数据转换设备和数据转换方法、学习设备和学习方法技术

本发明专利技术涉及可以将图像转换成更高质图像的数据转换设备和学习设备。类抽头生成电路（２）和预测抽头生成电路（３）从ＳＤ图像中分别生成分类ＨＤ图像的指定像素的类抽头和确定指定像素的预测抽头。分类电路（４）根据类抽头分类指定像素。系数ＲＡＭ（５）从通过利用监督者像素和学习者像素和通过根据从学习者像素中生成的预测抽头的活动性，在把权重应用于监督者像素和学习者像素的同时，学习至少一个类中的每一个的学习监督者像素和学习者像素之间的关系而获得的抽头系数中，为指定像素的类获取抽头系数。预测计算电路（６）利用抽头系统和预测抽头确定指定像素。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及数据转换设备和方法、学习设备和方法、程序和记录媒体。更具体地说，本专利技术涉及可以将，例如，图像数据转换成更高质图像数据的数据转换设备和方法、学习设备和方法、程序和记录媒体。
技术介绍
本申请的申请人曾经提出分类自适应处理，作为提高图像的质量或进行其它类型的图像转换的数据转换处理。分类自适应处理包括分类处理和自适应处理根据数据的特性，通过分类处理分类数据，和对每一类的数据都进行自适应处理。对于自适应处理像举例说明如下。例如，在自适应处理中，利用预定抽头系数来映射，低质或标准质量图像(下文称之为“SD(标准清晰度)图像”)数据，以便将其转换成高质图像(下文有时称之为“HD(高清晰度)图像”)数据。现在假设将，例如，线性耦合模型用作利用抽头系数的映射方法。在这种情况下，根据如下线性方程(线性耦合)，通过利用抽头系数和作为预测抽头提取的形成SD图像数据(以下有时称之为“SD像素”)的数个像素用于预测HD像素，确定形成HD图像数据(以下有时称之为“HD像素”)的像素y的像素值。y=Σn=1Nwnxn...(1)]]>在方程(1)中，xn表示为HD像素y形成预测抽头的SD图像数据(以下有时称之为“SD像素”)的第n像素的像素值，wn表示要与第n个SD像素的像素值相乘的第n抽头系数。在方程(1)中，假设预测抽头由N个SD像素x1，x2，…，xN组成。HD像素的像素值y可以通过像二次方程那样的更高次方程，而不是通过如(1)所表达的线性方程来确定。当第k样本HD像素的像素值的真值用yk表示时，和当通过方程(1)确定的真值yk的预测值用yk′表示时，预测误差ek通过下列方程表达。ek＝yk-yk′ …(2)由于方程(2)中的预测值yk′通过方程(1)确定，将方程(1)代入方程(2)中的yk′中，从而获得如下方程。ek=yk-(Σn=1Nwnxn,k)...(3)]]>在方程(3)中，xn，k表示为第k样本HD像素形成预测抽头的第n个SD像素。将方程(3)中预测误差ek设成0的抽头系数wn是预测HD像素的最佳值。但是，一般说来，难以为所有HD像素确定这样的抽头系数wn。因此，作为最佳抽头系数wn的标准，使用，例如，最小二乘法。然后，通过使作为由下列方程表达的统计误差的平方误差之和E达到最小，可以确定最佳抽头系数wn。E=Σk=1Kek2...(4)]]>在方程(4)中，K表示HD像素yk和为HD像素yk形成预测抽头的SD像素x1，k，x2，k，…，xN，k的样本组数。使方程(4)中的平方误差之和E达到最小的抽头系数wn必须满足条件通过对求和E求出关于抽头系数wn的偏导数而确定的值变成0，因此，下列方程必须成立。∂E∂wn=e1∂e1∂wn+e2∂e2∂wn+···+en∂en∂wn=0---(n=1,2,...,N)...(5)]]>因此，通过求方程(3)关于抽头系数wn的偏导数，可以得出下列方程。∂ek∂w1=-x1,k,∂ek∂w2=-x2,k,···,∂ek∂wN=-xN,k,(k=1,2,...,K)...(6)]]>根据方程(5)和(6)可以得出下列方程。Σk=1Kekx1,k=0,Σk=1Kekx2,k=0,···,Σk=1KekxN,k=0...