[发明专利]用于拍摄图像的方法和装置在审

专利信息
申请号: 201811544202.7 申请日: 2018-12-17
公开(公告)号: CN109510943A 公开(公告)日: 2019-03-22
发明(设计)人: 李伟;吴龙海;吴初锚 申请(专利权)人: 三星电子(中国)研发中心;三星电子株式会社
主分类号: H04N5/232 分类号: H04N5/232
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 210012 江苏省南京市*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 方法和装置 拍摄图像 采集装置 抽象特征 获取图像 目标图像 拍摄指令 实时采集 图像拍摄 拍摄 采集 保存 响应 申请
【权利要求书】:

1.一种用于拍摄图像的方法,所述方法包括:

获取图像采集装置实时采集的图像;

根据从目标图像中提取出的抽象特征处理所采集的图像;

在拍摄界面中展现处理后的图像;

响应于获取到拍摄指令,保存当前拍摄界面中展现的图像。

2.根据权利要求1所述的方法,其中,所述根据从目标图像中提取出的抽象特征处理所采集的图像之前,所述方法还包括:

根据用户的选择操作,从预先设置的备选图像或自定义图像中确定目标图像。

3.根据权利要求1所述的方法,其中,所述抽象特征是经由以下步骤提取的:

将所述目标图像输入预先训练的第一卷积神经网络,所述第一卷积神经网络用于提取图像特征;

将所述第一卷积神经网络中至少一个卷积层输出的矩阵确定为所述目标图像的抽象特征。

4.根据权利要求1所述的方法,其中,所述根据从目标图像中提取出的抽象特征处理所采集的图像,包括:

将所述目标图像输入预先训练的第二卷积神经网络,所述第二卷积神经网络用于提取图像特征;

将所述第二卷积神经网络中至少一个卷积层输出的矩阵确定为所采集的图像的内容特征;

根据所述抽象特征和所述内容特征生成处理后的图像。

5.根据权利要求4所述的方法,其中,所述根据所述抽象特征和所述内容特征生成处理后的图像,包括:

获取初始图像;

提取初始图像的内容特征和抽象特征;

根据所采集的图像的内容特征,和所述初始图像的内容特征确定第一损失函数;

根据从所述目标图像中提取出的抽象特征和所述初始图像的抽象特征确定第二损失函数;

根据所述第一损失函数和所述第二损失函数确定总损失函数;

根据所述总损失函数调整所述初始图像,得到处理后的图像。

6.根据权利要求1-5中任一项所述的方法,其中,所述根据从目标图像中提取出的抽象特征处理所采集的图像,包括:

对所采集的图像进行图像分割,得到至少两个子图像;

根据从目标图像中提取出的抽象特征处理所述至少两个子图像中的子图像。

7.根据权利要求6所述的方法,其中,所述根据从目标图像中提取出的抽象特征处理所述至少两个子图像中的子图像,包括:

根据用户的选择操作建立目标图像与所述至少两个子图像中的子图像的对应关系;

基于所述对应关系,根据从目标图像中提取出的抽象特征处理对应的子图像。

8.根据权利要求1所述的方法,其中,所述保存当前拍摄界面中展现的图像之后,所述方法还包括:

对保存的图像执行后期处理操作。

9.一种用于拍摄图像的装置,所述装置包括:

获取单元,被配置成获取图像采集装置实时采集的图像;

处理单元,被配置成根据从目标图像中提取出的抽象特征处理所采集的图像;

展现单元,被配置成在拍摄界面中展现处理后的图像;

保存单元,被配置成响应于获取到拍摄指令,保存当前拍摄界面中展现的图像。

10.根据权利要求9所述的装置,其中,所述装置还包括:

确定单元,被配置成根据用户的选择操作,从预先设置的备选图像或自定义图像中确定目标图像。

11.根据权利要求9所述的装置,其中,所述装置还包括:

抽象特征提取单元,被配置成:

将所述目标图像输入预先训练的第一卷积神经网络,所述第一卷积神经网络用于提取图像特征;

将所述第一卷积神经网络中至少一个卷积层输出的矩阵确定为所述目标图像的抽象特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三星电子(中国)研发中心;三星电子株式会社,未经三星电子(中国)研发中心;三星电子株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811544202.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top