| 主权项 |
1.一种可强化影像解析度之装置,包括: 一影像分析模组,其系撷取一低解析度之原始影像 ,并进行分割与分析; 一分类模组,其系根据该影像分析模组之分析结果 ,将该原始影像分类为平滑/结构区域或边缘区域; 及 一影像内插模组,其系利用双线性内插技术对该原 始影像之平滑/结构区域进行影像处理,并利用类 神经网路内插技术对该原始影像之边缘区域进行 影像处理,进而得到一高解析度之数位影像。2.如 申请专利范围第1项所述之可强化影像解析度之装 置,其中该影像分析模组系包括: 一影像边缘抽取单元,其系将该原始影像之边缘区 域撷取出来;及 一角度计算单元,其系利用该边缘区域具有方向性 之特性,计算边缘区域上每一像素所表示的角度。 3.如申请专利范围第1项所述之可强化影像解析度 之装置,其中该影像分析模组及该分类模组系利用 一模糊分析系统进行影像分析与分类。4.如申请 专利范围第3项所述之可强化影像解析度之装置, 其中在该模糊系统进行影像分析与分类之后,且在 该影像内插模组利用该类神经网路内插技术对该 原始影像边缘区域进行影像处理之前,更可先利用 一角度计算模组计算该边缘区域的角度。5.一种 可强化影像解析度之方法,包括下列步骤: 提供一原始影像; 利用一模糊分析系统对该原始影像进行分析,并将 该原始影像分类为具有边缘特性及不具有边缘特 性; 在该原始影像中分类为具有边缘特性之区域,则计 算其边缘角度后,利用类神经网路内插技术对该原 始影像进行影像处理; 在该原始影像中分类为不具有边缘特性之区域,直 接利用双线性内插技术对该原始影像进行影像处 理;及 完成整个该原始影像的处理,以得到一高解析度之 数位影像。6.如申请专利范围第5项所述之可强化 影像解析度之方法,其中在该模糊分析系统进行分 析步骤之前,更可利用一影像遮罩对该原始影像进 行分割,以利后续之分析步骤。7.如申请专利范围 第6项所述之可强化影像解析度之方法,其中该影 像遮罩系由N*N像素所组成。8.如申请专利范围第5 项所述之可强化影像解析度之方法,其中该该模糊 分析系统系具有能见度、结构性及复杂度等三个 输入变数,以根据该输入变数进行分类。9.如申请 专利范围第5项所述之可强化影像解析度之方法, 其中该模糊分析系统在进行分类时,若其输出变数 系大于或等于一预设临界値时,将选择该类神经网 路内插技术;及若该输出变数系小于该临界値时, 则选择该双线性内插技术对该原始影像进行影像 处理。10.如申请专利范围第9项所述之可强化影像 解析度之方法,其中该临界値系可依据所需处理之 数位影像及条件而订定。11.如申请专利范围第5项 所述之可强化影像解析度之方法,其中该类神经网 路内插技术系利用监督式学习法训练类神经网路, 并将该类神经网路训练完成后之的相关参数储存 在一资料库中。12.一种可强化影像解析度之方法, 包括下列步骤: 提供一原始影像; 将该原始影像中之边缘部份撷取出来; 计算该影像边缘区域上每一个像素所代表之角度; 根据该影像边缘区域位置与计算出的角度等资讯 进行分析,以便将该该原始影像分类为使用类神经 网路内插技术或是双线性内插技术; 利用该类神经网路内插技术及该双线性内插技术 对该原始影像进行影像处理;及 完成整个该原始影像的处理,以得到一高解析度之 数位影像。13.如申请专利范围第12项所述之可强 化影像解析度之方法,其中在撷取该影像边缘区域 步骤之前,更可利用一影像遮罩对该原始影像进行 分割,以利后续之分析步骤。14.如申请专利范围第 12项所述之可强化影像解析度之方法,其中该影像 遮罩系由N*N像素所组成。15.如申请专利范围第12 项所述之可强化影像解析度之方法,其中该类神经 网路内插技术系利用监督式学习法训练类神经网 路,并将该类神经网路训练完成后之的相关参数储 存在一资料库中。图式简单说明: 第一图为本发明装置之方块示意图。 第二图为本发明使用模糊分析系统之架构示意图 。 第三图为本发明在进行影像处理之流程示意图。 第四图为本发明所使用之影像遮罩示意图。 第五图为人类视觉特性的曲线示意图。 第六(a)图至第六(d)图分别为本发明模糊分析系统 之输入变数能见度、结构性与复杂度以及输出变 数的成员函数示意图。 第七图为本发明之类神经网路之权値训练流程示 意图。 第八图为本发明作为影像内插之类神经网路架构 示意图。 第九(a)图至第九(d)图分别为花丛之原始影像及利 用本发明与习知双线性内插法及双立方内插法进 行放大400%后的结果示意图。 第十(a)图至第十(d)图分别为螺旋桨之原始影像及 利用本发明与习知双线性内插法及双立方内插法 进行放大400%后的结果示意图。 |
