图像增强方法和设备技术

提供了一种图像增强方法和设备。所述方法包括：使用噪声模型生成与输入图像的噪声对应的非正态噪声图，以及通过基于输入图像和非正态噪声图执行图像增强模型来生成输入图像的增强图像，其中，输入图像的噪声服从非正态分布。布。布。

【技术实现步骤摘要】
图像增强方法和设备
[0001]本申请要求于2021年10月6日在韩国知识产权局提交的第10
‑
2021
‑
0132089号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。


[0002]下面的描述涉及一种图像增强方法和设备。

技术介绍

[0003]图像增强是一种可包括增强低质量或劣化质量的图像的技术。基于深度学习的神经网络可用于执行图像的图像增强。
[0004]在针对特定推断目的基于深度学习被训练之后，神经网络可根据特定目的执行推断(诸如，通过将彼此呈非线性关系的输入数据和输出数据直觉地进行映射)。这样的神经网络的用于直觉地生成这样的映射的被训练的能力可被称为神经网络的学习能力或被训练的能力。此外，由于专门训练，因此，神经网络可执行具有泛化能力的图像增强，以生成例如神经网络可能未针对其被训练的输入模式或图像的相对准确的图像增强。
[0005]如上所述，基于深度学习的神经网络可用于执行图像的图像增强，但是训练和推断操作可基于图像的噪声服从正态分布并具有线性特性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种处理器实现的图像增强方法，包括：使用噪声模型来生成与输入图像的噪声对应的非正态噪声图；以及通过基于输入图像和非正态噪声图执行图像增强模型来生成输入图像的增强图像，其中，输入图像的噪声服从非正态分布。2.根据权利要求1所述的图像增强方法，其中，生成非正态噪声图的步骤包括：基于与第一像素对应的第一干净像素值、第一干净像素的像素位置信息或第一像素的像素位置信息、以及关于输入图像的拍摄的图像拍摄参数，从噪声模型的第一映射信息提取第一像素的第一非正态噪声分布信息；从第一像素的第一非正态噪声分布信息中的多个噪声信息之中确定第一像素的第一噪声值；基于与第二像素对应的第二干净像素值、第二干净像素的像素位置信息或第二像素的像素位置信息、以及关于输入图像的拍摄的图像拍摄参数，从噪声模型的第二映射信息提取输入图像的第二像素的第二非正态噪声分布信息；从第二像素的第二非正态噪声分布信息中的多个噪声信息之中确定第二像素的第二噪声值；以及基于第一噪声值和第二噪声值生成非正态噪声图，并且其中，增强图像的生成至少根据第一噪声值和第二噪声值。3.根据权利要求1所述的图像增强方法，其中，针对输入图像的每个像素，生成非正态噪声图的步骤包括：基于与输入图像的像素对应的干净像素数据、输入图像的像素的像素位置信息或与输入图像的像素对应的干净像素数据的像素位置信息、以及关于输入图像的拍摄的图像拍摄参数，从噪声模型的映射信息提取输入图像的像素的非正态噪声分布信息；使用像素的非正态噪声分布信息来确定输入图像的像素的噪声值；以及基于输入图像的像素的噪声值来生成非正态噪声图。4.根据权利要求3所述的图像增强方法，其中，针对输入图像的每个像素，映射信息包括：查找表，所述查找表映射与像素、像素位置信息以及图像拍摄参数对应的输入数据和与像素的非正态噪声分布信息对应的输出数据。5.根据权利要求3所述的图像增强方法，其中，像素的非正态噪声分布信息包括：像素的第一非正态噪声分布信息，其中，第一非正态分布噪声信息表示像素的第一非正态分布，像素的第一非正态分布被映射到像素的干净像素值、像素的位置信息和图像拍摄参数，并且其中，像素的噪声值从第一非正态分布中的多个信息之中被随机确定。6.根据权利要求3所述的图像增强方法，其中，像素的非正态噪声分布信息包括：第一分布信息和第二分布信息中的至少一者，第一分布信息表示非正态噪声数据的分布，第二分布信息表示通过将非正态噪声数据投影到正态分布空间中而获得的非正态噪声数据的全部正态分布值的分布。7.根据权利要求6所述的图像增强方法，其中，像素的噪声值从全部正态分布值的分布之中被随机确定。
8.根据权利要求3所述的图像增强方法，其中，像素的非正态噪声分布信息包括：第一分布信息和第二分布信息中的至少一者，第一分布信息表示非正态噪声数据的分布，第二分布信息表示通过将非正态噪声数据投影到正态分布空间中而获得的非正态噪声数据的全部正态分布值的一部分的分布，并且其中，第二分布信息包括：作为全部正态分布值的一部分的最大值和最小值。9.根据权利要求8所述的图像增强方法，其中，像素的噪声值从最大值与最小值之间的值的范围之中被随机确定。10.根据权利要求3所述的图像增强方法，其中，与输入图像的像素对应的干净像素数据是通过对输入图像执行模糊滤波而获得的干净图像。11.根据权利要求3所述的图像增强方法，其中，图像拍摄参数包括国际标准化组织值、曝光时间和拜耳模式信息中的至少一者。12.根据权利要求1所述的图像增强方法，其中，针对输入图像的每个像素，生成非正态噪声图的步骤包括：使用基于正态分布的第一噪声模型来生成与输入图像的像素的第一部分输入数据对应的正态噪声数据值：使用基于非正态分布的第二噪声模型来生成与输入图像的像素的第二部分输入数据对应的非正态分布噪声数据值；以及基于正态噪声数据值和非正态噪声数据值来生成非正态噪声图。13.根据权利要求12所述的图像增强方法，其中，仅第一部分输入数据包括关于像素的像素值信息，并且第一部分输入数据和第二部分输入数据两者包括：关于第一噪声建模图像的拍摄的一些重合的图像拍摄参数。14.根据权利要求1所述的图像增强方法，其中，输入图像的噪声服从与对输入图像的原始图像数据执行的图像处理对应的非正态分布。15.根据权利要求1所述的图像增强方法，其中，图像增强模型是机器学习模型，所述机器学习模型被预先训练以针对相应的多个训练输入数据和多个训练输出数据中的每对训练输入数据和训练输出数据，提供相应的多个训练输入数据与多个训练输出数据之间的直觉的映射关系，其中，训练输入数据包括：对应的训练图像、和与所述对应的训练图像的噪声对应的使用噪声模型生成的对应的训练非正态噪声图，并且其中，输出数据包括：训练图像的增强图像。16.根据权利要求1所述的图像增强方法，其中，基于使用噪声模型生成的训练图像来预先训练图像增强模型。17.根据权利要求1所述的图像增强方法，还包括：基于具有服从非正态分布的相应的噪声的多个建模图像来训练噪声模型，训练噪...

【专利技术属性】
技术研发人员：崔在硕，权基南，李炯旭，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：