CN119399050A 一种基于图像处理芯片的图像增强方法及系统 （深圳市蔚来芯科技有限公司）

道高新区社区粤兴六道06号中科纳能一种基于图像处理芯片的图像增强方法及本发明涉及一种基于图像处理芯片的图像解析参数以及目标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后获得的增强处理图像的信噪AI预测模型预测图像处理芯片采用任一类型图2度以及主要对象数量以作为所述待增强图像的多项解录入各种图像增强算法分别对应的各项算法数据，对前馈神经网络执行多次学习以获得执行完多次学习后的前馈神经网络并作为AI预采用所述AI预测模型基于所述基准图像的多项解析参数、所述基准图像的图像数据、法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后获得的基于各种图像增强算法分别对应的各份信噪比选择所述待增强图像的最优图像增强其中，基于各种图像增强算法分别对应的各份信噪比选强图像的最优图像增强算法为各份信噪比中数值最大的信噪比对应对前馈神经网络执行多次学习以获得执行完多次学习后的前馈神经网络并作为AI预的多项解析参数以及所述某一图像增强算法对应的算法数据作为所述前馈神经网络的多其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后3换的增强处理以及频率域增强处理中任一种图像增强处神经网络执行多次学习以获得执行完多次学习后的前馈神经网络并作为AI预测模型输出，采用数据存储芯片接收所述AI预测模型的各项模型参数，并通过存储种图像增强算法分别对应的各份信噪比选择所述待增强图像的最优图像增强算法以供所接收所述待增强图像的最优图像增强算法，并通过LCD显示阵列执行对所述待增强图高幅噪声类型为所述待增强图像内幅值超过预设噪声幅值的图像的主要对象为所述待增强图像中占据所述待增强图像的面积比例大于等于设定比例其中，所述待增强图像的主要对象为所述待增强图像中占其中，录入各种图像增强算法分别对应的各项算法数据，其中，录入各种图像增强算法分别对应的各项算法数据，的已处理基准图像数据为对基准图像执行该种图像增强算法的图像增强处理后所获得图4其中，对前馈神经网络执行多次学习以获得执行完多次学习AI预测模型输出，所述多次学习的学习次数与基准图像的像素点的单调正向关联还包括：采用数值映射函数表示所述多次学习的学习次数与基准图像的像素点的单调正向关联的其中，采用数值映射函数表示所述多次学习的学习次数与基准其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后图像增强算法对应的算法数据同步输入到所述其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后芯片采集装置，用于采集所述图像处理芯片的内存容量、工数据录入装置，用于录入各种图像增强算法分别对应的各项算模型组建装置，用于对前馈神经网络执行多次学习以获得执行完多次学参数以及目标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法算法选择装置，与所述效果预测装置连接，用于基于各种份信噪比选择所述待增强图像的最优图像增强算法以供所述图像其中，基于各种图像增强算法分别对应的各份信噪比选5强图像的最优图像增强算法为各份信噪比中数值最大对前馈神经网络执行多次学习以获得执行完多次学习后的前馈神经网络并作为AI预的多项解析参数以及所述某一图像增强算法对应的算法数据作为所述前馈神经网络的多其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后换的增强处理以及频率域增强处理中任一种图像增强处并通过存储所述AI预测模型的各项模型参数完成对所述AI预测模高幅噪声类型为所述待增强图像内幅值超过预设噪声幅值的6图像的主要对象为所述待增强图像中占据所述待增强图像的面积比例大于等于设定比例其中，所述待增强图像的主要对象为所述待增强图像中占其中，录入各种图像增强算法分别对应的各项算法数据，其中，录入各种图像增强算法分别对应的各项算法数据，的已处理基准图像数据为对基准图像执行该种图像增强算法的图像增强处理后所获得图其中，对前馈神经网络执行多次学习以获得执行完多次学习AI预测模型输出，所述多次学习的学习次数与基准图像的像素点的单调正向关联还包括：采用数值映射函数表示所述多次学习的学习次数与基准图像的像素点的单调正向关联的其中，采用数值映射函数表示所述多次学习的学习次数与基准其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后图像增强算法对应的算法数据同步输入到所述其中，采用所述AI预测模型基于所述基准图像的多项解增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后7图像处理芯片的技术先进性主要是看其所具有的二维/三维图形处理能力、芯片图形处理引擎的数据位宽度、与显示存储器之间数据总线宽度和所支持的显存类型容量、内部应的最优参数值保存在神经网络处理器中；使用神经网络处理器将输入的每一帧图像分算法不同，如果采用同一种类型的图像增强算法对不同画面内容进行相同的图像增强处8冗余度以及主要对象数量以作为所述待增强图像的多项对前馈神经网络执行多次学习以获得执行完多次学习后的前馈神经网络并作为强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后获基于各种图像增强算法分别对应的各份信噪比选择所述待增强图像的最优图像垂直分辨率、像素值冗