开的实施例的经处理图像的放大部分；
[0037]图7B是根据本公开的实施例的经处理图像的放大部分；
[0038]图7C是根据本公开的实施例的经处理图像的放大部分；以及
[0039]图8是根据本公开的实施例的方法的流程图。
具体实施方式
[0040]下面结合附图阐述的详细描述旨在作为根据本公开提供的用于分类图的上采样的系统和方法的示例性实施例的描述，并且不旨在代表可以构建或利用本公开的唯一形式。描述结合所示实施例阐述了本公开的特征。然而，应当理解，相同或等效的功能和结构可以通过不同的实施例来完成，这些实施例也包含在本公开的范围内。如本文别处所示，相似的元素编号旨在表示相似的元素或特征。
[0041]在计算机视觉和图像处理的领域，从低分辨率图像(image)或图(map)到高分辨率的2
‑
D插值(即上采样)是一种常见的操作。随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于分类图生成的方法，包括：确定图像的第一像素的类别，第一像素具有多个邻近像素，每个邻近像素具有类别；以及基于所确定的类别处理图像，所述确定包括：计算每个邻近像素的置信度加权度量，所述置信度加权度量基于每个邻近像素当中的最大置信度值；以及基于每个邻近像素的置信度加权度量并基于邻近像素之一的类别来确定第一像素的类别。2.根据权利要求1所述的方法，其中置信度加权度量还基于空间滤波器函数。3.根据权利要求2所述的方法，其中空间滤波器函数对于第一邻近像素比对于第二邻近像素具有更大的值，第一像素离第一邻近像素比离第二邻近像素更近。4.根据权利要求3所述的方法，其中：空间滤波器函数在(x2
–
x)(y2
–
y)/((x2
–
x1)(y2
–
y1))的30％内，x1和y1是第一邻近像素的坐标，x2和y2是第二邻近像素的坐标，以及x和y是第一像素的坐标。5.根据权利要求4所述的方法，其中对于每个邻近像素，空间滤波器函数在第一像素和邻近像素之间的坐标差的高斯函数的30％内。6.根据权利要求1所述的方法，其中置信度加权度量还基于范围滤波器函数。7.根据权利要求6所述的方法，其中范围滤波器函数对于第一邻近像素比对于第二邻近像素具有更大的值，第一像素在强度上离第一邻近像素比离第二邻近像素更近。8.根据权利要求6所述的方法，其中置信度加权度量还基于空间滤波器函数。9.根据权利要求1所述的方法，其中确定第一像素的类别包括将第一像素的类别确定为邻近像素中具有最大置信度加权度量的像素的类别。10.根据权利要求1所述的方法，其中确定第一像素的类别包括将第一像素的类别确定为这样的类别：该类别中的所有邻近像素上的置信度加权度量之和最大。11.一种包括处理电路的系统，该处理电路被配置成：确定图像的第一像素的类别，第一像素具有多个邻近像素，每个邻近像素具有类别；以及基于所确定...

【专利技术属性】
技术研发人员：拉玛迈蒂利瓦达利，迈尤兰维杰，奥列格谢尔盖耶维奇霍鲁日，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：