[发明专利]图像处理装置及其图像处理方法

说明书

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。

技术领域

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。

背景技术

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4K UHD TV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。

人工智能技术由机器学习(例如，深度学习)和利用机器学习的元素技术组成。

机器学习是指一种自己对输入数据的特征进行分类/学习的算法技术。同时，元素技术是指通过使用诸如深度学习之类的机器学习算法来模拟诸如认知和确定之类的人脑功能的技术，并且包括诸如语言理解、视觉理解、推理/预测、知识表示和操作控制之类的技术领域。

已经尝试在常规的图像处理装置上通过使用人工智能技术来增强图像的特征。然而，存在的问题是，对于常规图像处理装置的性能，生成高分辨率图像所需的操作的处理量受到限制，并且花费大量时间。因此，需要一种使图像处理装置能够通过仅执行少量操作来生成高分辨率图像并提供图像的技术。

发明内容

本公开解决了上述需要，并且提供了通过使用多个学习网络模型来获取具有改善的图像特征的高分辨率的图像处理装置、及其图像处理方法。

根据用于实现上述目的的本公开的实施例的图像处理装置包括：存储器，存储计算机可读指令；以及处理器，被配置为执行该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，从第一学习网络模型获取包括基于输入图像的边缘而被优化的增强边缘在内的第一图像，以及将输入图像作为第二输入施加于第二学习网络模型，并且从第二学习网络模型获取包括基于输入图像的纹理而被优化的增强纹理在内的第二图像。处理器识别图像中所包括的边缘区域和纹理区域，基于关于边缘区域和纹理区域的信息来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，并且获取输出图像，该输出图像基于应用于第一图像的第一权重和应用于第二图像的第二权重而从输入图像被优化。

此外，第一学习网络模型的第一类型不同于第二学习网络模型的第二类型。

此外，第一学习网络模型可以是以下模型中的一种：用于通过使用多个层来优化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输入图像的边缘的机器学习模型。

此外，第二学习网络模型可以是以下模型中的一种：用于通过使用多个层来优化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输入图像的纹理的机器学习模型。

同时，处理器可以基于边缘区域和纹理区域的比例信息，获取与边缘区域相对应的第一权重和与纹理区域相对应的第二权重。