余度以及主要对象数量以作为所述待增强图像的多项解析参数输9以及所述模型组建装置连接，用于采用所述AI预测模型基于所述基准图像的多项解析参解析参数以及目标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后获得的增强处理图像工智能模式分别预测不同类型图像增强模式分别增强处理所述同一画面内容后分别获得发明点B：采用定制结构的AI预测模型实现对图像处理芯片采用任一类型图像增强模式获得的图像增强效果的预测，所述AI预测模型为执行完多次学习后的前馈神经网全面的基础数据的选择和使用进一步保证了智能预测结果的算法的图像增强处理后获得的增强处理图像的已知信噪比作为所述前馈神经网络的输出[0011]图2为根据本发明的实施例1示出的一种基于图像处理芯片的图像增强方法的步[0012]图3为根据本发明的实施例2示出的一种基于图像处理芯片的图像增强方法的步[0013]图4为根据本发明的实施例3示出的一种基于图像处理芯片的图像增强方法的步[0014]图5为根据本发明的实施例4示出的一种基于图像处理芯片的图像增强系统的内[0015]图6为根据本发明的实施例5示出的一种基于图像处理芯片的图像增强系统的内[0016]图7为根据本发明的实施例6示出的一种基于图像处理芯片的图像增强系统的内[0017]如图1所示，给出了根据本发明示出的一种基于图像处理芯片的图像增强的技术算法的图像增强处理后获得的增强处理图像的已知信噪比作为所述前馈神经网络的输出某一图像的多项解析参数以及某一图像增强算法对应的算法数据作为所述前馈神经网络用技术流程一设计的AI预测模型基于技术流程二选择的多项基础数据分别预测不同类型图2为根据本发明的实施例1示出的一种基于图像处理芯片的图像增强方法的步[0023]如图2所示，所述一种基于图像处理芯片的图像增强方法运行在所述图像处理芯重量以及芯片体积并作为所述图像处理芯片的各步骤S14：对前馈神经网络执行多次学习以获得执行完多次学习后的前馈神经网络并作为AI预测模型输出，所述多次学习的学习次数与基准图像的像素点的单调正向关标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强步骤S16：基于各种图像增强算法分别对应的各份信噪比选择所述待增强图像的作为AI预测模型输出，所述多次学习的学习次数与基准图像的像素点的单调正向关联包述某一图像的多项解析参数以及所述某一图像增强算法对应的算法数据作为所述前馈神图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处目标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增于指数变换的增强处理以及频率域增强处理中任一种图图3为根据本发明的实施例2示出的一种基于图像处理芯片的图像增强方法的步[0025]如图3所示，在对前馈神经网络执行多次学习以获得执行完多次学习后的前馈神述AI预测模型的各项模型参数完成对所述AI预测模型的模图4为根据本发明的实施例3示出的一种基于图像处理芯片的图像增强方法的步[0027]如图4所示，在基于各种图像增强算法分别对应的各份信噪比选择所述待增强图述待增强图像的最优图像增强算法的现场显示包括：可以选择采用液晶显示屏幕或者LED显示阵列来替换所述LCD显示阵列，用于执行对所述待增强图像的最优图像增强算法的现像的高幅噪声类型为所述待增强图像内幅值超过预设噪声幅值增强图像的主要对象为所述待增强图像中占据所述待增强图像的面积比例大于等于设定像增强算法的代码执行二进制数值转化后形成的二理后的已处理基准图像数据为对基准图像执行该种图像增强算法的图像增强处理后所获图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处目标图像增强算法对应的算法数据同步输入到所述AI预目标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增图5为根据本发明的实施例4示出的一种基于图像处理芯片的图像增强系统的内[0030]如图5所示，所述一种基于图像处理芯片的图像增强系统运行在所述图像处理芯垂直分辨率、像素值冗余度以及主要对象数量以作为所述待增强图像的多项解析参数输以及所述模型组建装置连接，用于采用所述AI预测模型基于所述基准图像的多项解析参解析参数以及目标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处理后获得的增强处理图像作为AI预测模型输出，所述多次学习的学习次数与基准图像的像素点的单调正向关联包述某一图像的多项解析参数以及所述某一图像增强算法对应的算法数据作为所述前馈神图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处目标图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增于指数变换的增强处理以及频率域增强处理中任一种图像增强图6为根据本发明的实施例5示出的一种基于图像处理芯片的图像增强系统的内图7为根据本发明的实施例6示出的一种基于图像处理芯片的图像增强系统的内像的高幅噪声类型为所述待增强图像内幅值超过预设噪声幅值增强图像的主要对象为所述待增强图像中占据所述待增强图像的面积比例大于等于设定像增强算法的代码执行二进制数值转化后形成的二理后的已处理基准图像数据为对基准图像执行该种图像增强算法的图像增强处理后所获图像增强算法对应的算法数据智能预测待增强图像经过目标图像增强算法的图像增强处目标图像增强算法对应的算法数据同步输入到所述AI预