(7)]]>通过把方程(3)代入方程(7)中的ek中，方程(7)可以通过由方程(8)表达的正规方程来表达。 通过准备一定组数的HD像素yk和SD像素xn，k，可以得出个数与要确定的抽头系数wn的个数相同的方程(8)，和通过求解方程(8)(为了求解方程(8)，方程(8)中左侧与抽头系数wn相邻的矩阵必须是规则的)，可以确定最佳抽头系数wn。在求解方程(8)的过程中，可以应用，例如，清除(sweep-out)法(高斯-约当(Gauss-Jardan)消元法)。如上所述，通过把许多个HD像素y1，y2，…，yK设置成监督者数据，作为学习抽头系数的监督者，和把为每个HD像素yk形成预测抽头的SD像素x1，k，x2，k，…，xN，k设置成学习者数据，作为学习这些抽头系数的学习者，求解方程(8)，可以进行确定最佳抽头系数wn的学习。通过利用最佳抽头系数wn，利用方程(1)把SD图像数据映射(转换)成HD图像数据。上述处理就是自适应处理。自适应处理与仅仅内插的处理的不同之处在于，再现不是包含在SD图像中，而是包含在HD图像中的成分。更具体地说，仅从方程(1)来看，自适应处理与利用内插滤波器的所谓“内插处理”相似。但是，通过把HD图像数据用作监督者数据和把SD图像数据用作学习者数据，通过学习确定与用在内插滤波器中的抽头系数相对应的抽头系数wn。因此，可以再现包含在HD图像中的成分。由此，自适应处理可以为创建图像(创建分辨率)的功能服务。在学习抽头系数wn的过程中，可以改变监督者数据y和学习者数据x的组合，以便获取进行各种转换的抽头系数wn。如果HD图像数据用作监督者数据y，和如果通过把噪声或模糊加入HD图像数据中确定的SD图像数据用作学习者数据x，可以获得将图像转换成没有噪声或模糊的图像的抽头系数wn。如果HD图像数据用作监督者数据y，和如果通过降低HD图像数据的分辨率确定的SD图像数据用作学习者数据x，可以获得将图像转换成分辨率提高了的图像的抽头系数wn。如果图像数据用作监督者数据y，和如果通过对图像数据进行DCT(离散余弦变换)确定的DCT系数用作学习者数据x，可以获得将DCT系数转换成图像数据的抽头系数wn。如上所述，在分类自适应处理中，为每一类确定使方程(4)中平方误差之和达到最小的抽头系数wn，和利用抽头系数wn计算方程(1)，从而把SD图像转换成高质HD图像。也就是说，通过利用抽头系数wn和通过SD图像生成的预测抽头xn，计算方程(1)，从而确定形成HD图像的HD像素。由此，当预测抽头的动态范围小时，与当动态范围大时相比，HD像素更易于受预测抽头xn的值(形成预测抽头的SD像素xn的像素值)的变化的影响。为了简单起见，如图1A所示，现在假设预测抽头由两个SD像素x1和x2组成，和HD像素的像素值y通过与方程(1)相对应的下列方程确定。y＝w1x1+w2x2…(9) 由于预测抽头的动态范围是通过从形成预测抽头的最大值中减去最小值确定的，如图1A所示的预测抽头的动态范围D通过下列方程本文档来自技高网...

【技术保护点】
一种将第一数据转换成第二数据的数据转换设备，包括：　　　　类抽头生成装置，用于从第一数据中生成用于把第二数据的指定项分类成至少一个类中的一类的类抽头；　　　　分类装置，用于根据类抽头，分类第二数据的指定项；　　　　预测抽头生成装置，用于从第一数据中生成确定第二数据的指定项的预测抽头；　　　　抽头系数获取装置，用于从通过利用与第二数据相对应的第二学习数据和与第一数据相对应的第一学习数据，和通过根据从第一学习数据中生成的预测抽头的活动性，在把权重应用于第二学习数据和第一学习数据的同时，为所述至少一个类的每一个学习第二学习数据和第一学习数据之间的关系获得的抽头系数中，为第二数据的指定项的类获取抽头系数；和　　　　计算装置，用于通过把预测抽头和抽头系数用于第二数据的指定项的类，确定第二数据的指定项。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：近藤哲二郎，
申请(专利权)人：索尼株式会社，
类型：发明
国别省市：JP[日本]